MIT人工智能药物研发：深度学习发现7种抗生素

MIT AI 新药开发：深度学习发现了 7 种抗生素

MIT 研究人员利用生成型 AI 设计了攻击耐药菌的新抗生素。^{[MIT News]} James Collins 教授团队结合了深度学习、遗传算法和变分自编码器，生成了数百万个候选分子。合成了 24 个进行测试，结果 7 个显示出抗菌活性。^{[MIT News]}

NG1 靶向多重耐药淋病奈瑟菌，DN1 靶向耐甲氧西林金黄色葡萄球菌 (MRSA)。两种化合物均显示出较低的耐药性发生率。^{[MIT News]}

抗生素耐药性是 21 世纪最大的健康危机。传统新药开发需要 10 年以上的时间和数十亿美元的资金。 AI 正在改变这个过程。 Collins 团队于 2020 年推出了首个 AI 发现的抗生素 Halicin，这次他们从头开始设计了新的分子。

MIT EECS 的 Regina Barzilay、Tommi Jaakkola 教授和 Harvard Wyss Institute 的 Donald Ingber 教授正在合作。非营利组织 Phare Bio 弥合了发现和临床之间的差距。

AI 新药的瓶颈现在是实验验证。像 Phare Bio 这样的中介组织正在缩短从实验室到医院的路径。在 ARPA-H 的支持下，15 种抗生素的设计正在进行中。

问：AI 制造的抗生素与传统抗生素有何不同？

答：AI 可以同时探索数百万个分子，找到人类错过的模式。传统方法是改变已知的结构，但 AI 从头开始设计全新的分子。 NG1、DN1 是以前没有的结构。

问：生成型 AI 抗生素何时可以使用？

答：目前已通过动物实验。到临床试验还需要数年时间。 Phare Bio 正在 ARPA-H 的支持下开发 15 个候选药物。最快可能在 5 年内获得首次临床结果。

问：AI 能解决耐药菌问题吗？

答：完全解决很难。但 AI 可以在耐药性产生之前快速设计新的抗生素。这种化合物显示出较低的耐药性发生率，因此比以往更有利。

如果这篇文章对您有帮助，请订阅 AI Digester。