**：CBN。
抗生素耐药性正在威胁全球健康，但开发一种新的抗生素并不容易，最大的障碍是投入巨大但回报微乎其微，借助人工智能辅助研发，或许能找到一条新路径。
近日，麻省理工学院James Collins教授团队在国际顶级学术期刊《自然》上发表了一篇题为“Discovery of a Structural Class of Antibiotics with Explainable Deep Learning”的论文，利用人工智能和可解释的深度学习模型，从超过1200万种化合物中鉴定出一种革命性的新型抗生素，可以杀死一种临床上常见的超级细菌， 耐甲氧西林金黄色葡萄球菌 （MRSA）。此外，这些化合物对人体细胞的毒性较低，使其成为抗生素的有希望的候选药物。
耐甲氧西林金黄色葡萄球菌（MRSA）是一种临床上常见的超级细菌，通常会引起**感染或肺炎，严重时可引起败血症甚至死亡。
这项新研究的一个关键创新是，研究人员已经弄清楚了深度学习模型使用哪些信息来提高其抗生素疗效，这些知识也可以帮助研究人员设计其他更有效的信息。
在过去的几年里，柯林斯教授的团队已经开始利用人工智能寻找新的抗生素，以解决日益严重的抗生素耐药性问题。
上述研究是麻省理工学院抗生素人工智能项目的一部分。 在研究发表之前，柯林斯教授的团队近年来还利用人工智能筛选了另外两种候选抗生素，一种是Halicin，它被认为是人工智能发现的第一个抗生素，它在结构上与传统抗生素不同，对多种耐药细菌显示出杀菌活性;另一种是abaucin，它特异性杀死一种重要的耐药细菌，鲍曼不动杆菌。
从筛选新的候选抗生素到实际开发成人药物还有很长的路要走，并且仍有人体临床试验来验证它们，但上述研究结果证明了人工智能在药物发现领域的潜力。
抗生素是对抗致命细菌感染的标准和主要手段，但多年的滥用和过度使用，以及细菌的自然进化，使许多抗生素靶标对它们产生耐药性。
同时，抗生素具有研发周期长、研发成本高等特点。 据不完全统计，开发一种新型抗生素一般需要10年左右的时间，但有些新型抗生素在开发1至2年内就会产生耐药微生物，导致新型抗生素上市成本激增，且抗生素与其他类别药物相比投资回报率较低， 促使许多大型制药公司不愿涉足这一领域。世界卫生组织 （WHO） 2021 年对抗生素研发管道的分析发现，世界在开发新的、急需的抗生素以应对耐药性**感染方面进展甚微。
目前，部分抗生素制药企业告诉第一财经记者，新抗生素的早期发现主要依靠从微生物中寻找，随着从天然产物中寻找新抗生素的明显放缓，大家开始转向根据已知的抗生素作用机制在体外合成新的抗生素分子。 但是，要使抗生素有效，抗生素的浓度必须足以尽可能快速有效地抑制感染性微生物的生长。 因此，抗生素药物的毒理学和药理学阈值明显高于其他医学领域的候选药物。
此外，鉴于革兰氏阴性菌、革兰氏阳性菌和分枝杆菌之间的生理、基因组和生化差异，对于抗生素本身的性质，尚无可靠的通用指南。 微生物的生理和结构特性，加上抗生素独特的理化特性，使得药物发现极具挑战性。
目前，新抗生素的发现主要是通过合理的药化方法对老一代抗生素进行替代和升级，目前尚缺乏针对新靶点、新结构的抗生素。 人工智能辅助研发在寻找新的抗生素候选药物方面可以提供很多东西。 上述制药公司人士是这么认为的。
前期，有从事AI药物研发的人士告诉第一财经记者，AI不能直接生产药物，但可以为创新药物的研发提供支持和赋能。 凭借其强大的学习能力，人工智能可以将其算法、演绎等核心技术应用到新药研发的各个环节，可以大大降低药物研发成本，缩短研发时间，提高研发效率，使新药研发走上快速高效的道路。