人工智能如何对抗抗生素耐药性

本文系统介绍了人工智能在新型抗生素研发中的前沿应用。传统抗生素常无差别杀灭肠道菌群，不仅损害人体有益微生物（尤其对克罗恩病等慢性肠病患者有害），还加速耐药菌进化。为解决这一难题，加拿大麦克马斯特大学微生物学家乔纳森·斯托克斯团队从上万种活性化合物中筛选出一种名为enterololin的分子，它能特异性抑制致病大肠杆菌。为快速确认其作用机制，团队未采用耗时的传统生化实验，而是借助麻省理工学院 Regina Barzilay 实验室开发的AI工具DiffDock——该工具可预测小分子与蛋白质的结合方式，从而推断潜在靶点和作用机制；随后通过基因编辑细菌验证预测结果，大幅缩短了实验周期。Barzilay 的研究动机源于家人因耐药感染遭受重创，她与詹姆斯·柯林斯合作，早在2018年就构建了基于神经网络的AI模型Chemprop，利用2300个已知抑菌分子的数据训练模型，成功从数百万分子中发现强效广谱抗生素halicin，对结核分枝杆菌、耐药大肠杆菌和鲍曼不动杆菌均有效。文章强调高质量训练数据的关键性：伦敦帝国理工学院化学信息学家莫莉·巴特利特指出，数据需涵盖临床药物与非临床候选物，兼顾化学结构多样性，并确保足够比例（如10%）的分子具备穿透细菌外膜的能力，否则模型无法学习关键特征。她还利用生成式AI（如Gemini、ChatGPT）辅助编写和调试计算代码，显著降低技术门槛。此外，宾夕法尼亚大学合成生物学家塞萨尔·德·拉富恩特团队聚焦抗菌肽，开发AI工具APEX，从千万级肽库及已灭绝生物（如古代木兰、大地懒）的‘灭绝组’中挖掘出3.7万余种潜在广谱抗菌肽；进一步构建生成式AI模型ApexGO，按指定规则（如亲水性、溶解性）从头设计自然界尚未存在的新型抗菌肽，目前已合成测试约100种，其中86%对至少一种病原菌有效。文章最后提醒：尽管AI前景广阔，但多数AI设计的小分子仍面临合成困难、稳定性差或成本过高等现实瓶颈，需算法与化学合成深度协同。