【產(chǎn)業(yè)鏈圖譜 | 人工智能產(chǎn)業(yè)鏈圖譜_人工智能產(chǎn)業(yè)鏈全景圖】

【研究報告 | 人工智能行業(yè)研究報告】

據(jù)《自然》報道，一項開創(chuàng)性的機器學習方法從1億多個分子中發(fā)現(xiàn)了強大的新型抗生素。這項研究由美國麻省理工學院合成生物學家Jim Collins領(lǐng)銜，相關(guān)成果日前發(fā)表在《細胞》上。

研究人員表示，這種被稱為halicin的抗生素是人工智能（AI）首次發(fā)現(xiàn)的。盡管在之前的抗生素研發(fā)中，AI曾協(xié)助其中的某些部分，但這一次是AI首次從零開始識別出全新種類的抗生素，且沒有使用任何人類先前的假設(shè)。

“這項研究意義非凡。研究小組不僅確定了候選分子，還在動物實驗中驗證了有希望的分子。”匹茲堡大學計算生物學家Jacob Durrant說，“更重要的是，這種深度學習方法也可以用于其他類型藥物的研發(fā)，如治療癌癥或神經(jīng)退行性疾病的藥物?！?/p>

細菌耐藥性是全球性難題，科學家預測，除非緊急開發(fā)新藥物，否則到2050年，“超級細菌”可能導致每年1000萬人死亡。但在過去的幾十年里，新抗生素的發(fā)現(xiàn)和監(jiān)管審批都有所放緩?！叭藗儾粩嗟匕l(fā)現(xiàn)同樣的分子。”Collins說，“我們需要有新作用機制的新化學反應?！?/p>

Collins及其團隊開發(fā)了一種神經(jīng)網(wǎng)絡(luò)——一種受大腦結(jié)構(gòu)啟發(fā)的人工智能算法，逐個地學習分子的特性。

研究人員利用抗菌活性已知的2335個抗菌分子，訓練該神經(jīng)網(wǎng)絡(luò)識別抑制大腸桿菌生長的分子。麻省理工學院AI研究員、研究合作者Regina Barzilay表示，該算法學會了在不假設(shè)藥物作用方式和不標記化學基團的情況下預測分子功能，“因此，該模型可以學習人類專家不知道的新模式”。

模型被訓練后，研究人員用它對一個名為藥物再利用中心的數(shù)據(jù)庫進行篩選。這個數(shù)據(jù)庫包含了大約6000個正在被研究的人類疾病分子。他們要求模型預測哪一種分子對付大腸桿菌有效，并且只展示看起來與傳統(tǒng)抗生素不同的分子。

研究人員從篩選結(jié)果中選擇了大約100個候選分子進行實驗。其中一種被用作糖尿病治療的分子被證明是一種有效的抗生素。研究人員以電影《2001太空漫游》中的智能電腦HAL的名字將其命名為halicin。在小鼠實驗中，halicin對多種病原體——如具有廣泛耐藥性的鮑曼不動桿菌均有抗菌活性。

抗生素通過一系列機制發(fā)揮作用，如阻斷參與細胞壁生物合成、DNA修復或蛋白質(zhì)合成的酶。但halicin的作用機制是不一樣的，它破壞質(zhì)子在細胞膜上的流動。“在實驗中，對其他抗生素化合物的耐藥性通常在一兩天內(nèi)出現(xiàn)?！盋ollins說，“但即使經(jīng)過30天的檢測，我們也沒有發(fā)現(xiàn)細菌對halicin有任何耐藥性。”

之后，研究團隊又在一個名為ZINC15的數(shù)據(jù)庫中篩選了超過1.07億個分子結(jié)構(gòu)，并在23個候選分子中確認了8個具有抗菌活性。其中有兩種對多種病原體都有很強的活性，甚至可以戰(zhàn)勝對抗生素有耐藥性的大腸桿菌菌株。

卡耐基梅隆大學計算生物學家Bob Murphy說，這項研究是“利用計算方法發(fā)現(xiàn)和預測潛在藥物特性的一個很好的例子”。他指出，AI方法之前已經(jīng)被用于挖掘基因和代謝物數(shù)據(jù)庫，以識別可能包括新型抗生素在內(nèi)的分子類型。

但是 Collins及其團隊強調(diào)，他們的方法是不同的——不是搜索特定的結(jié)構(gòu)或分子類別，而是訓練神經(jīng)網(wǎng)絡(luò)尋找具有特定活性的分子。接下來，該團隊希望與其他團隊或公司合作，對halicin進行臨床試驗，同時他們想拓展這一方法，以發(fā)現(xiàn)更多新的抗生素。

來源：中國科學報 作者：文樂樂