AI设计新化学物质对抗超级细菌

快速阅读: 麻省理工学院利用AI模型识别出针对淋病和MRSA的新候选药物，实验室和小鼠模型测试成功。Phare Bio目标五年内推进15种新型抗生素候选药物进入早期研究。

在对抗耐药性感染的斗争中，人类长期以来一直处于下风——近40年来没有发现新的主要抗生素。如今，医生和科学家们表示，一种人工智能工具设计出的新化学物质可能能够治疗主要的超级细菌。

麻省理工学院的研究利用AI模型识别出针对淋病和耐甲氧西林金黄色葡萄球菌（MRSA）的新候选药物。

研究人员通过AI生成模型学习哪些化学结构能杀死细菌，并据此识别出新的可能性。针对淋病和MRSA的最佳候选药物在实验室和小鼠感染模型中成功进行了测试。

“这些计算模型能够优雅而精确地从零开始设计具有抗菌特性的化合物，”Phare Bio的首席执行官兼总裁阿基拉·科萨拉朱说，“这正是真正的突破所在。”

对于患者而言，迅速治疗感染至关重要，无论是复杂的妊娠、器官移植还是晚期癌症病例。“我们有患者感染了没有可用抗生素的情况，这非常可怕。”范德比尔特大学医学中心实验室医学教授罗姆尼·亨普希尔说道。

Phare Bio是一家由慈善家资助的非营利生物技术公司，目标是在五年内将15种新型抗生素候选药物推进到早期研究管线中。“作为一名受过训练的医生，我知道只要在医院系统中待上几天，无论是在美国、加拿大还是其他地方，就能看到抗生素耐药性带来的灾难性后果。”科萨拉朱说。

此前，科学家们会从数据库中挑选数千种化合物，然后在实验室中测试它们是否能杀死大肠杆菌等细菌，结果是肯定或否定的回答。而生成式AI是一种使用模式匹配技术从大型数据集中学习并根据提示创建内容的人工智能。在麻省理工学院的研究中，生成式AI模型学会了哪些化学结构可以杀死细菌，并识别出新的可能性。针对淋病和MRSA的最佳候选药物已经合成并在实验室和小鼠模型中成功测试。

“我们的观点是，借助AI和现在的生成式AI，我们将以更少但更精准的方式尝试达到目标。”科萨拉朱说。

一个GTA家庭呼吁问责并提出新的医院政策，因为今年夏天早些时候，一位母亲在分娩后因医院未能及时识别和治疗败血症而去世。据CBC的Sarah MacMillan报道，这家人认为Mississauga的Credit Valley医院的工作人员行动不够迅速。

研究结果意义重大，因为目前对抗细菌的方法是尝试各种药物，看哪种有效，但这并不总是成功。Humphries表示，他未参与该研究。有几种杀死或控制细菌的方法，比如让细胞破裂、饥饿或阻止微生物自我复制。在这项研究中，发现的化学物质似乎能够削弱淋病和耐甲氧西林金黄色葡萄球菌（MRSA）的重要细菌膜。

据加拿大公共卫生署本周发布的最新优先微生物名单显示，从155种病原体中筛选出29种对加拿大人构成“重大风险”的病原体，这些病原体的选择依据是发病率、可治疗性、传播性和健康公平性。耐药性淋病和碳青霉烯类耐药肠杆菌科细菌位居联邦名单之首，这些细菌可在免疫系统受损时引起尿路感染、肾感染、败血症和脑膜炎。

传统方法在培养皿中测试新抗生素就像大海捞针。Hamilton的McMaster大学生物化学和生物医学科学教授Eric Brown表示，他们也利用生成式人工智能寻找对抗超级细菌的方法。Brown说，细菌有高达4000个基因，目前科学家只了解其中几十对基因的作用，更不用说细菌如何与人类相互作用了。不了解细菌基因如何协同工作以及如何对抗人体，新的潜在抗生素就不太可能奏效。“这有点像预测天气，”Brown说，“这是一个复杂的系统，很难理解。事实证明，人工智能和其他数学工具可以帮助我们。”

解决抗生素耐药性问题需要生物学、化学、物理学、计算机科学和编程以及统计学的结合，以分析和解读人工智能提供的线索。虽然像MIT发现的新潜在抗生素化合物看起来很有前景，但这只是第一步。Humphries警告说：“在完成这一步之后，还有很长的路要走，才能确定它是否对人体安全，是否能在体内停留足够长的时间以对抗细菌。”

Amina Zafar是一位记者，为CBC News报道医学科学和医疗保健。她为CBC Health的《第二意见》栏目撰稿，该栏目在2024年数字出版奖中获得最佳编辑通讯银奖。她拥有环境科学学士学位和新闻学硕士学位。

(以上内容均由Ai生成)