https://www.leiphone.com/news/202002/XVN59TqP4hQdS05m.htmlhtml
雷鋒網消息，當地時間2月20日，全球天然科學研究領域最著名期刊之一《細胞》Cell 以封面文章的形式發表了題爲「A Deep Learning Approach to Antibiotic Discovery」的研究論文，文章報道了麻省理工學院（MIT）生物工程師Jim Collins領導的研究團隊利用深度學習模型發現了超強抗生素halicin，可以殺死耐藥細菌。算法
據雷鋒網(公衆號：雷鋒網)瞭解，研究團隊訓練了一種機器學習算法，來分析化合物的分子結構並挑選出潛在的抗生素。深度學習模型的目的是識別可以殺滅細菌的化合物，其機理與現有藥物不一樣。數據庫
在分析了大約2500種不一樣的分子後，人工智能系統識別出一種新的抗生素化合物。在實驗室測試中，這種化合物殺死了世界上許多最具問題的致病細菌，包括結核病和被認爲沒法治癒的菌株。dom
這種新的抗生素化合物被稱爲halicin，以1968年的電影《2001：太空漫遊》中的AI系統Hal 9000命名。iphone
麻省理工學院的醫學工程與科學研究所和生物工程系的教授James Collins說，這一發現標誌着（人類）對抗抗生素耐藥性的一個突破。機器學習
論文表示，自青黴素出現以來，抗生素已經成爲現代醫學的基石。然而，隨着時間的推移，細菌會逐漸產生對抗生素的耐藥性，這就須要藥物研發工做者不斷開發新的抗生素。學習
但現實狀況是，因爲缺少經濟激勵，私營藥企在新抗生素的發現上收效甚微，使得抗生素的問題愈加嚴重。曾有研究預測，若是不當即採起措施開發新的抗生素，到2050年，因耐藥感染而死亡的人數將達到每一年1000萬人。測試
Collins說：「咱們正面臨着愈來愈多關於抗生素耐藥性的危機，這種狀況的產生是因爲愈來愈多的病原體對現有抗生素產生了耐藥性，以及生物技術和製藥行業對新抗生素的需求不足形成的。」人工智能
但問題是，發現新的抗生素變得愈來愈困難。如今，自然產物的發現受到重複複製問題的困擾。url
許多抗生素髮現項目就轉向了篩選大型合成化學文庫。然而，這些文庫可能包含幾十萬到幾百萬個分子，它們的管理成本每每高得使人望而卻步，化學多樣性有限，並且不能反映抗生素分子固有的化學性質。自20世紀80年代高通量篩選實施以來，沒有發現新的臨牀抗生素使用這種方法。
隨着人工智能等新技術的發展，這個問題彷佛迎來起色。
據雷鋒網瞭解，這種深度學習模型可以自動學習不一樣藥物分子裏的結構，不但能夠掌握這些分子的不一樣位置是否存在特定的化學基團，還可以預測這些分子的特性。隨後，研究人員們給這種模型提供了2335個用於模型學習的不一樣分子，這些分子中有美國FDA已經批准的藥物，也有很多具備普遍生物活性的自然分子。
研究人員們使用Broad研究所的一個化合物庫，讓深度學習模型從其中6111個分子裏，尋找具備潛在抗菌潛力的分子。
halicin就是這樣被發現的。
研究人員測試了halicin對多種耐藥菌的殺菌效果。結果顯示，除了銅綠假單胞菌（Pseudomonas aeruginosa，一種難治的肺部病原體）以外，halicin對全部測試的耐藥菌都有殺傷做用。
利用這套系統，研究人員們進一步在另外一個數據庫裏篩選了數億個分子，並從中找到了23個與現有抗生素結構迥異，且對人類細胞無毒性的潛在抗菌分子。這一篩選過程，只用了短短的3天時間。
以色列理工學院的生物和計算機科學教授Roy Kishony說：這項開創性的工做標誌着抗生素髮現的範式轉變，甚至更普遍的藥物發現。「這種方法將容許在抗生素開發的全部階段使用深度學習，從發現到經過藥物修改和藥物化學來提升療效和毒性。」雷鋒網
雷鋒網原創文章，未經受權禁止轉載。詳情見轉載須知。