开发新型抗生素是一项复杂的挑战，但科学家们现在正在利用人工智能来设计新药以解决这个问题。今年 5 月，麻省理工学院和麦克马斯特大学的研究人员在《细胞》杂志上发表了一项关于他们使用人工智能算法识别出一种抗生素的研究，该抗生素可以杀死一种特别耐药的细菌。这种病原体被称为鲍曼不动杆菌，可导致严重的感染，包括脑膜炎和肺炎，并且经常在医院环境中发现。它也是中东地区军事人员感染的主要原因。
这些发现意义重大，因为它们表明人工智能如何用于加速开发对抗耐药菌的新型抗生素。使用人工智能和机器学习——人工智能的一个子集，涉及使用算法在数据中寻找模式——大大减少了人类筛选潜在药物疗效所需的实验数量。它还大大降低了成本，因为计算机建模可以筛选出没有前景的化合物。
抗生素耐药性是指细菌对抗生素产生耐药性的现象，这是一个日益严重的威胁，可能导致到 2050 年每年死亡人数高达 1000 万。世界卫生组织 (WHO) 估计，仅在 2019 年，全球就有 127 万人死于耐药细菌感染。
关于支持科学新闻报道
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻报道 订阅。通过购买订阅，您正在帮助确保有关当今塑造我们世界的发现和想法的有影响力的故事的未来。
“我们需要新的抗生素，因为我们正面临一场危机，原因是耐药细菌病原体的数量正在增长，而我们的新型抗生素研发渠道正在萎缩，”麻省理工学院医学工程与科学研究所教授、新研究的共同资深作者詹姆斯·柯林斯说。“前者是由于多种因素造成的——主要是过度使用和滥用抗生素，无论是在医疗保健领域还是在农业领域。而后者主要是由抗生素的经济市场失灵造成的。”
抗生素的开发呈现出一种两难境地。开发一种新型抗生素的成本是巨大的；它与开发一种新的癌症药物的成本相当。但与癌症药物不同，癌症药物可以服用数月甚至数年，而抗生素通常服用时间相对较短，通常仅用于单次感染。由于旨在降低抗生素耐药性的管理计划，任何新型抗生素都可能被医护人员保留，直到真正需要时才使用。而漫长的药物审批期和仿制药的广泛普及意味着，制药公司开发新型抗生素的经济动力很小。
“抗生素领域、抗菌药物领域确实存在市场失灵——我还会将一些抗真菌药物也包括在内，”行业组织美国药物研究与制造商协会 (PhRMA) 的政策和研究副总裁 乔斯林·乌尔里希 说。她指出，抗生素耐药性是一种自然发生的现象，控制它的唯一方法是使用诸如感染预防和控制之类的工具来减缓新产品的使用。
“我们已经看到，公司，尤其是大型公司，从大约 20 家减少到只有少数几家仍在这一领域，”乌尔里希说。“因此，我们正在开发的新型治疗药物的渠道要小得多。”
科学家们希望改变这种状况。在最近的研究中，柯林斯和他的同事将鲍曼不动杆菌暴露于数千种潜在的药物化合物中，以观察哪些化合物可以阻止病原体的生长。他们使用这些数据来训练计算机模型，以根据化合物的结构预测其抗菌活性。
该团队使用该模型在短短几个小时内分析了 6,680 种化合物——如果没有人工智能，这个过程将需要几周时间。分析将批次缩小到几百种可能性——柯林斯和他的同事在实验室中测试了其中的 240 种。在这些化合物中，研究人员鉴定出九种抗生素，其中包括一种可以有效杀死鲍曼不动杆菌的抗生素。重要的是，该化合物是“窄谱”的，这意味着它不会杀死其他种类的细菌。这很有益，因为它降低了其他细菌传播对该药物的耐药性的机会，并且不会损害肠道整体微生物群。
柯林斯解释说，这种名为阿鲍辛的新药通过破坏细菌的保护性外层——细胞膜发挥作用。在小鼠试验中，它对鲍曼不动杆菌引起的伤口感染有效。阿鲍辛对从人体样本中分离出来并在实验室中培养的许多耐药性鲍曼不动杆菌菌株也有效。
柯林斯的团队使用计算机模型测试了数千种化合物。“现在想象一下，你想从[测试]数千种分子到数十亿种分子，”他说。“[对于人类来说]，有效地管理、购买和测试所有这些分子是不可能的。然而，对于数十亿种化合物，使用人工智能进行分析仍然只需要几天时间。因此，我们能够探索更大、更大的化学空间，如果没有这些计算机模型，这些空间实际上对我们来说是不可用的。”
“我认为这些工具有潜力加速药物开发过程的许多方面，但这还处于早期阶段，”乌尔里希说。“每当我们拥有真正庞大的数据集并且可以非常有效地分析这些数据时，这肯定可以节省时间。”但她指出，这些发现仅在动物模型中。“你仍然必须完成所有工作，才能将该化合物开发成可以在人体内代谢的东西，他们需要进行彻底的临床试验和其他事情，”她说。“我想说，围绕这些工具存在巨大的潜力和巨大的兴奋。”
亚历山德拉·莫伊西洛维奇是 IBM 研究员兼 IBM 研究院人工智能基础负责人。她在研究如何利用人工智能开发新疗法方面发挥了重要作用，并与人合著了一篇论文，展示了 IBM 的人工智能系统如何帮助加速寻找新型抗生素的过程。
莫伊西洛维奇同意人工智能可以通过减少搜索数千种或数百万种化合物所需的时间来加速研究。“但它可以远远超出这一点，”她说。“您可以训练模型来快速预测现有分子的特性，这使您可以筛选或预测分子的好坏，或识别未知特性，例如毒性。” 此外，借助生成式人工智能，计算机模型可以根据现有分子进行训练，以了解它们的“表示”或特征，莫伊西洛维奇说。然后，研究人员可以设计出自然界中从未见过的分子。
为了应对开发新型抗菌药物的市场挑战，2021 年，美国科罗拉多州参议员迈克尔·F·本内特和印第安纳州参议员托德·扬在国会提出了 PASTEUR 法案。这项两党法案将创建一个激励计划和 60 亿美元的政府投资，用于开发新型抗病毒药物和抗生素——并在这些药物获得食品和药物管理局批准后，政府可以无限次使用这些药物。该法案于 2023 年 4 月再次被提出，此前包括 PhRMA 在内的 200 多个组织在 3 月份签署了一封信，以支持该法案。
如果该法案获得通过，研究人员仍将与时间赛跑，以开发出对抗最危险的耐药病原体的新型抗生素——而这正是人工智能可能发挥关键作用的地方。FDA 最近发布了一份文件，以促进开发商、制造商、监管机构、学术团体和其他利益相关者之间就人工智能和机器学习在整个药物开发过程中的使用进行讨论。
人工智能最近因其可能被滥用的方式而受到很多负面关注，但它也可能成为帮助我们解决一些最紧迫挑战的非常强大的工具。
“我感到非常充满希望，”柯林斯说。“我认为我们的人工智能工具，我们发现、设计和开发新型抗生素的技术平台，每年都在扩展。”