抗生素耐药问题正在威胁全球健康，但要开发一款新型抗生素并不容易，最大的障碍在于投入巨大但回报微乎其微，而借助AI辅助研发，或可以找到一条新路径。

　　近日，美国麻省理工学院詹姆斯·柯林斯（James Collins）教授团队在国际顶尖学术期刊《自然》上发表了题为《Discovery of a structural class of antibiotics with explainable deep learning》的研究，该研究利用人工智能和可解释的深度学习模型，从超过1200万种化合物中识别出一种革命性的新型抗生素类型，可以杀死临床上常见的超级细菌——耐甲氧西林金黄色葡萄球菌（MRSA）。而且，这些化合物对人类细胞的毒性很低，因此有望成为较好的抗生素候选者。

　　耐甲氧西林金黄色葡萄球菌（MRSA）是一种临床上常见的超级细菌，通常导致皮肤感染或肺炎，严重病例还会出现败血症甚至死亡。

　　这项新研究的一个关键创新在于，研究人员弄清楚了深度学习模型使用了哪些信息来预测其抗生素效力，这种知识还可以帮助研究人员设计出其他更有效的治疗药物。

　　在过去几年中，柯林斯教授团队开始利用人工智能技术来寻找新型抗生素，以解决日益严重的抗生素耐药问题。

　　上述研究是麻省理工学院抗生素人工智能项目的一部分。该研究发布之前，柯林斯教授团队近几年也用AI筛选出另外两款抗生素候选药物，一款是halicin，这被视为首个由人工智能发现的抗生素，其在结构上与传统抗生素不同，对多种耐药菌显示出杀菌活性；另外一款是abaucin，其能够特异性杀死重要的耐药菌——鲍曼不动杆菌。

　　从筛选出新的抗生素候选药物，到真正开发成药，还有漫长的路要走，仍需要经过人体临床试验来验证，但上述研究成果展示了AI在药物发现领域的潜力。

　　抗生素是对抗致命细菌感染的标准治疗方法和主要手段，但多年来的滥用和过度使用以及细菌的自然进化，使很多抗生素靶向的细菌目标已对其产生抗药性。

　　与此同时，抗生素存在研发周期长、研发成本高等特点。据不完全统计，一款新的抗生素的开发一般需要10年左右的时间，但有些新的抗生素在研发出的1到2年里就会有耐药性微生物出现，这些特点导致新抗生素推向市场的成本不断膨胀，与其他类别的药物相比，抗生素的投资回报率较低，促使许多大型制药公司不愿涉足这一领域。2024年世界卫生组织的抗生素研发管线分析指出，世界在开发新的、急需的抗生素以应对耐药性感染方面几乎没有取得任何进展。

　　目前有抗生素药企人士对第一财经记者表示，早期新抗生素的发现主要依靠从微生物中寻找，随着从天然产物中寻找新抗生素的速度明显放慢，大家开始转向根据已知抗生素的作用机制在体外合成新的抗生素分子。但为了使抗生素有效，抗生素的浓度必须足以尽可能快速有效地抑制传染性微生物的生长。因此，抗生素药物的毒理学和药理阈值要明显高于其他医学领域的候选药物。

　　此外，鉴于革兰氏阴性、革兰氏阳性和分枝杆菌之间的生理、基因组和生化差异，使得抗生素本身的特性没有可靠的通用指南。微生物的生理和结构属性与抗生素独特的理化性质相结合，使得药物的发现非常具有挑战性。

　　“目前新抗生素的发现主要还是通过合理的药物化学手段对旧一代的抗生素进行换代升级，还缺少针对新靶点以及新结构的抗生素。AI辅助研发，在寻找新的抗生素候选药物上大有可为。”上述药企人士这样认为。

　　前期，亦有从事AI药物研发的人士对第一财经记者表示，AI不能直接生产药物，但可为创新药物的研发提供支持与赋能。AI凭借其强大的学习能力，将其算法、推演等核心技术应用到新药研发的各个环节，可以大幅降低药物研发成本，缩短研发时间，提高研发效率，使新药开发走上快速高效的道路。