麻省理工学院、麻省理工学院和哈佛大学布罗德研究所（Broad Institute of MIT and Harvard）、集成生物科学公司（Integrated Biosciences）、维斯生物启发工程研究所（Wyss Institute for Biologically Inspired Engineering）和莱布尼茨聚合物研究所（Leibniz Institute of Polymer Research）的研究人员发现了一类结构新颖的抗生素。这是过去60年中首次发现的一类新抗生素，也是首次利用围绕可解释深度学习构建的人工智能驱动平台发现的一类新抗生素。
这篇经同行评审的论文发表在今天（12月20日）的《自然》（Nature）杂志上，题为"利用可解释深度学习发现一类结构性抗生素"（Discovery of a structural class of antibiotics with explainable deep learning），该论文由一个由21名研究人员组成的团队共同撰写，Integrated Biosciences的联合创始人Felix Wong博士和麻省理工学院医学工程与科学Termeer教授、Integrated Biosciences科学顾问委员会创始主席James J. Collins博士是该团队的领头人。
其他合作者包括麻省理工学院（MIT）、麻省理工学院和哈佛大学布罗德研究所（Broad Institute of MIT and Harvard）、威斯生物工程研究所（Wyss Institute for Biologically Inspired Engineering）和德国德累斯顿莱布尼兹聚合物研究所（Leibniz Institute of Polymer Research in Dresden）的研究人员。
在研究中，研究人员虚拟筛选了1200多万种候选化合物，以确定这一类新型抗生素，它们显示出解决抗生素耐药性问题的潜力。
在这一开创性方法中，研究团队在实验生成的数据上训练了深度学习模型，以预测任何化合物的抗生素活性和毒性。作者从 DeepMind 的 AlphaGo 博弈技术等其他领域使用的人工智能中汲取灵感，设计了新的模型来解释分子的哪些部分对抗生素活性很重要。
结果发现了一类新的抗生素，对耐多药病原体具有强效活性。在一系列实验中，研究人员在MRSA感染的小鼠模型中测试了一种候选抗生素，发现它在局部和全身都有疗效，这表明该化合物适合进一步开发，作为治疗严重和败血症相关细菌感染的药物。
"这一类新型抗生素的发现是一项突破性成果，表明人工智能和可解释深度学习具有催化药物发现的独特能力，"Wong博士说。"我们的工作公开了几个高能模型，可以准确预测抗生素的活性和毒性。重要的是，这是深度学习模型能够解释其预测结果的首次展示之一，对如何进行药物发现以及如何利用人工智能高效地发现新药具有直接而深远的影响。"
Collins博士说："这是一次重要的验证，证明了人工智能与可解释深度学习的整合对于克服医学界一些最棘手的挑战（这里指的是抗生素耐药性）是多么重要。在这些验证性研究和类似方法的基础上，Integrated Biosciences 团队准备进一步加快合成生物学与细胞应激反应深度理解的整合，以满足针对老年相关疾病的新疗法的重大未满足需求。"
Integrated Biosciences 的创始成员兼衰老生物学负责人 Satotaka Omori 博士是这篇论文的特约作者之一，他说："这项研究的一个重要意义在于，药物发现中的深度学习模型可以，而且在很多情况下应该是可解释的。虽然人工智能不断产生影响，但它也受到了许多黑盒模型的限制，这些黑盒模型被普遍使用，混淆了底层决策过程。通过打开这些黑箱，我们的目标是创造更多可推广的见解，这些见解可能更有助于加快新一代药物发现方法的使用和开发。"
Integrated Biosciences 的助理研究员、该刊物的特约作者 Alicia Li 补充说："看到我们能够展示一种新方法来预测一种化合物作为抗生素的作用、该化合物在第一阶段试验中取得进展的可能性，以及该化合物是否是一类新型药物中潜在的许多其他成员之一，这确实令人兴奋。"
Integrated Biosciences 已经建立了一套研究体系，除了这篇新发表的《自然》论文外，还包括 5 月份发表的一篇《自然-衰老》论文，该论文展示了如何利用人工智能发现新型衰老剂，即选择性消除衰老"僵尸"细胞的抗衰老化合物。这些化合物有望治疗与衰老有关的疾病，如纤维化、炎症和癌症。
七月份发表的《细胞系统》（Cell Systems）论文展示了一个基于合成生物学的平台，该平台允许人类控制衰老相关的应激反应，从而加快了针对衰老的药物筛选。
参考文献：《用可解释的深度学习发现一类抗生素结构》，2023 年 12 月 20 日，《自然》。
DOI: 10.1038/s41586-023-06887-8
编译来源：ScitechDaily