0
| 本文作者： 李雨晨 | 2020-02-22 16:59 |
雷鋒網消息，當地時間2月20日，全球自然科學研究領域最著名期刊之一《細胞》Cell 以封面文章的形式發表了題為“A Deep Learning Approach to Antibiotic Discovery”的研究論文，文章報道了麻省理工學院（MIT）生物工程師Jim Collins領導的研究團隊利用深度學習模型發現了超強抗生素halicin，能夠殺死耐藥細菌。
據雷鋒網了解，研究團隊訓練了一種機器學習算法，來分析化合物的分子結構并挑選出潛在的抗生素。深度學習模型的目的是識別能夠殺滅細菌的化合物，其機理與現有藥物不同。
在分析了大約2500種不同的分子后，人工智能系統識別出一種新的抗生素化合物。在實驗室測試中，這種化合物殺死了世界上許多最具問題的致病細菌，包括結核病和被認為無法治愈的菌株。
這種新的抗生素化合物被稱為halicin，以1968年的電影《2001：太空漫游》中的AI系統Hal 9000命名。
麻省理工學院的醫學工程與科學研究所和生物工程系的教授James Collins說，這一發現標志著（人類）對抗抗生素耐藥性的一個突破。
論文表示，自青霉素出現以來，抗生素已經成為現代醫學的基石。然而，隨著時間的推移，細菌會逐漸產生對抗生素的耐藥性，這就需要藥物研發工作者不斷開發新的抗生素。
但現實情況是，由于缺乏經濟激勵，私營藥企在新抗生素的發現上收效甚微，使得抗生素的問題越發嚴重。曾有研究預測，如果不立即采取措施開發新的抗生素，到2050年，因耐藥感染而死亡的人數將達到每年1000萬人。
Collins說：“我們正面臨著越來越多關于抗生素耐藥性的危機，這種情況的產生是由于越來越多的病原體對現有抗生素產生了耐藥性，以及生物技術和制藥行業對新抗生素的需求不足造成的。”
但問題是，發現新的抗生素變得越來越困難。現在，天然產物的發現受到重復復制問題的困擾。
許多抗生素發現項目就轉向了篩選大型合成化學文庫。然而，這些文庫可能包含幾十萬到幾百萬個分子，它們的管理成本往往高得令人望而卻步，化學多樣性有限，而且不能反映抗生素分子固有的化學性質。自20世紀80年代高通量篩選實施以來，沒有發現新的臨床抗生素使用這種方法。
隨著人工智能等新技術的發展，這個問題似乎迎來轉機。
據雷鋒網了解，這種深度學習模型能夠自動學習不同藥物分子里的結構，不但可以掌握這些分子的不同位置是否存在特定的化學基團，還能夠預測這些分子的特性。隨后，研究人員們給這種模型提供了2335個用于模型學習的不同分子，這些分子中有美國FDA已經批準的藥物，也有不少具有廣泛生物活性的天然分子。
研究人員們使用Broad研究所的一個化合物庫，讓深度學習模型從其中6111個分子里，尋找具有潛在抗菌潛力的分子。
halicin就是這樣被發現的。
研究人員測試了halicin對多種耐藥菌的殺菌效果。結果顯示，除了銅綠假單胞菌（Pseudomonas aeruginosa，一種難治的肺部病原體）之外，halicin對所有測試的耐藥菌都有殺傷作用。
利用這套系統，研究人員們進一步在另一個數據庫里篩選了數億個分子，并從中找到了23個與現有抗生素結構迥異，且對人類細胞無毒性的潛在抗菌分子。這一篩選過程，只用了短短的3天時間。
以色列理工學院的生物和計算機科學教授Roy Kishony說：這項開創性的工作標志著抗生素發現的范式轉變，甚至更廣泛的藥物發現。“這種方法將允許在抗生素開發的所有階段使用深度學習，從發現到通過藥物修改和藥物化學來提高療效和毒性。”雷鋒網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
