生成式人工智能设计出对抗超级细菌的全新抗生素，还给出了合成路线

生成式人工智能设计出对抗超级细菌的全新抗生素，还给出了合成路线

抗生素耐药性是全球性问题，尤其是超级细菌的出现让这一问题更加严峻。近日，麦克马斯特大学和斯坦福大学的研究人员在Nature子刊Nature Machine Intelligence上发表了一篇重要研究论文，他们开发了一种新的生成式人工智能模型——SyntheMol，能够从近300亿个分子的化学空间中设计出易于合成的新型抗生素。这一突破性进展为对抗超级细菌带来了新的希望。

生成式人工智能用于抗生素发现

鲍曼不动杆菌（Acinetobacter baumannii）是一种出了名的难以根除的超级细菌，会导致肺炎、脑膜炎和感染伤口，所有这些都可能导致死亡。世界卫生组织（WHO）已经将鲍曼不动杆菌确定为世界上最危险的抗生素耐药细菌之一。

在这项研究中，研究团队开发了一种生成式人工智能模型——SyntheMol，以快速、低成本地访问数百亿个有前途的分子。他们从132000个分子片段的库中提取，这些片段就像乐高积木一样组合在一起，但本质上却非常不同。然后将这些分子片段与一组13个化学反应进行交叉参照，从而识别出300亿个片段的双向组合，以设计具有最有前途的抗菌特性的新分子。该模型设计的每个分子都被传递到另一个经过训练的AI模型中，以预测毒性。

接下来，研究团队合成了58个由SyntheMol生成的分子，并进行了实验验证，其中6个结构新颖的分子对鲍曼不动杆菌和其他几种系统发育不同的细菌病原体（肺炎克雷伯菌、甲氧西林耐药金黄色葡萄球菌等）表现出强大的抗菌活性，且无毒。这些结果表明了生成式人工智能具有从广泛的化学空间中设计结构新颖、可合成和有效的小分子抗生素候选物的潜力。

生成分子的体外验证实验

目前，SyntheMol模型还有一些不足之处，例如，它没有被编程来产生高水溶性的分子，上述6个新分子中有4个水溶性不足，因此只有2个可以在小鼠模型中进行体内测试。虽然还需要更多的研究来将这些生成的新分子转化为可行的抗生素候选者，并改进生成式人工智能方法用于可合成分子的设计，但这项工作代表了将生成式人工智能用于抗生素发现和药物发现的实际应用迈出的重要一步。

论文共同通讯作者James Zou表示，SyntheMol不仅设计了有前途的候选抗生素分子，而且还生成了如何制造每个新分子的配方。生成这种配方是一种新的方法和游戏规则改变者，因为化学家并不知道如何制造AI设计的分子。

这项研究展示了人工智能在解决全球性医疗难题方面的巨大潜力，为未来抗生素的研发开辟了新的方向。