重磅！AI发现超级抗生素，能干掉多种致病细菌，
智东西（公众号：zhidxcom）
编 | 心缘
AI再次展现出非凡的医药研发价值！
智东西2月21日消息，刚刚，由麻省理工学院合成生物专家吉姆·柯林斯（Jim Collins）领导的研究团队研发一种开创性的机器学习方法，登上全球自然科学研究领域最著名期刊之一《细胞（Cell）》2月20日的封面。
该方法首次在没有使用人类任何先前假设的情况下，短短几天内从超过1亿个分子的库中筛选出强大的新型抗生素。其中一种抗生素可杀死多种世界上最麻烦的致病细菌，包括结核病和被认为无法治愈的菌株。
宾夕法尼亚州匹兹堡大学的计算生物学家雅各布·杜兰特（Jacob Durrant）认为，这一研究非常出色，研究小组不仅确定了候选基因，而且在动物实验中验证了很有前景的分子。
此外，该方法还可以应用于治疗癌症、神经衰退性疾病等其他类型的药物。
如果类似AI研究方法能应用于抗病毒药物的研发，想必意义将更大。
论文地址：https://www.cell.com/action/showPdf?pii=S0092-8674%2820%2930102-1
一、每年千万人将因无有效抗生素而丧命自发现青霉素以来，抗生素已成为现代医学的基石。然而在全球范围内，细菌对抗生素的耐药性正在急剧上升。
去年5月，英国时任首席医疗官萨利·戴维斯（Sally Davies）发出严厉警告：如果不采取任何抗微生物耐药性措施，预计到2050年，全世界每年将有1000万人丧生。
不幸的是，过去几十年中，发现新抗生素越来越困难，大多数新批准的抗生素都是现有药物的各种变体。
当前用于筛选新抗生素的方法通常成本高得惊人，需要投入大量时间，还往往局限在化学多样性的狭窄范围。
“人们不断地发现相同的分子。” 柯林斯说：“我们需要具有新作用机制的新型化学物质。”
为了寻找新抗生素，柯林斯及其团队研发了一种深度神经网络模型，可逐个原子地学习分子的结构特性。
二、无任何先验标记，用AI筛查出超级抗生素研究人员们使用一个抗菌活性已知的2335个分子集合来训练其深度神经网络，以发现抑制大肠杆菌生长的抗生素分子。
该分子集合中包括约300种已批准的抗生素，以及800种来自植物、动物和微生物来源的天然产物库。
▲用AI发现抗生素
这项研究的合著者、麻省理工学院AI研究人员瑞吉娜·巴尔齐莱（Regina Barzilay）表示，该算法无需对药物的工作原理和化学基团进行任何标记，就可以预测分子功能。“因此，该模型可以学习人类专家未知的新模式。”
对该模型进行训练后，研究人员使用它筛选了一个名为“药物再利用中心”的库，这个库包含约6000个用于人类疾病研究的分子。
他们让模型去预测哪种分子能有效抑制大肠杆菌，并仅向他们展示看起来与常规抗生素不同的分子。
从产生的结果中，研究人员选择了大约100个进行物理测试的候选分子。通过这种方法，研究人员找到了一种正在研究用于糖尿病治疗的分子，已经被证明是一种有效的抗生素。
参考电影《2001：太空漫游》中虚拟人工智能系统HAL的名字，研究人员将这个分子命名为halicin 。
▲halicin是一种广谱杀菌抗生素
上一篇：麻省理工的研究人员使用AI来发现一种受欢迎的新
下一篇：环状RNA/DNA研究新进展！