機器學習發現的分子甚至可以對抗“無法治療”的細菌株。
一種開創性的機器學習方法已經從一億多個分子池中發現了強大的新型抗生素，其中包括一種對多種細菌有效的抗生素，包括結核病和被認為無法治療的菌株。
研究人員說，這種叫做鹵素的抗生素是人工智能(AI)首次發現的。儘管人工智能以前曾用於幫助抗生素髮現過程的一部分，但他們說，這是它第一次從零開始識別出全新的抗生素種類，而不使用任何以前的人類假設。這項研究由劍橋麻省理工學院的合成生物學家吉姆·柯林斯領導，發表在細胞1.
賓夕法尼亞州匹茲堡大學的計算生物學家雅各布·達蘭特說，這項研究是了不起的。他說，研究小組不僅確定了候選分子，而且還在動物測試中驗證了有前途的分子。更重要的是，這種方法也可以應用於其他類型的藥物，如用於治療癌症或神經退行性疾病的藥物，達蘭特說。
細菌對抗生素的耐藥性在世界範圍內急劇上升，研究人員預測，除非研發出新的藥物，到2050年，抗藥性感染每年可能導致1000萬人死亡。。但在過去的幾十年裡，新抗生素的發現和監管批准已經放緩。柯林斯說：“人們一遍又一遍地發現同樣的分子。”“我們需要具有新的作用機制的新型化學物質。”
忘記你的假設
Collins和他的團隊開發了一種神經網絡--一種受大腦結構啟發的人工智能算法--它可以逐個原子地學習分子的特性。
研究人員訓練它的神經網絡來識別抑制細菌生長的分子。大腸桿菌，使用了2，335個已知抗菌活性的分子。這包括一個包含大約300種經批准的抗生素的圖書館，以及來自植物、動物和微生物來源的800種天然產品。
這項研究的合著者之一麻省理工學院(MIT)人工智能研究員雷吉娜·巴茲萊(ReginaBarzilay)說，該算法學會了預測分子功能，而不需要對藥物的作用進行任何假設，也不需要對化學基團進行“因此，該模型可以學習人類專家所不知道的新模式。”
一旦對模型進行了訓練，研究人員就用它來篩選一個名為“藥物再利用中心”的圖書館，該圖書館包含了大約6000個正在調查中的人體疾病分子。他們要求它預測哪種方法是有效的。大腸桿菌，只向他們展示那些看上去與常規抗生素不同的分子。
研究人員從中選出了大約100名參加身體測試的候選人。其中一種正在被研究為糖尿病治療的分子被證明是一種有效的抗生素，他們用電影中的智能計算機HAL來命名它。2001：太空漫遊。在老鼠的試驗中，這種分子對多種病原體都有活性，包括一株艱難梭菌其中之一鮑曼不動桿菌這是“泛耐藥”，急需新的抗生素。
質子塊
抗生素通過一系列機制發揮作用，如阻斷細胞壁生物合成、dna修復或蛋白質合成所涉及的酶。但是，鹵素的作用機制是非常規的：它破壞了質子在細胞膜上的流動。在最初的動物試驗中，它似乎也具有低毒性和抗抵抗力。柯林斯說，在實驗中，對其他抗生素化合物的耐藥性通常在一兩天內產生。“但即使在30天的測試之後，我們也沒有發現任何對哈利黴素的抗藥性。”
然後，研究小組在一個名為ZINC 15的數據庫中篩選了超過1.07億個分子結構。在23份候選名單中，物理測試確定了8項具有抗菌活性。其中兩種藥物對廣泛的病原體具有很強的活性，甚至可以戰勝對抗生素有抗藥性的菌株。大腸桿菌.
匹茲堡卡內基梅隆大學(CarnegieMellonUniversity)的計算生物學家鮑勃·墨菲(BobMurphy)說，這項研究是“利用計算方法發現和預測潛在藥物特性的一個巨大例子。”他指出，人工智能方法以前已經被開發出來，用來挖掘巨大的基因和代謝物數據庫，以識別可能包含新抗生素的分子類型。2,3.
但柯林斯和他的團隊說，他們的方法是不同的-而不是尋找特定的結構或分子類別，他們正在訓練他們的網絡尋找具有特定活動的分子。該團隊現在希望與外部團體或公司合作，讓哈利黴素進入臨床試驗。它還希望拓寬尋找更多新抗生素的途徑，並從零開始設計分子。Barzilay說，他們的最新研究是概念的證明。“這項研究把這一切結合在一起，並證明了它能做些什麼。”
閱讀更多 記錄倌 的文章
