Site icon About 24/7

MIT 學者利用 AI 發現超強抗生素,成果登《Cell》雜誌封面

轉載從: Tech News 科技新報

2 月 20 日,全球自然科學研究領域最著名期刊之一《細胞》(Cell)以封面文章發表題為《A Deep Learning Approach to Antibiotic Discovery》的研究論文,文章報導麻省理工學院(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超強抗生素 halicin,能殺死抗藥細菌。

研究團隊訓練一種機器學習演算法,分析化合物的分子結構並挑選潛在的抗生素。深度學習模型的目的是辨識能殺滅細菌的化合物,機理與現有藥物不同。

分析約 2,500 種不同分子後,人工智慧系統辨識出一種新的抗生素化合物。實驗室測試中,這種化合物殺死世界許多問題最多的致病細菌,包括結核病和認為無法治癒的菌株。

這種新抗生素化合物稱為 halicin,以 1968 年電影《2001 太空漫遊》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教授 James Collins 說,這個發現代表(人類)與抗生素抗藥性搏鬥的突破。

論文表示,自青黴素出現以來,抗生素已成為現代醫學的基石。然而,隨著時間過去,細菌逐漸產生對抗生素的抗藥性,這就需要藥物研發工作者不斷開發新抗生素。

對所有測試的抗藥菌都有殺傷力

但現實情況是,由於缺乏經濟激勵,各大藥廠發現新抗生素的收效甚微,使抗生素的問題越發嚴重。曾有研究預測,如果不立即採取措施開發新抗生素,到 2050 年,因抗藥性感染而死亡的人數將達每年 1,000 萬人。

Collins 說:「我們正面臨越來越多關抗生素抗藥性的危機,這種情況是由於越來越多病原體對現有抗生素產生抗藥性,以及生物技術和製藥業對新抗生素的需求不足造成。」

但問題是,發現新抗生素越來越困難。現在,天然產物發現受重覆複製問題的困擾。

許多抗生素發現計畫轉向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,管理成本往往高得令人望而卻步,化學多樣性有限,且不能反映抗生素分子固有的化學性質。自 1980 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。

隨著人工智慧等新技術發展,這個問題似乎迎來轉機。

這種深度學習模型能自動學習不同藥物分子的結構,不但可掌握分子的不同位置是否有特定化學基團,還能預測分子的特性。隨後,研究人員提供 2,335 個用於模型學習的不同分子,之中有美國 FDA 批准的藥物,也有不少具廣泛生物活性的天然分子。

研究人員使用 Broad 研究所的化合物庫,讓深度學習模型從其中 6,111 個分子,尋找有潛在抗菌力的分子,halicin 就是這樣發現的。

研究人員測試了 halicin 對多種抗藥菌的殺菌效果。結果顯示,除了銅綠假單胞菌(Pseudomonas aeruginosa,一種難治的肺部病原體),halicin 對所有測試的抗藥菌都有殺傷作用。

利用這套系統,研究人員進一步在另一個數據庫篩選了數億個分子,並從中找到 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。篩選過程只花短短 3 天。

以色列理工學院生物和計算機科學教授 Roy Kishony 說:「這項開創性的工作代表抗生素發現的方式轉變,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,從發現到透過藥物修改和藥物化學,提高療效和毒性。」

(本文由 雷鋒網 授權轉載;首圖來源:MIT

Exit mobile version