多年間,醫生面臨著抗擊日益增強對現有抗生素抗藥性細菌的艱巨挑戰。然而,麻省理工學院的研究人員正在利用深度學習開創突破,識別出可能改變這場持續戰鬥的新類化合物。這項發表於《自然》雜誌的開創性研究中,研究者們發現了一些能有效殺死臭名昭著的耐甲氧西林金黃色葡萄球菌 (MRSA) 的化合物,同時對人體細胞的毒性較低。這一有前景的特性使它們成為新藥的潛在候選者。
MRSA 每年感染超過 80,000 名美國人,嚴重感染可導致如敗血症等健康併發症,這是一種以血液中毒為特徵的危及生命的狀況。為了解決這一緊迫的公共衛生問題,麻省理工學院的研究團隊針對 39,000 種化合物的抗MRSA活性進行了深入測試,並使用生成的強大數據訓練了一個複雜的深度學習模型。他們還補充了這些化合物的化學結構詳細資訊,使模型能夠精確地鎖定潛在的藥物候選者。
為了進一步精煉搜尋,研究者們開發了三個額外的深度學習模型,預測哪些化合物可能對人體細胞有毒。這一多面向的方法使他們能夠辨識可以有效消除 MRSA 而不對人類健康造成風險的化合物。利用這些 AI 模型,團隊篩選了驚人的 1,200 萬種商業可用化合物,最終確定了五個預測對 MRSA 有效的獨特類別。在高通量篩選後,經過嚴格的實驗室測試,兩個有前景的候選者脫穎而出。
這項創新研究由麻省理工學院與哈佛大學的 Felix Wong 和哈佛醫學院的畢業生 Erica Zheng 共同主導。這項研究是麻省理工學院 Collins 實驗室的抗生素人工智慧計畫的一部分,旨在開發針對全球某些最致命細菌的七類新抗生素。
目標超級細菌包括:
- 大腸桿菌
- 克雷白氏肺炎桿菌
- 巴氏抗不燃菌
- 綠膿桿菌
- 淋病奈瑟菌
- 金黃色葡萄球菌
- 結核分枝桿菌
該實驗室致力於創建一個包含 100,000 種化合物的全面訓練庫,將對這七種病原體進行篩選,以識別活性分子。這些寶貴的數據將進一步訓練應用於超過十億分子的廣泛計算機數據庫的機器學習模型,最終旨在發現和設計新型抗生素。
根據美國疾病控制與預防中心的數據,平均每 11 秒就有一名美國人被診斷出藥物抗性感染,且每 15 分鐘就有一人死於這種感染。人類和動物中抗生素的濫用加劇了這一問題,導致全球抗藥性危機。該實驗室強調了新抗生素的迫切需求,並指出制藥公司在此關鍵領域的專注已大幅減少,轉而追求更有利可圖的市場。通過這項計畫開發的抗生素將是三十多年來首次推出的新類別,突顯了該領域迫切需要創新的現實。