当地时间 2 月 20 日，麻省理工学院（MIT）在国际顶尖学术期刊《细胞》杂志刊登了一篇突破性的研究成果，并登上了当期杂志封面。

研究人员行使人工智能深度学习系统，发现了一种壮大的新型抗生素化合物。在实验室测试中，这种药物杀死了世界上许多异常棘手的致病细菌，包罗一些对所有已知抗生素都有耐药性的菌株。并且在动物实验中，它还有用清除了两种差别小鼠模子的细菌熏染。

“我们想开发一个平台, 让我们行使人工智能开启一个抗生素药物发现的新时代”，论文通讯作者、麻省理工学院医学工程和科学系教授 James J. Collins 说,“我们的方式展现了这种神奇的分子，它可能是现在发现的最壮大的抗生素之一。”

研究人员通过计算机深度学习系统确立的模子，可以在几天内筛选跨越 1 亿个化合物，从而挑选出差别于现有药物杀死细菌机制的潜在抗生素。

除了发现全新可针对多种超级耐药菌的抗生素外，研究人员还发现了其他几种有前途的候选抗生素，他们设计进一步测试。研究人员信赖这个模子也可以用来设计新药，基于他们对化学结构的领会，使药物能够杀死细菌。

药物发现新时代

传统筛选新抗生素的方式成本高昂，不仅需要大量的时间投入，而且通常局限于化学多样性的狭窄局限，在已往的几十年里，很少有新的抗生素被开发出来，而且大多数新批准的抗生素是现有药物的稍微差别的变体。

“我们正面临着抗生素耐药性方面的日益严重的危急，这种情形是由越来越多的病原体对现有抗生素发生耐药性，以及生物技术和制药行业对新抗生素的供应不足造成的。”Collins 示意。

传统的药物筛选模子还不够正确，分子被示意为反映存在或不存在某些化学基团的载体，无法改变药物发现的方式。然而，新的神经网络可以自动学习这些表征，将分子映射成延续的向量，然后用来展望它们的性子。

James J. Collins 学术大数据，扫描识别图中二维码查看详情（泉源：AMiner）

Collins 在此之前已经开发出了可以训练剖析化合物的分子结构和关联它们与特定特征的机械学习计算机模子。

在此基础上，研究人员设计了寻找使分子有用杀死大肠杆菌的化学特征的全新模子。为了做到这一点，他们对模子举行了约 2500 个分子的训练，包罗约 1700 种 FDA 已经批准的药物和 800 种差别结构和具有普遍生物活性的自然产物。

用于抗生素筛选的机械学习模子

一旦这个模子被训练好，研究人员就在麻省理工学院和哈佛大学 Broad 研究所的药物再行使中央 (Drug repurhub) 对它们举行测试。

最终，该模子挑选出一种被展望具有壮大抗菌活性的分子，其化学结构与现有的任何抗生素都差别。研究人员还通过另一种机械学习模子发现，这种分子可能对人体细胞有低毒性。

凭据《2001 太空周游》(2001:A Space Odyssey) 中虚构的人工智能系统，研究人员决定将这种分子命名为 Halicin。

之后，研究人员对从病人身上分离出来的几十种菌株举行了测试。通过实验室培育皿中的培育，研究人员发现该潜在药物能够杀死许多对治疗发生抗药性的细菌，包罗艰难梭菌、鲍曼不动杆菌和结核分枝杆菌。除了一种铜绿假单胞菌 (Pseudomonas aeruginosa) 外，这种潜在药物对所测试的所有耐药细菌都显示出了显著效果。

为了在活体动物身上测试 halicin 的有用性，研究人员用它来治疗熏染了鲍曼尼氏杆菌的老鼠，这种细菌此前已经熏染了许多驻扎在伊拉克和阿富汗的美军士兵，而且鲍曼尼氏杆菌对所有已知的抗生素都有耐药性，但使用 halicin 的治疗后，细菌熏染在 24 小时内完全消逝。

Halicin 在小鼠熏染模子中显示出显著效果

进一步研究解释，新药 halicin 通过损坏细菌在细胞膜上维持电化学梯度的能力来杀死细菌。其中，电化学梯度是发生 ATP（细胞用来储存能量的分子）所必须的，以是若是梯度被打破，细胞就会殒命。研究人员们也提到，重塑电化学梯度的历程异常庞大，不是简朴的几个突变就能完成的，因此这也最大程度上杜绝了耐药性的发生。

“当你处置一个可能与膜身分相关的分子时，一个细胞纷歧定会获得一个或两个突变来改变外膜的化学性子。从进化的角度来看，这样的突变要庞大得多，”论文第一作者、麻省理工学院和哈佛大学 Broad 研究所博士后 Jonathan Stokes 说。

此外，在这项研究中研究人员还发现，在 30 天的治疗时代，大肠杆菌没有发生任何抗药性。相比之下，细菌在 1 - 3 天内最先对抗生素环丙沙星发生耐药性，30 天后，细菌对环丙沙星的耐药性是实验最先时的 200 倍左右。

研究人员还设计与制药公司或非营利组织互助，对 Halicin 举行进一步研究，以期开发出用于人类的药物。

发现更多潜在药物

在确定了 Halicin 之后，研究人员还使用他们的模子在 ZINC15 数据库（ZINC15 是一个在线收集约 15 亿个化合物的数据库）中筛选了 1 亿多个分子。

这一筛选仅用了三天时间，就确定了 23 种候选抗生素药物，它们在结构上与现有抗生素都差别，而且对人体细胞无毒。

在对五种细菌的实验室测试中，研究人员发现其中八种候选抗生素分子显示出抗菌活性，其中两种稀奇强。研究人员现在设计进一步测试这些分子，同时筛选更多的 ZINC15 数据库里的化合物。

从海量化学库中展望新的抗生素候选者

研究人员还设计行使他们的模子设计全新的抗生素，并优化现有的分子。例如，他们可以训练模子增添一些特征，使特定的抗生素只针对特定的细菌，防止它杀死病人消化道中的有益细菌。

以色列理工学院生物学和计算机科学教授罗伊·基肖尼（Roy Kishony）说，这项突破性的研究是抗生素药物研发的一个标志性改变，有望提高我们发现新型抗生素的效率，给我们带来更多抗击超级细菌的武器。

参考资料：

http://news.mit.edu/2020/artificial-intelligence-identifies-new-antibiotic-0220

Jonathan M. Stokes et al., (2020), A Deep Learning Approach to Antibiotic Discovery, Cell, DOI:https://doi.org/10.1016/j.cell.2020.01.021