#脑极体#当AI开始寻找抗生素:人类终于摘取“高悬的果实”?


抗生素带给人类的福泽 , 无论给出多少溢美之词都不过分 。 抗生素在应用初期 , 被人们认为是几乎“包治百病”的灵丹妙药 , 成为20世纪人类最伟大的成就之一 。
#脑极体#当AI开始寻找抗生素:人类终于摘取“高悬的果实”?
本文插图
(图题:感谢青霉素 , 给我回家路)
然而到了今天 , 全球每年约有50%的抗生素被滥用 , 在中国这一比例甚至接近80% 。 家有儿女的人们恐怕更有切身体验 , 只要孩子头疼脑热总要上医院打点滴 , 大多里面都使用了抗生素 。 人们对于“见效快”的执念所造成的直接后果就是让细菌更具抗药性 , 可能以往发挥作用的抗生素 , 会因为细菌抗药性的增加而失效 。
对于抗生素寄予厚望的普通人可以会想:科学家只要找到比产生抗药性细菌的更强的抗生素就可以了 。 事实上科学家们确实是这么干 , 但抗生素的研究远非人们想象中那么简单 。
那对更心急、更痴迷“银弹思维”的吃瓜群众来说 , 总是还想打破砂锅地问一句:有没有可能找到一种有效消灭大量有害细菌的抗生素呢?从生物规律上来讲 , 这有点痴心妄想 。 但目标总是要有的 , 万一接近了呢?
#脑极体#当AI开始寻找抗生素:人类终于摘取“高悬的果实”?
本文插图
求瓜得瓜 。 2月20日 , 全球著名的自然科学类期刊《细胞》(Cell)发表了一篇题为“一种发现抗生素的深度学习方法”的研究论文 , 报道了麻省理工学院(MIT)的研究团队利用深度学习模型发现了一种超强抗生素——Halicin 。 经试验研究 , 这种新型抗生素化合物对多种耐药菌有杀菌效果 , 具有广谱抗菌效应 。 当然这一研究的亮点在于新的研究方法 , 即通过AI的深度学习算法从大型合成化学分子库中找到了这一独特的分子结构 。
AI在药物研发上面的能力已经不是什么稀罕事 , 但发现抗生素还是第一次 。 好奇心一定会驱使我们继续追问下去:为什么人类研发抗生素的速度抵不过细菌抗药性的增长速度?AI开拓出抗生素研发的路径对于医学来说又意味着什么?
抗生素发现的谜题 , 为什么人类的路越走越窄?
从1928年 , 弗莱明发现第一种抗生素——青霉素起几十年间 , 此后科学家们又陆续发现了100多种抗生素 。 但从1987年起一直到2015年 , 整整28年间 , 人类却再也没有发现新的抗生素 。
为什么新型抗生素的发现越来越慢 , 甚至出现了如此长的一段空档期?可以说 , 我们目前所使用的主要的几种抗生素都是四五十年代发现 , 且都是从土壤中的微生物种群中筛选和培养 。 大约99%的细菌种群之前是无法在实验室中单独培养 , 这一限制条件让人们无法单独分离出细菌生产的潜在的有效的抗生化合物 。
从上世纪60年代以后 , 从微生物种群中寻找新的抗生素的速度明显放缓 , 取而代之的是“半合成抗生素” 。 如今以青霉素、头孢菌素为主体的β一内酰胺类抗生素 , 已经成为最主要的化学治疗药剂 。
#脑极体#当AI开始寻找抗生素:人类终于摘取“高悬的果实”?
本文插图
一直到2015年 , 美国科学家才发现了一种新型抗生素——泰斯巴汀(Teixobactin) 。 这一抗生素实现了抗菌药物领域的一大突破 , 可以杀死多种致命病原体 , 同时病原体很难对其发展出抗药性 。 这一科学进展得益于细菌培育技术的进步 。 研究人员通过一种称为iChip的电子芯片设备 , 可以将目标细菌分离并分别在比实验室更自然的土壤环境中生长 , 从而让只有1%成长机会的细菌提升到50% 。
尽管如此 , 发现新的抗生素的效率仍然还是太低了 , 而且经过大规模投入培养出的抗生素很可能还是旧的抗生素 , 或者不具有很好的抗菌活性 。 那这次为什么AI就能做到呢?
窥斑见豹:新型抗生素探寻的AI新路径