生成AI开发药物作为抗生素耐药细菌的潜在治疗

由于每年在全球造成近500万人死亡的抗生素抗菌菌株，创新解决方案的紧迫性从未有所更大。

斯坦福医学与麦克马斯特大学之间的合作努力在利用生成的AI时取得了令人鼓舞的结果，该药物制定了六种新药靶向抗生素耐药性的主要病原体鲍曼尼（Baumannii）的抗性抗生素鲍曼尼（Baumannii）。

新引入的模型Synthemol可能代表了反对抗生素抗性的斗争的重大进步，在与这些弹性细菌菌株的战斗中提供了希望的希望。

詹姆斯·祖（James Zou）博士是生物医学数据科学副教授，该研究的共同培训的作者强调了对加快抗生素发展的关键需求，强调了AI设计新颖的分子来解决这一紧迫问题的潜力。

“迅速开发新抗生素的公共卫生需要巨大的健康，”祖在新闻稿中说。

“我们的假设是，那里有很多潜在的分子可能是有效的药物，但是我们尚未制造或测试它们。这就是为什么我们想使用AI来设计从未见过的全新分子。”

先前的方法依靠算法来筛选现有的药物文库，但是这些方法只是刮擦了巨大的化学空间的表面，潜在地含有抗菌特性。

Synthemol的创新框架利用了超过13万个分子构建块的多样化图书馆，以及对潜在药物制作的化学反应的存储库。

它不仅提出了最终化合物，而且还描​​述了其生产所需的合成步骤，从而简化了药物开发管道。

为了确保实际的生存能力，该模型接受了现有抗菌数据的培训，并被指导产生与现有抗菌数据不同的化合物，从而减轻了细菌抗性的风险。

研究人员与乌克兰化学公司的enamine合作，成功合成了Synthemol确定的70种选定化合物中的58种。其中，有六个证明了在实验室测试中抗抗鲍曼尼抗抗性菌株的功效。

这些化合物表现出对其他抗生素耐药细菌的有希望的抗菌活性，包括大肠杆菌，克雷伯氏菌肺炎和MRSA，强调了它们的广泛潜在影响。

尽管作用的确切机制仍然难以捉摸，但进一步的研究旨在阐明这些细节并揭示适用于抗生素发展的一般原则。

祖说：“这个人工智能确实在设计和教导我们有关人类以前从未探索过的化学空间的全新部分。”

Zou和Swanson正在通过与其他研究团队合作，进一步增强了Synthemol的功能，并扩大其范围。他们的目的是利用该模型在针对心脏病的药物发现工作中，并开发用于实验室实验的新型荧光分子。