生成式人工智能為抗生素耐藥細菌開發(fā)潛在新藥

全球每年有近 500 萬人死于抗生素耐藥性，因此迫切需要新的方法來對抗耐藥菌株。

斯坦福大學(xué)醫(yī)學(xué)院和麥克馬斯特大學(xué)的研究人員正在利用生成人工智能來解決這個問題。一種名為 SyntheMol(用于合成分子)的新模型為六種新型藥物創(chuàng)建了結(jié)構(gòu)和化學(xué)配方，旨在殺死鮑曼不動桿菌的耐藥菌株，鮑曼不動桿菌是導(dǎo)致抗菌藥物耐藥性相關(guān)死亡的主要病原體之一。

研究人員在3 月 22 日發(fā)表在《自然機器智能》雜志上的一項研究中描述了他們對這些新化合物的模型和實驗驗證。

“快速開發(fā)新抗生素對公共衛(wèi)生有巨大的需求，”生物醫(yī)學(xué)數(shù)據(jù)科學(xué)副教授、該研究的共同高級作者 James Zou 博士說。 “我們的假設(shè)是，有很多潛在的分子可以成為有效的藥物，但我們還沒有制造或測試它們。這就是為什么我們想使用人工智能來設(shè)計自然界中從未見過的全新分子”。

在生成人工智能(ChatGPT 等大型語言模型的基礎(chǔ)相同類型的人工智能技術(shù))出現(xiàn)之前，研究人員采用了不同的計算方法來開發(fā)抗生素。他們使用算法滾動瀏覽現(xiàn)有的藥物庫，識別出那些最有可能對抗特定病原體的化合物。

這項技術(shù)篩選了 1 億種已知化合物，取得了一定的成果，但在尋找所有可能具有抗菌特性的化合物方面只觸及了表面。

“化學(xué)空間是巨大的，”斯坦福大學(xué)計算科學(xué)博士生、該研究的共同主要作者凱爾·斯旺森(Kyle Swanson)說。 “人們估計有接近 1060 種可能的類藥物分子。因此，1 億遠不足以覆蓋整個空間。”

藥物開發(fā)的幻覺

生成式人工智能傾向于“產(chǎn)生幻覺”，或者憑空做出反應(yīng)，這在藥物發(fā)現(xiàn)方面可能是一個福音，但之前用這種人工智能生成新藥的嘗試導(dǎo)致了不可能制造的化合物現(xiàn)實世界，斯旺森說。研究人員需要在 SyntheMol 的活動周圍設(shè)置護欄，即確保模型設(shè)想的任何分子都可以在實驗室中合成。

　　免責(zé)聲明：本文由用戶上傳，與本網(wǎng)站立場無關(guān)。財經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風(fēng)險自擔(dān)。 如有侵權(quán)請聯(lián)系刪除！