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。

本研究提出了一种可解释的机器学习框架，用于早期检测多药耐药性（MDR）。通过多变量时间序列分析，量化患者相似性，框架在ICU电子健康记录中验证达到81%的AUC，识别关键风险因素如抗生素使用和合并感染，展示了其在早期检测中的潜力。

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。

本文提出了一种可解释的多模态机器学习模型，用于预测非小细胞肺癌患者对奥希替尼的耐药性。研究表明，该模型在多机构数据集上的c-index达到0.82，显著优于单一模态模型，表明整合多种数据类型能有效提升预后预测的准确性。

山东大学等研究团队开发了一种基于mRNA的新方法BCSC signature，用于评估乳腺癌干细胞（BCSC）特性。研究发现多胺合成代谢在BCSC调控中起关键作用，化疗通过激活多胺合成途径促进BCSC富集。研究还发现了一种新的HIF-1抑制剂Britannin，可抑制化疗诱导的BCSC富集。该研究为乳腺癌治疗提供了新策略。