AI 发现超级抗生素，可杀死多种致病细菌
根据 MIT 的最新消息，麻省理工学院合成生物专家吉姆·柯林斯（Jim Collins）领导的研究团队研发出了一种开创性的机器学习方法。
该方法可以在没有使用人类任何假设的情况下，短短几天从超过 1 亿个分子的库中筛选出强大的新型抗生素。其中一种抗生素可杀死多种世界上最麻烦的致病细菌，包括结核病和被认为无法治愈的菌株，该方法还可用于治疗癌症、神经衰退性疾病等其他类型的药物。
在实验中，专家们让模型预测哪种分子能有效抑制大肠杆菌，并仅展示看起来与常规抗生素不同的分子。从产生的结果中，研究人员选择了大约 100 个进行物理测试的候选分子。通过这种方法，研究人员找到了一种正在研究用于糖尿病治疗的分子，已经被证明是一种有效的抗生素。
此外，该分子对多种病原体显示出抑制生长的特性，包括艰难梭菌菌株、鲍曼不动杆菌和结核分枝杆菌。其中，世界卫生组织已将鲍曼不动杆菌定为最需要优先处理新抗生素的病原体之一。
这项研究的合著者、麻省理工学院 AI 研究人员瑞吉娜·巴尔齐莱（Regina Barzilay）表示，该算法无需对药物的工作原理和化学基团进行任何标记，就可以预测分子功能。“因此，该模型可以学习人类专家未知的新模式。”
论文地址：
https://www.cell.com/action/showPdf?pii=S0092-8674(20)30102-1
研发团队：对人体细胞毒性低
这个可以在短短几天内筛选出一亿多种化学化合物的计算机模型，其设计目的是通过使用与现有药物不同的机制，来筛选出可以杀死细菌的潜在抗生素。
“我们希望开发一个平台，使我们能够利用人工智能的力量来开创抗生素药物发现的新时代，”麻省理工学院医学工程与科学研究所（IMES）& 生物工程系 Termeer 医学工程教授 James Collins 说道。“我们的方法揭示了这种让人震惊的分子，可以说它甚至是现已发现的、最强大的抗生素之一。”
吉姆·柯林斯称：“我们正面临着越来越多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。”因此，寻找全新的化合物成了当务之急。
机器学习发现抗生素
在实验中，研究人员设计了他们的模型，以寻找能够使分子有效杀死大肠杆菌的化学特征。为此，他们在大约 2500 个分子上训练了该模型，其中包括大约 1700 种 FDA 批准的药物以及 800 种具有不同结构和不同生物活性的天然产物。
对该模型进行训练后，研究人员在 Broad Institute 的 Drug Repurposed Hub（约 6000 种用于人类疾病研究的分子库）中对模型进行了测试。该模型选出了一种分子，该分子被认为具有很强的抗菌活性，并且化学结构不同于任何现有的抗生素。通过使用不同的机器学习模型，研究人员还发现该分子可能对人体细胞毒性低。
从产生的结果中，研究人员选择了大约 100 个进行物理测试的候选分子。参考《 2001 年：太空漫游》中虚构的人工智能系统后，研究人员决定将该分子称为 halicin。此前，该分子被认为可以治疗糖尿病，后被证明是一种有效的抗生素。
最初模型训练时的 Halicin 发现
研究人员对数十种从患者身上分离出来的、并在实验室培养皿中培养的细菌菌株进行了测试，发现该细菌能够杀死许多对治疗有抵抗力的细菌，包括艰难梭菌、鲍曼不动杆菌和结核分枝杆菌。除了铜绿假单胞菌（一种难以治疗的肺病原体）外，该药物对他们测试的每个菌株均有效。
Halicin 是一种广谱杀菌抗生素
为了测试盐蛋白在活体动物中的功效，研究人员将其用于治疗感染鲍曼不动杆菌的小鼠，鲍曼不动杆菌是一种细菌，已经感染了驻扎在伊拉克和阿富汗的许多美国士兵。他们使用的鲍曼不动杆菌菌株对所有已知的抗生素都有抗药性，但是使用含盐蛋白的药膏可在 24 小时内完全清除感染。
初步研究表明，halicin 通过破坏细菌在细胞膜上维持电化学梯度的能力来杀死细菌。除其他功能外，此梯度对于产生 ATP（细胞用来存储能量的分子）是必不可少的，因此，如果梯度破裂，细胞将死亡。研究人员称，这种杀伤机制可能会使细菌难以产生抗药性。
Halicin 在小鼠感染模型上显示有效
研究人员在研究中发现，在 30 天的治疗期内，大肠杆菌对 halicin 没有产生任何抗性。将 halicin 与常规抗生素环丙沙星作比较就会发现，细菌在一到三天内开始对抗生素环丙沙星产生抗药性，并且在 30 天后，细菌对环丙沙星的抗药性是实验开始时的 200 倍。研究人员计划与制药公司或非营利组织合作，进一步研究 halicin，希望未来将 halicin 的开发用于人类。
AI 对药物研发的重要意义
MIT 的这项最新研究既提高了化合物鉴定的准确性，又降低了筛选工作成本，因此得到了业内很多专家的高度评价。以色列理工学院的生物学和计算机科学教授罗伊·基肖尼（Roy Kishony）表示：这项开创性的研究，标志着抗生素发现乃至更普遍的药物发现发生了范式转变。匹兹堡卡内基梅隆大学的计算生物学家鲍勃·墨菲（Bob Murphy）认为：这项研究为使用计算方法发现和预测潜在药物特性增添了一个很好的例子。
经过几年的快速发展，AI 在医疗领域的落地应用已经初具规模，尽管在一些细分方向上的发展还谈不上“爆发”，但至少达到了一定量级，在医疗影像系统、辅助诊疗等领域已经开始了规模化部署。在这场突如其来的疫情中，我们也已经看到了 AI 技术在药物研发、远程医疗、药物筛选等方面的成果。很明显，技术与人的相辅相成，已经渐渐显露出优势。
原文链接：https://www.infoq.cn/article/j7Uq4ABGR9jQKQFejCsK
原文链接：https://www.cell.com/action/showPdf?pii=S0092-8674(20)30102-1
原文链接：http://news.mit.edu/2020/artificial-intelligence-identifies-new-antibiotic-0220
原文链接：https://www.cell.com/cell/fulltext/S0092-8674(20)30102-1
