人工智能发现强效抗生素 机器学习可以识别

大肠杆菌扫描电子显微照片中的绿色细菌。

一种开创性的机器学习方法已经从超过1亿个分子中识别出了强有力的新型抗生素——其中包括一种能对抗多种细菌的抗生素，包括肺结核和被认为不可治疗的菌株。

抗生素耐药性有语言问题

研究人员称，这种名为halicin的抗生素是人工智能首次发现的。尽管人工智能以前曾被用来帮助抗生素发现过程的一部分，他们说这是第一次它从零开始识别全新的抗生素种类，而不使用任何先前的人类假设。这项由剑桥麻省理工学院合成生物学家吉姆·科林斯领导的研究发表于细胞1。

宾夕法尼亚匹兹堡大学的计算生物学家雅各布·达兰特说，这项研究非常了不起。他说，该团队不仅识别候选分子，还在动物实验中验证了有前途的分子。达兰特说，此外，该方法还可以应用于其他类型的药物，如用于治疗癌症或神经退行性疾病的药物。

细菌对抗生素的耐药性在全球范围内急剧上升，研究人员预测，除非紧急开发新药，到2050年，抗药性感染每年可能导致1000万人死亡。但是在过去的几十年里，新抗生素的发现和监管批准已经放缓。“人们不断发现相同的分子，”柯林斯说。"我们需要具有新作用机制的新化学物质."

忘记你的假设

柯林斯和他的团队开发了一种神经网络——一种受大脑结构启发的人工智能算法——可以一个原子一个原子地学习分子的特性。

研究人员训练其神经网络来发现抑制细菌生长的分子大肠杆菌使用已知抗菌活性的2，335个分子的集合。这包括大约300种批准的抗生素，以及800种来自植物、动物和微生物的天然产品。

麻省理工学院人工智能研究员、该研究的合著者里贾纳·巴兹莱说，该算法可以在不假设药物如何起作用以及不标记化学基团的情况下，学会预测分子功能。"因此，该模型可以学习人类专家未知的新模式."

一旦模型被训练好，研究人员就用它来筛选一个名为“药物再利用中心”的文库，该文库包含大约6000个正在研究的人类疾病分子。他们要求它预测哪一种方法会有效大肠杆菌并且只向他们展示看起来不同于传统抗生素的分子。

对最后一种抗生素的耐药性比预期传播得更远

从结果中，研究人员选择了大约100名候选人进行身体测试。其中一种——一种正在被研究用于糖尿病治疗的分子——被证明是一种有效的抗生素，他们以电影中的智能电脑HAL命名为halicin2001年:太空漫游。在小鼠试验中，这种分子对多种病原体具有活性，包括一种艰难梭菌其中一个鲍曼不动杆菌这是“泛耐药的”,因此迫切需要新的抗生素。

质子块

抗生素通过一系列机制发挥作用，例如阻断参与细胞壁生物合成、DNA修复或蛋白质合成的酶。但是halicin的机制是非传统的:它破坏了质子穿过细胞膜的流动。在最初的动物试验中，它似乎还具有低毒性和较强的抵抗力。柯林斯说，在实验中，对其他抗生素化合物的耐药性通常会在一两天内出现。“但即使经过30天的这种测试，我们也没有发现对盐霉素的任何耐药性。”

该团队随后在一个名为ZINC15的数据库中筛选了超过1.07亿个分子结构。从23份候选名单中，身体测试鉴定出8份具有抗菌活性。其中两种对多种病原体具有强效活性，甚至可以克服抗生素抗性菌株大肠杆菌。

匹兹堡卡内基梅隆大学的计算生物学家鲍勃·墨菲说，这项研究是“越来越多的工作使用计算方法来发现和预测潜在药物特性的一个很好的例子”。他指出，人工智能方法以前已经被开发出来挖掘基因和代谢物的巨大数据库，以识别可能包括新抗生素的分子类型2,3。

但是柯林斯和他的团队说，他们的方法不同——他们不是寻找特定的结构或分子类别，而是训练他们的网络寻找具有特定活性的分子。该团队现在希望与外部团体或公司合作，将哈利星投入临床试验。它还希望拓宽寻找更多新抗生素的途径，并从头开始设计分子。巴兹莱说，他们的最新工作是概念的证明。"这项研究把所有这些放在一起，并展示了它能做什么."