事實證明，人工智慧 (AI) 的使用將改變醫學領域的遊戲規則，目前該技術正在幫助科學家開發出 60 年來首個新型抗生素。
一種新化合物的發現可以殺死每年導致全世界數千人死亡的抗藥性細菌，這可能會成為對抗抗生素抗藥性的轉捩點。
「這裡的見解是，我們可以看到模型正在學習什麼，從而做出某些分子將成為良好抗生素的預測，」麻省理工學院(MIT) 醫學工程和科學教授詹姆斯·柯林斯(James Collins) 和一位該研究的作者，在一份聲明中說。
「我們的工作提供了一個框架，從化學結構的角度來看，該框架具有時間效率、資源效率和機械洞察力，這是我們迄今為止所沒有的」。
結果發表於自然由 21 位研究人員組成的團隊共同撰寫。
研究旨在“打開黑盒子”
該專案背後的團隊使用深度學習模型來預測新化合物的活性和毒性。
深度學習涉及使用人工神經網路自動學習和表示資料中的特徵，而無需明確程式設計。
它越來越多地應用於藥物發現，以加速潛在候選藥物的識別、預測其特性並優化藥物開發過程。
在這種情況下，研究人員將重點放在耐甲氧西林金黃色葡萄球菌 (MRSA) 上。
MRSA 感染的範圍從輕微的皮膚感染到更嚴重且可能危及生命的疾病，例如肺炎和血液感染。
歐盟每年發生近 15 萬例 MRSA 感染根據歐洲疾病預防與控制中心 (ECDC) 的數據，該地區每年有近 35,000 人死於抗菌藥物抗藥性感染。
麻省理工學院的研究人員團隊使用擴展的資料集訓練了一個廣泛擴展的深度學習模型。
為了創建訓練數據，評估了大約 39,000 種化合物針對 MRSA 的抗生素活性。隨後，所得數據和有關化合物化學結構的詳細資訊都輸入到模型中。
「我們在這項研究中要做的就是打開黑盒子。這些模型由大量模擬神經連接的計算組成，沒有人真正知道幕後發生了什麼，」博士後 Felix Wong 說麻省理工學院和哈佛大學的教授，也是研究的主要作者之一。
發現新化合物
為了完善潛在藥物的選擇，研究人員採用了另外三種深度學習模式。這些模型經過訓練來評估化合物對三種不同類型人類細胞的毒性。
透過將這些毒性預測與先前確定的抗菌活性相結合，研究人員確定了能夠有效對抗微生物且對人體傷害最小的化合物。
使用這組模型，篩選了大約 1200 萬種市售化合物。
這些模型識別出來自五種不同類別的化合物，並根據分子內特定的化學子結構進行分類，這些化合物表現出預測的抗 MRSA 活性。
隨後，研究人員獲得了大約 280 種此類化合物，並在實驗室環境中進行了針對 MRSA 的測試。這種方法使他們從同一類別中識別出兩種有前途的候選抗生素。
在涉及兩種小鼠模型的實驗中——一種用於 MRSA 皮膚感染，另一種用於 MRSA 全身感染——這些化合物中的每一種都將 MRSA 數量減少了 10 倍。
