机器之心数据服务现已上线，提供高效稳定的数据获取，简化数据爬取流程。

1928年青霉素的发现开启了抗菌新纪元，但抗生素耐药性问题日益严重。宾夕法尼亚大学筛选出386种新型抗菌肽，其中91.4%显示出强效抗菌活性，为新抗生素研发提供了新思路。

研究人员利用AI设计新型蛋白质，成功阻止细菌（如大肠杆菌）从宿主获取铁，从而抑制其生长。这种“分子锁”策略有望降低细菌耐药性风险，为抗菌药物研发提供新思路。

本研究提出了一种人工智能引导的抗生素发现管道，以应对抗生素耐药性危机。通过结构聚类分析病原体的预测蛋白组，识别重要靶标，并评估六种3D结构生成模型的实用性，为抗生素开发提供参考和蓝图。

本研究解决了抗生素发现中的高成本和高失败率问题，提出了一种基于大型语言模型的管道，可以有效识别已知抗生素活性的证据，避免重复发现。研究结果表明，该管道提高了证据评审的有效性，并加速了决策过程，为抗生素的快速发现提供了新的途径。

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。

麻省理工学院的研究人员利用Chemprop图神经网络识别潜在抗生素，特异性杀死鲍曼不动杆菌。他们开发了一种深度学习方法，发现了一类新型抗生素。研究人员通过训练模型预测化合物的抗生素活性和人类细胞毒性，并进行了初步筛选和扩大预测。研究结果显示，这些化合物具有良好的抗菌活性和选择性，对多重耐药菌株有效，并且具有较低的耐药性发展趋势和良好的安全性。这一研究为抗生素药物发现提供了新的思路和方法。

麻省理工学院研究人员应用一种名为深度学习的人工智能技术，成功发现了一系列能够杀灭导致美国每年超过 10,000 人死亡的耐药性细菌的化合物。

麻省理工学院的研究人员利用深度学习发现了一类可以杀死耐药细菌的化合物，对人体细胞毒性低，成为候选药物。研究人员通过训练模型和使用蒙特卡罗树搜索算法，找到了可以杀死微生物同时对人体影响最小的化合物。实验表明，这些化合物通过破坏细菌维持细胞膜电化学梯度的能力来杀死细菌。

支原体肺炎是一种通过飞沫传播的常见季节性流行病，常规抗生素对其无效，治疗方案主要是使用大环内酯类抗生素。症状与其他轻症肺炎相似，预防措施包括多通风、少聚集、勤洗手。大多数情况下是轻症疾病，但出现持续高热、呼吸困难等症状时应及时就医。

陈欢从中国药科大学毕业后，加入了西安交通大学附属第一医院的耐药菌研究团队。团队发现噬菌体蛋白与细菌类组蛋白结合可抑制细菌，为新型抗生素研发提供新路径。陈欢负责基于该靶点的药物筛选和实验验证。通过与华为云合作，团队发现超级抗菌药物贝利司他，并命名为肉桂酰菌素。团队还发现肉桂羟肟酸是抗菌的关键药效团，将打开新一类抗生素药物家族的大门。华为云盘古辅助制药平台为团队提供强大计算能力和虚拟筛选工具。陈欢的努力和团队合作使药物研发从0到1的突破成为可能。自然启示与人工智能结合在药物研发中展现优势。华为云将继续投入打造全栈自主可控的药物发现平台，支持中国制药行业的数字化智能化转型。