抗生素耐藥問題正在威脅全球健康，但要開發一款新型抗生素並不容易，最大的障礙在於投入巨大但回報微乎其微，而藉助AI輔助研發，或可以找到一條新路徑。

近日，美國麻省理工學院詹姆斯·柯林斯（James Collins）教授團隊在國際頂尖學術期刊《自然》上發表了題爲《Discovery of a structural class of antibiotics with explainable deep learning》的研究，該研究利用人工智能和可解釋的深度學習模型，從超過1200萬種化合物中識別出一種革命性的新型抗生素類型，可以殺死臨牀上常見的超級細菌——耐甲氧西林金黃色葡萄球菌（MRSA）。而且，這些化合物對人類細胞的毒性很低，因此有望成爲較好的抗生素候選者。

耐甲氧西林金黃色葡萄球菌（MRSA）是一種臨牀上常見的超級細菌，通常導致皮膚感染或肺炎，嚴重病例還會出現敗血症甚至死亡。

這項新研究的一個關鍵創新在於，研究人員弄清楚了深度學習模型使用了哪些信息來預測其抗生素效力，這種知識還可以幫助研究人員設計出其他更有效的治療藥物。

在過去幾年中，柯林斯教授團隊開始利用人工智能技術來尋找新型抗生素，以解決日益嚴重的抗生素耐藥問題。

上述研究是麻省理工學院抗生素人工智能項目的一部分。該研究發佈之前，柯林斯教授團隊近幾年也用AI篩選出另外兩款抗生素候選藥物，一款是halicin，這被視爲首個由人工智能發現的抗生素，其在結構上與傳統抗生素不同，對多種耐藥菌顯示出殺菌活性；另外一款是abaucin，其能夠特異性殺死重要的耐藥菌——鮑曼不動桿菌。

從篩選出新的抗生素候選藥物，到真正開發成藥，還有漫長的路要走，仍需要經過人體臨牀試驗來驗證，但上述研究成果展示了AI在藥物發現領域的潛力。

抗生素是對抗致命細菌感染的標準治療方法和主要手段，但多年來的濫用和過度使用以及細菌的自然進化，使很多抗生素靶向的細菌目標已對其產生抗藥性。

與此同時，抗生素存在研發週期長、研發成本高等特點。據不完全統計，一款新的抗生素的開發一般需要10年左右的時間，但有些新的抗生素在研發出的1到2年裏就會有耐藥性微生物出現，這些特點導致新抗生素推向市場的成本不斷膨脹，與其他類別的藥物相比，抗生素的投資回報率較低，促使許多大型製藥公司不願涉足這一領域。2021年世界衛生組織的抗生素研發管線分析指出，世界在開發新的、急需的抗生素以應對耐藥性感染方面幾乎沒有取得任何進展。

目前有抗生素藥企人士對第一財經記者表示，早期新抗生素的發現主要依靠從微生物中尋找，隨着從天然產物中尋找新抗生素的速度明顯放慢，大家開始轉向根據已知抗生素的作用機制在體外合成新的抗生素分子。但爲了使抗生素有效，抗生素的濃度必須足以儘可能快速有效地抑制傳染性微生物的生長。因此，抗生素藥物的毒理學和藥理閾值要明顯高於其他醫學領域的候選藥物。

此外，鑑於革蘭氏陰性、革蘭氏陽性和分枝桿菌之間的生理、基因組和生化差異，使得抗生素本身的特性沒有可靠的通用指南。微生物的生理和結構屬性與抗生素獨特的理化性質相結合，使得藥物的發現非常具有挑戰性。

“目前新抗生素的發現主要還是通過合理的藥物化學手段對舊一代的抗生素進行換代升級，還缺少針對新靶點以及新結構的抗生素。AI輔助研發，在尋找新的抗生素候選藥物上大有可爲。”上述藥企人士這樣認爲。

前期，亦有從事AI藥物研發的人士對第一財經記者表示，AI不能直接生產藥物，但可爲創新藥物的研發提供支持與賦能。AI憑藉其強大的學習能力，將其算法、推演等核心技術應用到新藥研發的各個環節，可以大幅降低藥物研發成本，縮短研發時間，提高研發效率，使新藥開發走上快速高效的道路。