生成式AI助力MIT科学家对抗超级细菌

抗药性细菌之所以危险，是因为它们已经"认识"了大多数抗生素的样子。MIT科学家找到了创造全新药物的方法：使用生成式AI从零设计两种抗生素化合物，能够在实验室培养皿和小鼠体内杀死耐药性淋病菌和MRSA。

抗生素耐药性是世界上最大的公共健康威胁之一，但几十年来新抗生素一直稀缺。传统药物发现方法依赖于筛选已知的化学库——这是一个缓慢的过程，可测试的现有分子池有限。相比之下，MIT的AI系统生成了超过3600万个理论化合物，其中许多具有前所未见的化学结构，并锁定了两个突出的候选药物。这两种化合物都不同于目前使用的任何抗生素，展现了AI如何超越加速研究的作用，设想出原本可能无法找到的药物。

"我们希望摆脱任何看起来像现有抗生素的东西，以根本不同的方式帮助解决抗菌耐药性危机，"MIT博士后研究员、该研究的主要作者之一Aarti Krishnan说。"通过冒险进入化学空间的未探索区域，我们的目标是发现新的作用机制。"

科学突破的实现过程

MIT团队绕过了筛选现有化学库的局限性，让AI从零开始发明分子，生成了超过3600万个理论化合物，然后缩小范围到少数几个，用于对抗耐药超级细菌的测试。

这涉及两种AI驱动的策略：

基于片段的设计：AI从一个对淋病菌显示出希望的化学片段（标记为F1）开始。它产生了数百万个衍生物，最终精炼出约1000个候选物的候选名单。在研究人员选择的80个中，NG1作为一个突出化合物出现，成功在细胞培养和小鼠中治疗了耐药性淋病。

无约束生成：团队让AI自由探索，自主设计分子，针对MRSA。这产生了超过2900万个候选物，被过滤到90个化合物进行合成。产生了22个，6个在实验室测试中表现良好，其中一个特别是DN1，被证明能够消除小鼠的MRSA皮肤感染。

NG1和DN1在结构上与任何目前已知的抗生素都不同，似乎通过破坏细菌细胞膜来摧毁细菌。NG1专门针对LptA，这是一个此前未被开发的细菌蛋白，参与构建外细胞膜。

抗生素研究的未来方向

抗生素-AI项目中的非营利组织Phare Bio正在精炼NG1和DN1以改善其药物特性，同时研究人员正在扩展AI平台以针对其他顽固病原体，如结核分枝杆菌（结核病的致病因子）和铜绿假单胞菌（一组经常在医疗环境中引起感染的细菌）。

这项首次发表在《细胞》杂志上的研究，标志着全球对抗超级细菌斗争中的一个充满希望的转折点。

然而，这些发现还处于早期阶段。初步测试和实验室结果令人鼓舞，但必须通过严格的实验室完善和临床试验来确定人体安全性和有效性，这个过程可能需要数年时间。

这项努力建立在MIT之前在AI指导抗生素开发方面的突破性进展基础上，包括2020年通过深度学习发现的halicin，以及2023年通过机器学习算法发现的abaucin。

Q&A

Q1：MIT科学家如何使用生成式AI开发新抗生素？

A：MIT科学家使用生成式AI从零开始设计分子，生成了超过3600万个理论化合物。他们采用两种策略：基于片段的设计和无约束生成，最终成功开发出NG1和DN1两种全新的抗生素化合物，能够杀死耐药性淋病菌和MRSA。

Q2：NG1和DN1抗生素有什么特别之处？

A：NG1和DN1在结构上与任何目前已知的抗生素都完全不同，它们通过破坏细菌细胞膜来摧毁细菌。特别是NG1专门针对LptA这个此前未被开发的细菌蛋白，提供了全新的杀菌机制，有助于解决抗生素耐药性问题。

Q3：这些AI设计的抗生素什么时候能用于临床治疗？

A：目前这些发现还处于早期阶段，虽然初步测试和实验室结果令人鼓舞，但仍需要通过严格的实验室完善和临床试验来确定人体安全性和有效性，整个过程可能需要数年时间才能真正应用于临床治疗。