全球自然科学研究领域最著名期刊《细胞》最新论文发布：“A Deep Learning Approach to Antibiotic Discovery”！

当地时间2月20日，全球自然科学研究领域最著名期刊之一《细胞》Cell 以封面文章的形式发表了题为“A Deep Learning Approach to Antibiotic Discovery”的研究论文，文章报道了麻省理工学院（MIT）生物工程师Jim Collins领导的研究团队利用深度学习模型发现了超强抗生素halicin，能够杀死耐药细菌。

研究团队训练了一种机器学习算法，来分析化合物的分子结构并挑选出潜在的抗生素。深度学习模型的目的是识别能够杀灭细菌的化合物，其机理与现有药物不同。

在分析了大约2500种不同的分子后，人工智能系统识别出一种新的抗生素化合物。在实验室测试中，这种化合物杀死了世界上许多最具问题的致病细菌，包括结核病和被认为无法治愈的菌株。

这种新的抗生素化合物被称为halicin，以1968年的电影《2001：太空漫游》中的AI系统Hal 9000命名。

麻省理工学院的医学工程与科学研究所和生物工程系的教授James Collins说，这一发现标志着（人类）对抗抗生素耐药性的一个突破。

论文表示，自青霉素出现以来，抗生素已经成为现代医学的基石。然而，随着时间的推移，细菌会逐渐产生对抗生素的耐药性，这就需要药物研发工作者不断开发新的抗生素。

但现实情况是，由于缺乏经济激励，私营药企在新抗生素的发现上收效甚微，使得抗生素的问题越发严重。曾有研究预测，如果不立即采取措施开发新的抗生素，到2050年，因耐药感染而死亡的人数将达到每年1000万人。

Collins说：“我们正面临着越来越多关于抗生素耐药性的危机，这种情况的产生是由于越来越多的病原体对现有抗生素产生了耐药性，以及生物技术和制药行业对新抗生素的需求不足造成的。”

但问题是，发现新的抗生素变得越来越困难。现在，天然产物的发现受到重复复制问题的困扰。

许多抗生素发现项目就转向了筛选大型合成化学文库。然而，这些文库可能包含几十万到几百万个分子，它们的管理成本往往高得令人望而却步，化学多样性有限，而且不能反映抗生素分子固有的化学性质。自20世纪80年代高通量筛选实施以来，没有发现新的临床抗生素使用这种方法。

随着人工智能等新技术的发展，这个问题似乎迎来转机。

这种深度学习模型能够自动学习不同药物分子里的结构，不但可以掌握这些分子的不同位置是否存在特定的化学基团，还能够预测这些分子的特性。随后，研究人员们给这种模型提供了2335个用于模型学习的不同分子，这些分子中有美国FDA已经批准的药物，也有不少具有广泛生物活性的天然分子。

研究人员们使用Broad研究所的一个化合物库，让深度学习模型从其中6111个分子里，寻找具有潜在抗菌潜力的分子。

halicin就是这样被发现的。

研究人员测试了halicin对多种耐药菌的杀菌效果。结果显示，除了铜绿假单胞菌（Pseudomonas aeruginosa，一种难治的肺部病原体）之外，halicin对所有测试的耐药菌都有杀伤作用。

利用这套系统，研究人员们进一步在另一个数据库里筛选了数亿个分子，并从中找到了23个与现有抗生素结构迥异，且对人类细胞无毒性的潜在抗菌分子。这一筛选过程，只用了短短的3天时间。

以色列理工学院的生物和计算机科学教授Roy Kishony说：这项开创性的工作标志着抗生素发现的范式转变，甚至更广泛的药物发现。“这种方法将允许在抗生素开发的所有阶段使用深度学习，从发现到通过药物修改和药物化学来提高疗效和毒性。”