隨著細菌對藥物免疫力的逐步進化,，強大的抗生素正以驚人的速度失去療效,。全世界每年至少有70萬人死于以前可以用抗生素治療的疾病。

聯(lián)合國抗微生物藥物耐藥性機構的一份報告顯示,，如果到2050年還未取得新的重大進展,，那么死亡率可能從每年70萬上升至1000萬。日前，科學家在《細胞》雜志宣布,，他們借助強大的深度學習算法,，發(fā)現(xiàn)了一種全新的抗生素，它非常規(guī)的機能可以對抗對多種有抗藥性的感染,。

借助深度學習算法,，科學家們發(fā)現(xiàn)了新的抗生素使用計算機和機器學習來理解大量的生物醫(yī)學數(shù)據(jù)本不是什么新鮮事。但是,，這次由詹姆斯·柯林斯（James Collins）領導的麻省理工學院研究小組和人工智能研究人里賈納·巴茲利（Regina Barzilay）領導的研究小組,，通過開發(fā)一種神經(jīng)網(wǎng)絡，避免了科學家對潛在藥物的成見,，篩選并發(fā)現(xiàn)了新的抗生素,。

麻省理工學院的工程學教授柯林斯柯林斯表示，借助深度學習,，你將可以識別出那些不常見的抗生素分子,，或許還可以合成出一些新的化學物質?？股厥褂煤烷_發(fā)均遭遇困境自亞歷山大·弗萊明（Alexander Fleming）從真菌中獲得第一種抗生素以來,，大自然一直是我們抗菌藥物的靈感庫。但抗藥性的升高是所有抗生素目前面臨的問題,。與此同時,，通過篩選天然化合物來識別抗生素的傳統(tǒng)方法明顯耗時且昂貴，因此科學家們正在尋找新的解決辦法,。為了縮小搜索范圍,，研究人員試圖了解細菌如何生存和繁殖，然后尋找攻擊這些過程的化合物（例如破壞細菌的細胞壁,、阻止細菌的繁殖,、抑制其蛋白質的產(chǎn)生等）。但是,，即使在20世紀80年代引入了計算機輔助的高通量篩選方法,，在隨后的幾十年中，抗生素開發(fā)的進展依然很慢,。

主要原因有二,，其一，有時篩選出的結果與現(xiàn)有抗生素太相似,，無法有效抑制抗藥細菌,；其二，由于成本高且效率低,，很多制藥公司選擇更有利可圖的慢性病藥物,，而放棄抗生素的開發(fā),。深度學習降低了抗生素開發(fā)難度

此次，科學家們根據(jù)人類大腦神經(jīng)元的表現(xiàn),，讓機器對其進行深度學習,，從而篩選且發(fā)現(xiàn)了新的抗生素（傳統(tǒng)的計算機程序可能會篩選一個分子庫，以找到某些定義的化學結構,，但神經(jīng)網(wǎng)絡可以訓練,，以自行了解哪些結構特征可能有用并找到它們）。這其中最關鍵的一環(huán)是柯林斯,、巴茲利及其團隊訓練給機器提供足夠質量的訓練數(shù)據(jù),。比如，他們期望找到任何能抑制大腸桿菌生長的化合物,。為此他們向系統(tǒng)提供了一個2300多個化合物的已知分子結構,，由于由于訓練數(shù)據(jù)庫中只有大約10%的化合物是已知的抗生素，因此神經(jīng)網(wǎng)絡不會因為抗生素分子應該如何工作或它們應該是什么樣子的假設而產(chǎn)生偏差,。當然,，抑制細菌的能力并不是唯一重要的標準（比如：氰化物和砷也可以殺死一些細菌，但這不會使它們成為有用的抗生素）,，因此,，研究人員還訓練該算法來預測化合物的毒性，并在此基礎上刪除候選分子,。

里賈納·巴茲利

賓夕法尼亞大學佩雷爾曼醫(yī)學院生物工程,、微生物學和精神病學的教授德拉富恩特（César de la Fuente）說：“新的算法已經(jīng)獲得FDA批準，且很快會用于臨床測試,?！笨铝炙埂推澙捌鋱F隊將其智能的“抗菌性神經(jīng)網(wǎng)絡篩查”與“毒性篩查”相結合,，然后刪除了他們認為與現(xiàn)有抗生素過于相似的化合物（因為細菌可能已經(jīng)對其產(chǎn)生了抗藥性）,。

最終，他們認為最有可能出現(xiàn)的一種藥物候選物是c-Jun N端激酶抑制劑SU3327（可能對于糖尿病的治療很有用）,，研究人員將這種化合物命名為halicin,。實驗室的檢測顯示，halicin不僅有效地阻止了大腸桿菌的生長,，而且還殺死了其他細菌,，包括結核分枝桿菌（結核病的原因），艱難梭菌（會引起胃腸道疾?。┖鸵饠⊙Y,、肺炎,、傷口感染和其他常見的難治性感染的多種其他抗藥性細菌,。

盡管大多數(shù)抗生素在經(jīng)過幾天的實驗室測試后就產(chǎn)生了抗藥性提示,，但在反復接觸一個月后，halicin沒有產(chǎn)生抗藥性大腸桿菌突變體,。

最上面兩個培養(yǎng)皿均用鹽蛋白處理,，下面兩個則是用常規(guī)抗生素環(huán)丙沙星處理，兩排的后者是通過神經(jīng)網(wǎng)絡識別的新型抗生素,。由于這些細胞似乎沒有對halicin產(chǎn)生抗性,，因此在頂層兩個培養(yǎng)皿中的細菌生長會大大降低使用同樣受過訓練的深度網(wǎng)絡，進一步篩選更大的化合物集合,，人們有希望發(fā)現(xiàn)別的潛在抗生素,。

匹茲堡大學生物科學助理教授雅各布·杜蘭特（Jacob Durrant）說：“以前想要一次性對超過1億多種化合物進行抗生素活性物理測試的想法非常荒謬,，但是該算法能夠在短短四天內對所有這些分子進行排名,，將范圍縮小到只有23個有希望的物理測試競爭者，這太神奇了,?！盇I發(fā)明抗生素的時代已經(jīng)到來？很多新聞開始宣告AI發(fā)明抗生素的時代已經(jīng)到來,，但是作為機器學習專家的巴茲利表示,，沒有人類細致的工作與思考，機器是做不到這點的,，因此不能說是新抗生素是AI發(fā)明的,，只是它幫助人類篩選出了更多可用信息。

柯林斯對此表示贊同,，并指出,，如果沒有人類選擇高質量的訓練數(shù)據(jù)，即使是再強大的算法可能也無法達到效果或者帶有偏見,。

目前用于培訓深度網(wǎng)絡尋找新型抗生素的有效數(shù)據(jù)有限此外,，不只一位研究人員提醒說，目前用于培訓深度網(wǎng)絡尋找新型抗生素的有效數(shù)據(jù)有限,，這給今后的工作進展帶來了障礙,。盡管表面上看，深度網(wǎng)絡學習在發(fā)現(xiàn)抗生素方面有很大成效,，且柯林斯預測計算機算法的準確率很快將會從目前的51%提升至90%,，但計算機工作還是無法代替實驗、臨床測試,。因此,，人類研究人員只能將這些算法視為新工具，繼續(xù)探索看不見的潛在藥理學和深層分子環(huán)境,。該領域最終成功的標志之一就是AI可以發(fā)現(xiàn),、創(chuàng)造出真正的抗耐藥性的抗生素,，這也是德拉富恩特實驗室目前正在開展的項目之一。

他表示,，作為一個微生物學家,，我非常尊重細菌，也堅信我們能在這場軍備競賽中跟上它們的步伐,。

（本文未經(jīng)造就授權,，禁止轉載。）

文字 | 尹歡歡版面 | 田曉娜