MIT利用生成式人工智能开发两种新型抗生素，针对耐药性淋病和金黄色葡萄球菌(MRSA)

简要介绍

麻省理工学院的研究人员利用人工智能设计了两种新型抗生素NG1和DN1，这两种抗生素成功地针对耐药性淋病和耐甲氧西林金黄色葡萄球菌（MRSA）在小鼠中的应用，凸显了人工智能在抗生素发现中的潜力。

麻省理工学院(MIT)的研究人员利用人工智能开发了两种新型抗生素，针对耐药性淋病和耐甲氧西林金黄色葡萄球菌（MRSA）有效，可能为应对每年导致数百万死亡的感染提供新的策略。

通过利用生成性人工智能算法，团队创建了超过3600万个潜在化合物，并对其进行了抗微生物活性的计算筛选。最有前景的候选者在结构上与现有抗生素独特不同，并且似乎通过以前未见的机制作用，破坏细菌细胞膜。这种方法使得新化合物的生成和评估成为可能，研究人员计划将该方法扩展到设计针对其他细菌物种的抗生素。

在过去45年中，大多数批准的新抗生素都是现有药物的变体，而细菌抗药性持续上升，导致每年近500万人的死亡。

为了解决这个问题，麻省理工学院的抗生素人工智能项目利用人工智能探索现有化合物和全新假设分子。该团队使用训练有素的机器学习模型来预测抗菌活性，首先筛选了数百万个化学片段，排除了那些可能具有毒性或与现有抗生素相似的化合物。

他们随后应用了两种生成性人工智能算法：CReM，通过添加、替换或删除原子和基团来修改分子，以及F-VAE，根据学习到的化学模式从片段构建完整分子。这个人工智能驱动的过程生成了大约700万个候选分子，这些分子经过计算筛选以检测对N. gonorrhoeae的活性。

从中筛选出了大约1,000种化合物，80种在合成上可行，其中一种化合物NG1在实验室和小鼠研究中对耐药性淋病奈瑟菌表现出了强效活性，靶向一种对细菌膜合成至关重要的蛋白质，代表了一种新颖的作用机制。

第二轮研究利用生成性人工智能探索新型化学空间

在一项后续研究中，研究人员利用生成性人工智能设计了针对革兰氏阳性细菌金黄色葡萄球菌(S. aureus)的全新分子。使用CReM和F-VAE算法，团队允许人工智能生成不受片段限制的化合物，仅受化学规则指导，这些规则决定了原子组合。

这种基于人工智能的方法产生了超过2900万个候选分子。然后，团队应用计算过滤器去除预测为有毒、不稳定或与现有抗生素相似的化合物，将候选池减少到大约90个可行的候选者。

在可以合成和测试的22种分子中，有六种在实验室测试中对多重耐药性金黄色葡萄球菌显示出强大的抗菌活性。领先的化合物DN1在小鼠模型中成功清除了MRSA皮肤感染。

人工智能自主探索广阔化学空间的能力使得发现具有新机制的分子成为可能，这些分子广泛干扰细菌细胞膜，而不是针对单一蛋白质。

Phare Bio，抗生素-AI项目的非营利合作伙伴，目前正在优化NG1和DN1以进行进一步的临床前研究。研究团队打算将这些基于AI的设计平台应用于其他病原体，包括结核分枝杆菌和铜绿假单胞菌。

尽管细菌抗药性继续超过现有治疗方法，但研究表明，人工智能可以探索之前未开发的化学领域，为将抗生素开发从被动反应转变为战略性、主动设计提供机会。