MIT利用生成式人工智能開發兩種新型抗生素，針對耐藥性淋病和金黃色葡萄球菌(MRSA)

簡要介紹

麻省理工學院的研究人員利用人工智能設計了兩種新型抗生素NG1和DN1，這兩種抗生素成功地針對耐藥性淋病和耐甲氧西林金黃色葡萄球菌（MRSA）在小鼠中的應用，凸顯了人工智能在抗生素發現中的潛力。

麻省理工學院(MIT)的研究人員利用人工智能開發了兩種新型抗生素，針對耐藥性淋病和耐甲氧西林金黃色葡萄球菌（MRSA）有效，可能爲應對每年導致數百萬死亡的感染提供新的策略。

通過利用生成性人工智能算法，團隊創建了超過3600萬個潛在化合物，並對其進行了抗微生物活性的計算篩選。最有前景的候選者在結構上與現有抗生素獨特不同，並且似乎通過以前未見的機制作用，破壞細菌細胞膜。這種方法使得新化合物的生成和評估成爲可能，研究人員計劃將該方法擴展到設計針對其他細菌物種的抗生素。

在過去45年中，大多數批準的新抗生素都是現有藥物的變體，而細菌抗藥性持續上升，導致每年近500萬人的死亡。

爲了解決這個問題，麻省理工學院的抗生素人工智能項目利用人工智能探索現有化合物和全新假設分子。該團隊使用訓練有素的機器學習模型來預測抗菌活性，首先篩選了數百萬個化學片段，排除了那些可能具有毒性或與現有抗生素相似的化合物。

他們隨後應用了兩種生成性人工智能算法：CReM，通過添加、替換或刪除原子和基團來修改分子，以及F-VAE，根據學習到的化學模式從片段構建完整分子。這個人工智能驅動的過程生成了大約700萬個候選分子，這些分子經過計算篩選以檢測對N. gonorrhoeae的活性。

從中篩選出了大約1,000種化合物，80種在合成上可行，其中一種化合物NG1在實驗室和小鼠研究中對耐藥性淋病奈瑟菌表現出了強效活性，靶向一種對細菌膜合成至關重要的蛋白質，代表了一種新穎的作用機制。

第二輪研究利用生成性人工智能探索新型化學空間

在一項後續研究中，研究人員利用生成性人工智能設計了針對革蘭氏陽性細菌金黃色葡萄球菌(S. aureus)的全新分子。使用CReM和F-VAE算法，團隊允許人工智能生成不受片段限制的化合物，僅受化學規則指導，這些規則決定了原子組合。

這種基於人工智能的方法產生了超過2900萬個候選分子。然後，團隊應用計算過濾器去除預測爲有毒、不穩定或與現有抗生素相似的化合物，將候選池減少到大約90個可行的候選者。

在可以合成和測試的22種分子中，有六種在實驗室測試中對多重耐藥性金黃色葡萄球菌顯示出強大的抗菌活性。領先的化合物DN1在小鼠模型中成功清除了MRSA皮膚感染。

人工智能自主探索廣闊化學空間的能力使得發現具有新機制的分子成爲可能，這些分子廣泛幹擾細菌細胞膜，而不是針對單一蛋白質。

Phare Bio，抗生素-AI項目的非營利合作夥伴，目前正在優化NG1和DN1以進行進一步的臨牀前研究。研究團隊打算將這些基於AI的設計平台應用於其他病原體，包括結核分枝杆菌和銅綠假單胞菌。

盡管細菌抗藥性繼續超過現有治療方法，但研究表明，人工智能可以探索之前未開發的化學領域，爲將抗生素開發從被動反應轉變爲戰略性、主動設計提供機會。