生成AI開發藥物作為抗生素耐藥細菌的潛在治療

由於每年在全球造成近500萬人死亡的抗生素抗菌菌株，創新解決方案的緊迫性從未有所更大。

斯坦福醫學與麥克馬斯特大學之間的合作努力在利用生成的AI時取得了令人鼓舞的結果，該藥物製定了六種新藥靶向抗生素耐藥性的主要病原體鮑曼尼（Baumannii）的抗性抗生素鮑曼尼（Baumannii）。

新引入的模型Synthemol可能代表了反對抗生素抗性的鬥爭的重大進步，在與這些彈性細菌菌株的戰鬥中提供了希望的希望。

詹姆斯·祖（James Zou）博士是生物醫學數據科學副教授，該研究的共同培訓的作者強調了對加快抗生素發展的關鍵需求，強調了AI設計新穎的分子來解決這一緊迫問題的潛力。

“迅速開發新抗生素的公共衛生需要巨大的健康，”祖在新聞稿中說。

“我們的假設是，那裡有很多潛在的分子可能是有效的藥物，但是我們尚未製造或測試它們。這就是為什麼我們想使用AI來設計從未見過的全新分子。”

先前的方法依靠算法來篩選現有的藥物文庫，但是這些方法只是刮擦了巨大的化學空間的表面，潛在地含有抗菌特性。

Synthemol的創新框架利用了超過13萬個分子構建塊的多樣化圖書館，以及對潛在藥物製作的化學反應的存儲庫。

它不僅提出了最終化合物，而且還描​​述了其生產所需的合成步驟，從而簡化了藥物開發管道。

為了確保實際的生存能力，該模型接受了現有抗菌數據的培訓，並被指導產生與現有抗菌數據不同的化合物，從而減輕了細菌抗性的風險。

研究人員與烏克蘭化學公司的enamine合作，成功合成了Synthemol確定的70種選定化合物中的58種。其中，有六個證明了在實驗室測試中抗抗鮑曼尼抗抗性菌株的功效。

這些化合物表現出對其他抗生素耐藥細菌的有希望的抗菌活性，包括大腸桿菌，克雷伯氏菌肺炎和MRSA，強調了它們的廣泛潛在影響。

儘管作用的確切機制仍然難以捉摸，但進一步的研究旨在闡明這些細節並揭示適用於抗生素發展的一般原則。

祖說：“這個人工智能確實在設計和教導我們有關人類以前從未探索過的化學空間的全新部分。”

Zou和Swanson正在通過與其他研究團隊合作，進一步增強了Synthemol的功能，並擴大其範圍。他們的目的是利用該模型在針對心髒病的藥物發現工作中，並開髮用於實驗室實驗的新型熒光分子。