人工智能助力医学突破：60年来首个新抗生素问世，有效对抗耐药性感染

近日，科学家利用人工智能技术在医学领域取得重大突破，成功开发出60年来首个全新抗生素。这一创新成果为抗击耐药性感染提供了新的解决方案，有望改变医学领域的游戏规则。

这项研究由麻省理工学院（MIT）的医学工程与科学教授James Collins领导，共有21名研究人员参与。他们在《自然》杂志上发表了研究结果。Collins教授表示：“我们的洞察是，我们可以看到模型如何通过学习来预测某些分子作为有效抗生素的潜力。我们的工作提供了一个框架，从化学结构的角度来看，它既高效节约时间和资源，又具有机械洞察力，这是我们迄今为止没有的。”

在这项研究中，研究团队使用深度学习模型来预测新化合物的活性和毒性。深度学习是一种利用人工神经网络自动从数据中学习和表示特征的方法，无需显式编程。这种方法在药物发现中的应用越来越广泛，可以加速潜在药物候选者的识别，预测它们的属性，并优化药物开发过程。

研究团队关注了一种名为甲氧西林耐药性金黄色葡萄球菌（MRSA）的耐药性感染。MRSA感染可以从轻微的皮肤感染发展到更严重的可能危及生命的状况，如肺炎和血液感染。据欧洲疾病预防控制中心（ECDC）统计，欧盟每年发生近15万例MRSA感染，而抗微生物药物耐药性感染每年导致欧盟近3.5万人死亡。

为了创建训练数据，研究人员评估了大约3.9万种化合物对MRSA的抗生素活性。然后，这些结果数据和有关化合物化学结构的详细信息被输入到深度学习模型中。通过训练模型，研究人员能够预测新化合物的抗生素活性和毒性。

为了精选潜在药物，研究人员采用了三个额外的深度学习模型来评估化合物对三种不同类型人类细胞的毒性。通过将这些毒性预测与先前确定的抗菌活性相结合，研究人员确定了能够有效对抗微生物且对人体伤害最小的化合物。

利用这套模型，研究人员筛选了大约1200万种现有化合物，并从中识别出了具有预测活性的化合物。这些化合物属于五个不同的类别，基于分子内特定化学亚结构进行分类。随后，研究人员获得了大约280种这些化合物，并在实验室环境中对MRSA进行了测试。这种方法使他们发现了两种有前景的抗生素候选物，它们属于同一类别。

在两种小鼠模型的实验中——一种是MRSA皮肤感染，另一种是MRSA系统性感染——这些化合物分别将MRSA数量减少了10倍。这一结果表明，这些新发现的抗生素具有潜在的临床应用价值。

总之，这项研究展示了人工智能技术在医学领域的巨大潜力。通过利用深度学习模型预测新化合物的活性和毒性，科学家们能够加速药物发现过程并降低开发成本。这一创新方法为抗击耐药性感染提供了新的希望，有望为医学领域带来革命性的变化。