人工智能有助于发现新的候选抗生素

新华社北京1月1日电 麻省理工学院（MIT）近日发布新闻稿称，该校一个国际研究团队利用人工智能深度学习模型发现了可被耐药菌感染的新化合物。 这些化合物有可能成为新型抗生素药物。

麻省理工学院（MIT）和哈佛大学（Harvard University）等机构的研究人员首先测试了大约3利用90,000种化合物对耐甲氧西林金黄色葡萄球菌的抗菌活性，利用这些化合物的化学结构等测试数据和信息来训练深度学习模型。 研究小组使用了一种称为蒙特卡洛树搜索的算法，使模型不仅可以确定每个分子的抗菌活性，还可以确定分子的哪些化学亚结构可以引起这种活性。 为了进一步缩小候选药物的范围，他们还训练了另外三个深度学习模型，以确定这些化合物是否对三种类型的人类细胞有毒。

接下来，研究人员使用上述模型**的集合来确定约1200万种化合物的抗菌活性和细胞毒性，并确定五类化合物对耐甲氧西林金黄色葡萄球菌具有抗菌活性。 他们在培养皿中选择了280种化合物来测试耐甲氧西林金黄色葡萄球菌，最后选择了属于同一类化合物的两种候选抗生素。 小鼠实验结果表明，两种化合物均有效对抗**耐甲氧西林金黄色葡萄球菌感染。

研究人员说，这项新研究的一个关键创新是，它打开了这种深度学习模型的“黑匣子”，并弄清楚该模型使用什么样的信息来**抗生素效力，这将有助于研究人员设计出比模型确定的化合物效果更好的候选药物。 未来，他们将更详细地分析这两种化合物的化学性质和潜在的临床用途，并利用这种深度学习模型来设计更多的候选药物，并找到可以杀死其他细菌的化合物。

相关**已发表在新一期的英国《自然》杂志上。