MIT 學者利用 AI 發現超強抗生素，成果登《Cell》雜誌封面

2 月 20 日，全球自然科學研究領域最著名期刊之一《細胞》（Cell）以封面文章發表題為《A Deep Learning Approach to Antibiotic Discovery》的研究論文，文章報導麻省理工學院（MIT）生物工程師 Jim Collins 領導的研究團隊，利用深度學習模型發現超強抗生素 halicin，能殺死抗藥細菌。

研究團隊訓練一種機器學習演算法，分析化合物的分子結構並挑選潛在的抗生素。深度學習模型的目的是辨識能殺滅細菌的化合物，機理與現有藥物不同。

分析約 2,500 種不同分子後，人工智慧系統辨識出一種新的抗生素化合物。實驗室測試中，這種化合物殺死世界許多問題最多的致病細菌，包括結核病和認為無法治癒的菌株。

這種新抗生素化合物稱為 halicin，以 1968 年電影《2001 太空漫遊》的 AI 系統 Hal 9000 命名。

麻省理工學院的醫學工程與科學研究所和生物工程系教授 James Collins 說，這個發現代表（人類）與抗生素抗藥性搏鬥的突破。

論文表示，自青黴素出現以來，抗生素已成為現代醫學的基石。然而，隨著時間過去，細菌逐漸產生對抗生素的抗藥性，這就需要藥物研發工作者不斷開發新抗生素。

對所有測試的抗藥菌都有殺傷力

但現實情況是，由於缺乏經濟激勵，各大藥廠發現新抗生素的收效甚微，使抗生素的問題越發嚴重。曾有研究預測，如果不立即採取措施開發新抗生素，到 2050 年，因抗藥性感染而死亡的人數將達每年 1,000 萬人。

Collins 說：「我們正面臨越來越多關抗生素抗藥性的危機，這種情況是由於越來越多病原體對現有抗生素產生抗藥性，以及生物技術和製藥業對新抗生素的需求不足造成。」

但問題是，發現新抗生素越來越困難。現在，天然產物發現受重覆複製問題的困擾。

許多抗生素發現計畫轉向篩選大型合成化學文庫。然而，這些文庫可能包含幾十萬到幾百萬個分子，管理成本往往高得令人望而卻步，化學多樣性有限，且不能反映抗生素分子固有的化學性質。自 1980 年代高通量篩選實施以來，沒有發現新的臨床抗生素使用這種方法。

隨著人工智慧等新技術發展，這個問題似乎迎來轉機。

這種深度學習模型能自動學習不同藥物分子的結構，不但可掌握分子的不同位置是否有特定化學基團，還能預測分子的特性。隨後，研究人員提供 2,335 個用於模型學習的不同分子，之中有美國 FDA 批准的藥物，也有不少具廣泛生物活性的天然分子。

研究人員使用 Broad 研究所的化合物庫，讓深度學習模型從其中 6,111 個分子，尋找有潛在抗菌力的分子，halicin 就是這樣發現的。

研究人員測試了 halicin 對多種抗藥菌的殺菌效果。結果顯示，除了銅綠假單胞菌（Pseudomonas aeruginosa，一種難治的肺部病原體），halicin 對所有測試的抗藥菌都有殺傷作用。

利用這套系統，研究人員進一步在另一個數據庫篩選了數億個分子，並從中找到 23 個與現有抗生素結構迥異，且對人類細胞無毒性的潛在抗菌分子。篩選過程只花短短 3 天。

以色列理工學院生物和計算機科學教授 Roy Kishony 說：「這項開創性的工作代表抗生素發現的方式轉變，甚至更廣泛的藥物發現。這種方法將允許在抗生素開發的所有階段使用深度學習，從發現到透過藥物修改和藥物化學，提高療效和毒性。」

（本文由 雷鋒網 授權轉載；首圖來源：MIT）