使用AI发现强大的抗生素


  • 原文:
  • 作者:Jo Marchant 译者:Great Whale
  • 日期:2020-02-25 创建:大鲸 访问:2723
  • 标签:AI 人工智能 抗生素 Halicin 机器学习 神经网络

机器学习可以发现甚至可以对抗“无法治愈”细菌的分子。

一种开创性的机器学习方法已经从超过1亿个分子的库中鉴定出了强大的新型抗生素,其中包括一种可对付包括结核病和被认为无法治愈的菌株在内的多种细菌的有效抗生素。 

研究人员说,这种名为“Halicin”的抗生素是最早在人工智能(AI)中发现的抗生素。尽管以前曾经使用AI来辅助发现抗生素的过程,但他们表示这是它首次在没有使用任何先前人类假设的情况下,从头开始发现全新的抗生素。这项研究由剑桥麻省理工学院的合成生物学家吉姆·科林斯(Jim Collins)领导,并发表在《细胞》(Cell)杂志上。 

宾夕法尼亚州匹兹堡大学的计算生物学家雅各布·杜兰特(Jacob Durrant)说,这项研究非常出色。他说,研究小组不仅确定了候选基因,而且还在动物实验中验证了有前途的分子。杜兰特说,此外,该方法还可以应用于其他类型的药物,例如用于治疗癌症或神经退行性疾病的药物。 

在全球范围内,细菌对抗生素的耐药性正在急剧上升。研究人员预测,除非紧急开发新药,否则到2050年,耐药菌感染每年可能会使一千万人丧生。但是在过去的几十年中,新抗生素的发现和监管批准已经放缓。柯林斯说:“人们总是在一遍遍地不停地发现相同的分子。”“而我们需要具有新颖作用机理的新型化学物质。” 


忘记你的假设 


柯林斯和他的团队开发了一种神经网络——一种受大脑结构启发的AI算法——可以逐个原子地学习分子的特性。 

研究人员使用已知具有抗菌活性的2335个分子的集合,对其神经网络进行了训练,以发现抑制大肠杆菌生长的分子。其中包括一个约300种已批准的抗生素库,以及800种来自植物、动物和微生物的天然产物。 

麻省理工学院的AI研究人员,该研究的合著者Regina Barzilay说,该算法无需对药物的工作原理和化学基团进行任何标记就可以预测分子功能。“因此,该模型可以学习人类专家未知的新模式。” 

对该模型进行训练后,研究人员使用它筛选出了一个名为“药物再利用中心”的库,该库包含约6000个正在研究的人类疾病的分子。他们要求它预测哪种将对大肠杆菌有效,并仅向他们展示看起来与常规抗生素不同的分子。 

从产生的结果中,研究人员选择了大约100种进行物理测试的候选分子。其中之一——一种正在研究用于糖尿病治疗的分子——原来是一种有效的抗生素,他们给它起名为Halicin,HAL是电影《2001年:太空漫游》中智能计算机的名字。在小鼠的测试中,这种分子对多种病原体具有活性,包括艰难梭菌菌株和鲍曼不动杆菌之一,其具有“泛耐药性”,因此迫切需要新的抗生素。 


质子块 


抗生素通过多种机制起作用,例如阻断细胞壁生物合成、DNA修复或蛋白质合成中涉及的酶。但Halicin的机制是非传统的:它破坏了质子在细胞膜上的流动。在最初的动物试验中,它似乎还具有低毒性和很强的抗耐药性。柯林斯说,在实验中,对其他抗生素化合物的耐药性通常会在一两天内出现。“但即使经过30天的此类测试,我们仍未发现细菌对Halicin有任何耐药性。” 

然后,研究小组在名为ZINC15的数据库中筛选了超过1.07亿个分子结构。从23个候选名单中,物理测试确定了8个具有抗菌活性。其中两个对多种病原体均具有有效的活性,甚至可以克服具有抗生素耐药性的大肠杆菌。 

匹兹堡卡内基梅隆大学的计算生物学家鲍勃·墨菲说,这项研究是“利用计算方法发现和预测潜在药物特性的工作日益增多的一个很好的例子”。他指出,以前已经开发了AI方法来挖掘庞大的基因和代谢物数据库,以识别可能包括新抗生素的分子类型。

但是Collins和他的团队说,他们的方法是不同的——他们不是在搜索特定的结构或分子类别,而是在训练自己的网络以寻找具有特定活性的分子。该团队现在希望与外部团体或公司合作,将Halicin用于临床试验。它还希望拓宽发现更多新抗生素的方法,并从头开始设计分子。Barzilay说,他们的最新工作是一个概念的证明。“这项研究将所有内容放在一起,并展示了它可以做什么。”

 

相关诉求 [ AI食疗 ]


相关文章