重磅！AI发现超级抗生素，能干掉多种致病细菌，从1.07亿分子筛出

▲对halicin的机制研究

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。研究人员说，这种杀伤机制可能会使细菌难以产生抗药性。

该论文的第一作者、麻省理工学院博士后乔纳森·斯托克斯（Jonathan Stokes）表示：“当你处理可能与膜成分相关的分子时，细胞不一定必须获得单个突变或几个突变来改变外膜的化学性质。这样的突变趋于更加复杂，难以进化。”

在最初的动物试验中，这个分子似乎还具有较低的毒性，并且具有很强的抵抗力。

柯林斯说，在实验中，对其他抗生素化合物的抗药性通常会在几天内出现。“但是即使经过30天的此类测试，我们仍未发现对halicin有任何抗药性。”

以抗生素环丙沙星对比，细菌在1-3天内开始对抗生素环丙沙星产生抗药性，30天后，细菌对环丙沙星的抗药性是实验开始时的200倍。

在鉴定halicin后，研究小组还从拥有约15亿化合物的ZINC15数据库中筛选了超过1.07亿个分子的结构。仅用三天，就从23组候选名单中，物理测试确定了8种具有抗菌活性的分子，它们的结构均不同于已知抗生素。

其中两种分子显示出强大的广谱活性，就是说能有效抑制多种病原体，甚至可以克服大肠杆菌中一系列的抗生素抗性决定簇。

▲来自无锡市抗结核库和ZINC15数据库的模型预测

研究人员现在计划进一步测试这些分子，并筛选更多ZINC15数据库。

匹兹堡卡内基梅隆大学的一位计算生物学家鲍勃·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”。

他指出，AI方法先前已被用在挖掘基因和代谢物的海量数据库，来识别可能包含新型抗生素的分子类型。

但是柯林斯和他的团队表示，他们的方法是不同的，他们不是在搜索特定的结构或分子类别，而是在训练自己的网络去寻找具有特定活性的分子。

该研究团队现在希望与制药公司或非营利组织合作，进一步研究halicin，以期用于临床试验。

他们还希望拓宽发现更多新抗生素的方法，使用他们的模型来设计新抗生素并优化现有分子。

例如，他们可以训练模型以添加使特定抗生素仅针对某些细菌的功能，从而防止其杀死患者消化道中的有益细菌。

巴尔齐莱说，他们的最新工作是概念验证。“这项研究将所有内容放在一起，并展示了它可以做什么。”

结语：AI在抗生素早筛中或产生重大影响

这项研究既提高了化合物鉴定的准确性，又降低了筛选工作的成本，突出了机器学习技术在早期抗生素发现工作中可能发挥的重要作用。

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。”

在他看来，这种方法还将允许深度学习技术应用于抗生素开发的所有阶段，从发现到通过药物修饰和药物化学改善功效和毒性。

原文来自：Nature，Cell，MIT News

（编辑：52刷机网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!