来自马萨诸塞州理工学院（麻省理工学院）有使用的人工智能（AI）设计两种针对抗生素耐药细菌或超级细菌的新抗生素。
这是一个潜在的令人兴奋的发展，但重要的是要注意，在我们可能看到这些抗生素在现实世界中使用这些抗生素之前，还有几个障碍要克服。而且，如果这种情况发生了，那么可能还需要几年的时间。
那么研究人员如何利用AI开发这些抗生素？他们将针对哪些超级细菌？接下来会发生什么？
抗生素耐药性是全球健康威胁
频繁过度使用医学和农业中的抗生素导致新的细菌菌株的发展一系列抗生素。这场全球公共卫生危机使新抗生素的发展成为重大挑战。
抗生素耐药的超级细菌每年在全球范围内造成约500万人死亡，直接造成超过120万死亡。估计超级虫感染可能导致
超过2.5万亿美元到2050年，全球经济产量损失。抗生素抗性也越来越多
不平等问题，由于许多较贫穷的国家无法获得新的抗生素来克服抗性细菌。目标2个关键超级细菌
研究人员使用AI来设计抗生素，以针对两种著名的超级细菌：
Neisseria Gonorrhoeae和耐甲氧西林金黄色葡萄球菌（MRSA）。N. Gonorrhoeae
引起性传播疾病淋病，近年来已经对抗生素产生了高水平的抗药性。无法有效治疗它的疾病迅速传播。有不止8200万新案件在2020年，主要是发展中国家。
MRSA是细菌的抗性应变 金黄色葡萄球菌（通常称为“金蜡”）。S.金黄色葡萄酒会引起皮肤感染或严重的血液和器官感染。据估计患有抗药性MRSA菌株的患者估计死亡的可能性高64％由于感染。
为了应对这些挑战，麻省理工学院团队利用了生成的AI通过两种方式。
研究人员做了什么？
研究小组使用化学结构培训了一种称为机器学习神经网络的AI算法。我们可以认为这与使用单词训练AI语言模型的方式相似。
用于淋病的第一种方法涉及筛选算法的大型现有化合物数据库，该数据库表现出针对抗生素活性N. Gonorrhoeae。然后，AI算法将这些化合物的化学结构用作种子，并在其上构建，从而通过一一添加化学结构来产生新化合物。
这种方法导致了80种新的候选化合物，其中两种可以化学合成（这意味着科学家可以在实验室中将其制成）。最后，其中一个证明了强大的有效性反对N. Gonorrhoeae。它能够在培养皿和小鼠模型上杀死细菌。
第二种用于MRSA的方法从头开始，促使AI算法仅具有简单的化学结构，例如水和氨。然后，该算法预测了化学结构，这些化学结构将与细菌防御量的脆弱性有效相互作用，并提出全新的抗生素化合物。
出来大约90名候选人在实验室中合成并测试了22个。在培养皿中，有6个表现出对MRSA的强大抗菌活性。最有希望的化合物成功地清除了小鼠模型中MRSA皮肤感染。
优势和挑战
这项研究的一个重要要素是，两种新的抗生素不仅在其结构上是新颖的，而且是其作用机理（换句话说，它们如何对抗细菌）。
传统上，抗生素开发依赖于调整现有的抗生素。希望这些AI生成的分子完全具有新的作用机理将使淋病和MRSA逃避更加困难。
在这项研究之前，在抗生素开发方面，AI主要用于缩小已经存在的化合物的库或修改的化学结构目前使用的药物。
尽管这项工作非常有前途，但仍然存在一些障碍。两种抗生素必须对人类的安全性和功效进行剧烈测试通过临床试验，这将需要几年的时间，需要大量资金。
另一个挑战可能是财务。由于这些抗生素的目的是保留其有效性的最后一种方法，因此它们的市场使用将受到限制。这限制了制药公司的经济激励措施投资他们的发展和生产。
然而，这项工作标志着药物发现的重要里程碑，是AI将来如何重塑与传染病的斗争的一个例子。