死亡人数将反超癌症！《细胞》：应对这种全球健康威胁，AI有望助力抵抗“超级细菌”
学术经纬约 4 分钟自科学家发现青霉素以来，抗生素已经成为现代医学的基石之一，显著降低了细菌感染导致的死亡率。然而随着抗生素的滥用，越来越多的细菌对抗生素产生了耐药性，而这也成为了全球公共卫生的重要负担和难题。根据世界卫生组织的数据，目前每年有127万人死于抗生素耐药性感染。到2050年，每年可能约有1000万人死于抗菌素耐药性，这也将超过癌症的死亡人数，使得抗菌素耐药性成为致死的主要原因。
然而，过去数十年中，新出现的抗生素大多为现有抗生素的变体，难以应对层出不穷的各类“超级细菌”。为了应对这一棘手问题，科学家逐渐开始将目光放到了人工智能（AI）上——AI有望在众多的现有化合物库进行筛选，或自己设计出全新的抗生素。例如2024年6月《细胞》杂志一篇论文就利用机器学习，让AI从世界各地的微生物数据中搜索出了超过86万种有前景的抗菌肽，其中90%以上是过去未被描述过的。
相关阅读：《细胞》：抗生素告急，AI显身手！新研究一举发现近百万个候选抗生素
图片来源：123RF
而在近日，博德研究所的研究团队同样在《细胞》杂志展示了AI助力筛选抗生素的最新成果。研究借助AI设计了超过海量的潜在化合物，并通过分析计算判断了它们的抗菌特性。他们发现一些具有潜力的抗生素与已有的抗生素结构有着很大区别，它们可以通过破坏细菌膜的新机制来发挥抗菌作用。并且，他们测试的两种全新的抗生素分子，可分别对淋病奈瑟菌（N. gonorrhoeae）和耐药性金黄色葡萄球菌（S. aureus）产生抗菌活性。
根据论文，研究人员采用了两种不同的方法来探索新抗生素：一种是指示 AI 算法根据表现出抗菌活性的特定化学片段来设计分子；另一种则是让算法自由生成分子，而不必包含特定的片段。
第一种方法让AI构建出了一个含有4500万个化学片段的分析库，其中包含碳、氮、氧、氟、氯和硫等11个原子的所有可能组合。根据模型的初步筛选，他们获得了约400万个可能具有抗菌活性的片段。随后，他们进一步精确了筛选条件，例如显示出化学毒性，对人体可能具有细胞毒性、或与已知抗生素相似。在AI打分与人工审核的合作下，他们发现了一个被称作F1的片段，该片段对淋病奈瑟菌具有较强活性。
而以该片段为基础，AI会继续进行添加、删除或替换特定基团来生成新分子，以此构建出抗菌性最好的化合物。基于这些分析，他们找到了一种名为NG1的分子，可以有效破坏细菌外膜完整性，能在小鼠感染模型中显著降低细菌负荷。
此外，研究者在另一项任务中，让AI进行了自由设计分子。除了合理的化学分子规则之外，没有其他条件限制。在此基础上，AI共生成了超过2900万个分子，他们重点关注了耐药性金黄色葡萄球菌，其中有6种表现出了较强抗菌活性。一种名为DN1的候选者可以有效破坏细菌细胞膜，帮助小鼠抵抗耐甲氧西林金黄色葡萄球菌（MRSA）感染。
值得一提的是，《细胞》杂志近期的另一篇论文还展示了AI在其他分子设计方面的能力。除了抗生素，哥伦比亚大学的研究团队借助AI从头设计了一种靶向电压门控钠离子通道的调控蛋白。这种分子仅仅只含有21个氨基酸，但能促使病理状态下的通道正常关闭。在癫痫和心力衰竭模型中，该分子都展现出了实际的保护效果，阻止了异常信号的发生。
参考资料：
[1] A generative deep learning approach to de novo antibiotic design. Cell (2025). DOI: 10.1016/j.cell.2025.07.033
[2] De novo design of a peptide modulator to reverse sodium channel dysfunction linked to cardiac arrhythmias and epilepsy. Cell (2025). DOI: 10.1016/j.cell.2025.07.038
欢迎转发到朋友圈，谢绝转载到其他平台。如有开设白名单需求，请在“学术经纬”公众号主页回复“转载”获取转载须知。其他合作需求，请联系[email protected]。
免责声明：本文仅作信息交流之目的，文中观点不代表药明康德立场，亦不代表药明康德支持或反对文中观点。本文也不是治疗方案推荐。如需获得治疗方案指导，请前往正规医院就诊。