人工智能发现新的抗生素

麻省理工学院的研究人员利用一种称为深度学习的人工智能，发现了一类化合物，可以杀死耐药细菌，耐药细菌每年导致美国 10,000 多人死亡。

在《自然》杂志上发表的一项研究中，研究人员表明，这些化合物可以杀死在实验室培养皿和两种 MRSA 感染小鼠模型中生长的耐甲氧西林金黄色葡萄球菌 (MRSA)。这些化合物对人体细胞的毒性也非常低，使其成为特别好的候选药物。

这项新研究的一个关键创新是，研究人员还能够弄清楚深度学习模型使用哪些类型的信息来进行抗生素效力预测。这些知识可以帮助研究人员设计出比模型确定的药物效果更好的其他药物。

可以看到模型正在学习什么，从而预测某些分子将成为良好的抗生素。

首先，研究人员使用大幅扩展的数据集训练了深度学习模型。他们通过测试约 39,000 种化合物对 MRSA 的抗生素活性来生成训练数据，然后将这些数据以及化合物化学结构的信息输入到模型中。将任何分子表示为化学结构，并且告诉模型该化学结构是否抗菌？模型接受了许多这样的例子的训练。如果你给它任何新的分子、原子和键的新排列，它可以告诉你该化合物被预测具有抗菌性的概率。

为了弄清楚模型是如何做出预测的，研究人员采用了一种称为蒙特卡罗树搜索的算法，该算法已被用来帮助使 AlphaGo 等其他深度学习模型更容易解释。这种搜索算法允许模型不仅生成每个分子抗菌活性的估计，还可以预测分子的哪些子结构可能解释该活性。

为了进一步缩小候选药物的范围，研究人员训练了三个额外的深度学习模型来预测这些化合物是否对三种不同类型的人类细胞有毒。通过将这些信息与抗菌活性的预测相结合，研究人员发现了可以杀死微生物同时对人体产生最小不良影响的化合物。

研究人员利用这组模型筛选了大约 1200 万种化合物，所有这些化合物都可以在市场上买到。模型根据分子内的化学子结构，从这些集合中识别出了五种不同类别的化合物，预计这些化合物对 MRSA 具有活性。

研究人员购买了大约 280 种化合物，并对它们在实验室培养皿中生长的 MRSA 进行了测试，从而使他们能够从同一类中识别出两种似乎非常有前途的候选抗生素。在两种小鼠模型（一种是 MRSA 皮肤感染，另一种是 MRSA 全身感染）的测试中，每种化合物都能将 MRSA 数量减少 10 倍。

实验表明，这些化合物似乎通过破坏细菌维持细胞膜电化学梯度的能力来杀死细菌。

除了麻省理工学院、哈佛大学和布罗德研究所之外，该论文的贡献机构还包括 Integrated Biosciences, Inc.、Wyss 生物启发工程研究所和德国德累斯顿的莱布尼茨聚合物研究所。