研究人員利用人工智能（AI）發現了一種強大的新型抗生素化合物，它可以殺死世界上一些最危險的超級細菌。根據發表在《細胞》（Cell）雜志上的一項研究，這種化合物可以成功地清除小鼠體內對所有已知抗生素都有耐藥性的超級細菌菌株。

由麻省理工學院的雷吉娜·巴茲萊和詹姆斯·柯林斯領導的一個科學家團隊使用先進的“機器學習”算法發現了這種抗生素，該技術掃描了一個化合物數據庫，以便在現有藥物范圍里找到可能通過不同機制有效殺滅細菌的化合物。

據研究人員介紹，這是機器學習（本質上利用人工智能去提高自身完成特定任務能力的算法）首次用來尋找新的抗生素的一次嘗試。

來自麻省理工學院醫學工程與科學研究所（IMES）和生物工程系的柯林斯在一份聲明中說：“我們想開發一個平臺，讓我們能夠利用人工智能的力量，去迎接抗生素藥物發現的新時代。”“我們的方法揭示了這種神奇的分子，它可能是目前發現的最強大的抗生素中的一種。”

根據世界衛生組織的說法，細菌在設計用來殺死它們的藥物的作用下產生的抗藥性對全球人類健康構成了日益嚴重的威脅，這“需要政府部門和社會采取行動”。

據美國疾控中心的數據顯示，美國每年約有280萬人感染抗藥性超級病菌，導致超過35000人因此死亡。

如果再不采取措施解決這一問題的話，聯合國估計到2050年，全球每年可能有1000萬人死于對多種藥物耐藥的超級病菌。

這使得發現新的抗生素非常重要。然而，在最近幾十年很少有發展。這些藥物與現有的藥物非常相似。發現可能有效的化合物是一項成本高昂的工作，也是一個很漫長的過程，這一事實無助于尋找新的抗生素。這些發現也傾向于只關注相對狹窄的化合物范圍。

這就有了機器學習的用武之地，它使研究人員能夠在相對較短的時間內有效地識別出一種強大的抗菌新化合物。

麻省理工學院的雷吉娜·巴茲萊告訴《新聞周刊》：“我們使用機器學習這種人工智能技術來虛擬篩選化合物分子，以預測其抗菌性能。”通常，這種篩選是在實驗室進行的，既昂貴又緩慢。另一方面，機器學習可以篩選出數以億計的化合物，以確定一些需要實驗測試的潛在候選化合物。

她又說：“這種方法的低成本使我們能夠探索巨大的化學空間，而只測試少許有效的化合物。這是人工智能首次被用于發現一種新的有效抗生素分子。”

首先，研究人員訓練他們的機器學習算法來識別化學物質數據庫中的特征，這些化學物質可以有效地消滅大腸桿菌。該算法經過“訓練”后，研究小組隨后使用它對另一個包含約6000種藥物化合物的數據進行了梳理。

在梳理過程中，該算法識別出一種名為““哈利辛（halicin）”的有趣藥物——它是以利·庫布里克的科幻史詩《2001太空漫游》中臭名昭著的人工智能系統命名——此前科學家曾試圖用這種藥物作為糖尿病的潛在治療藥物。

根據其化學性質，機器學習預測這種化合物將作為一種有效的抗生素，更為關鍵的是，它將通過不同于當前可用的抗菌藥物的機制發揮作用。進一步分析又得出，這種藥物也可能對人體細胞無毒。

之后，研究人員決定評估這種藥物在實驗室治療抗生素感染的效果。首先，他們在培養皿中培養細菌——包括對多種藥物耐藥的細菌——發現這種化合物對所有測試的細菌都有效，只有一個特別難以殺死的病原體除外。

隨后，科學家們使用了哈利辛（halicin）去治療感染了一種對所有已知抗生素都有耐藥性的鮑曼尼氏桿菌的小鼠。有趣的是，這種化合物能夠在24小時內完全消除感染。

根據研究小組的說法，哈利辛（halicin）特別有效果，因為它是通過生物機制起作用的，這可能會讓細菌很難產生抗藥性。事實上，研究人員也發現，在30天的治療過程中，大腸桿菌并沒有對哈利辛（halicin）產生耐藥性。

研究小組表示，下一步是深入研究哈利辛（halicin），并尋求與可能有助于開發用于人類藥物的組織建立合作關系。此外，在這項研究中，哈利辛（halicin）并不是唯一被發現的有效抗生素。

研究人員還利用他們的機器學習算法掃描了一個名為ZINC15的龐大在線數據庫中的大約1億種化合物，該數據庫總共包含約15億種化合物物質。掃描結果顯示，在三天的時間里，又有23名很有希望的“候選人”被發現。隨后的實驗室測試顯示，其中8種化合物可以起到抗生素的作用。

現在科學家們計劃對這些化合物進行更多的研究，同時也對ZINC15數據庫進行進一步的掃描。此外，他們還希望最新的研究能夠使科學家們從頭開始設計新的抗生素或改進現有的化合物做抗生素。

以色列理工學院（Israel Institute of Technology）的生物學和計算機科學教授羅伊·基松尼（Roy Kishony）在一份聲明中說，“這項開創性的工作標志著發現抗生素乃至更廣泛意義上的發現藥物的范式轉變。”“這種方法將允許在抗生素開發的所有階段中使用機器學習技術，從發現到通過藥物修飾和藥物化學來提高療效和減少藥物毒性。”