机器学习首次用来寻找新的抗生素的一次尝试

研究人员利用人工智能（AI）发现了一种强大的新型抗生素化合物，它可以杀死世界上一些最危险的超级细菌。根据发表在《细胞》（Cell）杂志上的一项研究，这种化合物可以成功地清除小鼠体内对所有已知抗生素都有耐药性的超级细菌菌株。

由麻省理工学院的雷吉娜·巴兹莱和詹姆斯·柯林斯领导的一个科学家团队使用先进的“机器学习”算法发现了这种抗生素，该技术扫描了一个化合物数据库，以便在现有药物范围里找到可能通过不同机制有效杀灭细菌的化合物。

据研究人员介绍，这是机器学习（本质上利用人工智能去提高自身完成特定任务能力的算法）首次用来寻找新的抗生素的一次尝试。

来自麻省理工学院医学工程与科学研究所（IMES）和生物工程系的柯林斯在一份声明中说：“我们想开发一个平台，让我们能够利用人工智能的力量，去迎接抗生素药物发现的新时代。”“我们的方法揭示了这种神奇的分子，它可能是目前发现的最强大的抗生素中的一种。”

根据世界卫生组织的说法，细菌在设计用来杀死它们的药物的作用下产生的抗药性对全球人类健康构成了日益严重的威胁，这“需要政府部门和社会采取行动”。

据美国疾控中心的数据显示，美国每年约有280万人感染抗药性超级病菌，导致超过35000人因此死亡。

如果再不采取措施解决这一问题的话，联合国估计到2050年，全球每年可能有1000万人死于对多种药物耐药的超级病菌。

这使得发现新的抗生素非常重要。然而，在最近几十年很少有发展。这些药物与现有的药物非常相似。发现可能有效的化合物是一项成本高昂的工作，也是一个很漫长的过程，这一事实无助于寻找新的抗生素。这些发现也倾向于只关注相对狭窄的化合物范围。

这就有了机器学习的用武之地，它使研究人员能够在相对较短的时间内有效地识别出一种强大的抗菌新化合物。

麻省理工学院的雷吉娜·巴兹莱告诉《新闻周刊》：“我们使用机器学习这种人工智能技术来虚拟筛选化合物分子，以预测其抗菌性能。”通常，这种筛选是在实验室进行的，既昂贵又缓慢。另一方面，机器学习可以筛选出数以亿计的化合物，以确定一些需要实验测试的潜在候选化合物。

她又说：“这种方法的低成本使我们能够探索巨大的化学空间，而只测试少许有效的化合物。这是人工智能首次被用于发现一种新的有效抗生素分子。”

首先，研究人员训练他们的机器学习算法来识别化学物质数据库中的特征，这些化学物质可以有效地消灭大肠杆菌。该算法经过“训练”后，研究小组随后使用它对另一个包含约6000种药物化合物的数据进行了梳理。

在梳理过程中，该算法识别出一种名为““哈利辛（halicin）”的有趣药物——它是以利·库布里克的科幻史诗《2001太空漫游》中臭名昭著的人工智能系统命名——此前科学家曾试图用这种药物作为糖尿病的潜在治疗药物。

根据其化学性质，机器学习预测这种化合物将作为一种有效的抗生素，更为关键的是，它将通过不同于当前可用的抗菌药物的机制发挥作用。进一步分析又得出，这种药物也可能对人体细胞无毒。

之后，研究人员决定评估这种药物在实验室治疗抗生素感染的效果。首先，他们在培养皿中培养细菌——包括对多种药物耐药的细菌——发现这种化合物对所有测试的细菌都有效，只有一个特别难以杀死的病原体除外。

随后，科学家们使用了哈利辛（halicin）去治疗感染了一种对所有已知抗生素都有耐药性的鲍曼尼氏杆菌的小鼠。有趣的是，这种化合物能够在24小时内完全消除感染。

根据研究小组的说法，哈利辛（halicin）特别有效果，因为它是通过生物机制起作用的，这可能会让细菌很难产生抗药性。事实上，研究人员也发现，在30天的治疗过程中，大肠杆菌并没有对哈利辛（halicin）产生耐药性。

研究小组表示，下一步是深入研究哈利辛（halicin），并寻求与可能有助于开发用于人类药物的组织建立合作关系。此外，在这项研究中，哈利辛（halicin）并不是唯一被发现的有效抗生素。

研究人员还利用他们的机器学习算法扫描了一个名为ZINC15的庞大在线数据库中的大约1亿种化合物，该数据库总共包含约15亿种化合物物质。扫描结果显示，在三天的时间里，又有23名很有希望的“候选人”被发现。随后的实验室测试显示，其中8种化合物可以起到抗生素的作用。

现在科学家们计划对这些化合物进行更多的研究，同时也对ZINC15数据库进行进一步的扫描。此外，他们还希望最新的研究能够使科学家们从头开始设计新的抗生素或改进现有的化合物做抗生素。

以色列理工学院（Israel Institute of Technology）的生物学和计算机科学教授罗伊·基松尼（Roy Kishony）在一份声明中说，“这项开创性的工作标志着发现抗生素乃至更广泛意义上的发现药物的范式转变。”“这种方法将允许在抗生素开发的所有阶段中使用机器学习技术，从发现到通过药物修饰和药物化学来提高疗效和减少药物毒性。”