千万耐药细菌感染病患福音！麦马联手斯坦福，用生成式 AI 开发新型抗生素
内容提要
抗生素滥用导致细菌耐药性增加，全球抗生素耐药性已成为第三大死因。麦克马斯特大学和斯坦福大学的研究人员开发了一种生成式人工智能模型SyntheMol，可以设计易于合成的新型抗生素。研究团队应用SyntheMol设计出了58个分子，并验证了其中6个结构新颖的分子对细菌表现出抗菌活性。该模型提供了化学合成的详细配方，具有从广泛的化学空间中设计结构新颖、可合成和有效的小分子抗生素候选物的潜力。
延伸解读
生成式AI在抗生素研发中的突破
与传统的AI虚拟筛选方法不同，SyntheMol能够直接设计出全新的分子结构，而不仅仅是从现有库中筛选。在2万次蒙特卡洛树搜索展开中，SyntheMol生成了24,335个完整分子，其中2,868个具有较高的抗菌预测分数，而传统的虚拟筛选方法在相同时间内只鉴定出374个，仅为SyntheMol的13%。这表明生成式AI在探索广阔化学空间方面具有显著优势，能够更高效地发现潜在抗生素候选物。
从设计到合成：AI提供可执行方案
SyntheMol不仅生成分子结构，还提供了详细的化学合成配方，包括所需构建模块和反应顺序。研究团队与Enamine公司合作，成功合成了58个设计分子，并验证了其中6个对鲍曼不动杆菌等细菌具有抗菌活性，命中率达到10%，是训练集命中率（3.5%）的近三倍。这种可合成性设计大大降低了实验验证的门槛，加速了从计算机预测到实验室合成的流程。
当前局限与未来改进方向
尽管SyntheMol取得了显著成果，但该模型目前并未考虑分子的水溶性，导致6个活性分子中有4个水溶性不足，仅2个可用于小鼠模型测试。此外，模型仅探索了约300亿分子化学空间的一部分，且需要进一步优化以产生更适合临床开发的候选物。这些局限性提示，生成式AI在抗生素研发中仍需结合其他药物化学性质进行多目标优化。
AI抗生素研发的全球进展与产业影响
近年来，AI在抗生素研发领域屡有突破，如MIT发现的halicin和abaucin，以及国内利用深度学习挖掘抗菌肽和开发超级抗菌药Drug X。产业端，川宁生物、赛诺菲等企业已引入AI优化研发和生产。然而，抗生素研发仍面临周期长、利润低等挑战，传统开发一种抗生素需12年，成本约15亿美元，而年收入仅4600万美元。AI技术有望降低研发成本、缩短时间，但需持续投入和跨学科合作。
Q&A
抗生素耐药性为何成为全球第三大死因？
抗生素滥用导致细菌产生耐药性，2019年有近500万人死于耐药细菌感染，预计2050年将达到1000万人。
SyntheMol模型的主要功能是什么？
SyntheMol模型可以设计易于合成的新型抗生素，并提供详细的化学合成配方。
研究团队如何验证新型抗生素的抗菌活性？
研究团队合成了58个分子，并验证了其中6个对鲍曼不动杆菌和其他细菌表现出抗菌活性。
SyntheMol模型的创新之处在哪里？
SyntheMol通过蒙特卡洛树搜索快速探索化学空间，能够直接设计候选抗生素分子。
超级细菌A. Baumannii的危害是什么？
A. Baumannii被认为是最危险的抗生素耐药细菌之一，能导致肺炎、脑膜炎和感染伤口。
人工智能在抗生素研发中有哪些潜力？
人工智能可以加速新药的发现和开发，帮助设计结构新颖、可合成的抗生素候选物。
