人類在與超級細菌的大戰(zhàn)中,終于祭出了超級大招人工智能。
前不久,麻省理工學院(MIT)醫(yī)學工程與科學研究所合成生物學中心的James Collins團隊,與德研究所的Regina Barzilay領銜的研究團隊,在頂級期刊《細胞》上以封面文章的形式發(fā)表重大研究成果[1]。
▲ James Collins(左)和Regina Barzilay(右)
他們開發(fā)了一個跳出人類思維框架的人工智能抗生素預測平臺,這個平臺不需要知道藥物的作用機制,甚至不需要科學家標注化學基團,它能一個原子一個原子地獨自學習,最終實現(xiàn)預測特定分子的功能,以一種科學家不了解的方式,幫助人類尋找全新抗生素。
這個新的智能平臺身手不凡,Collins和Barzilay團隊用它找到了多種與現(xiàn)有抗生素結構差異較大的抗菌化合物。其中有一個原本用來治療糖尿病的臨床前藥物,展現(xiàn)出強大的抗菌效果,對多種超級耐藥菌展現(xiàn)出強大的殺傷力。
更厲害的是,這個抑菌小分子以一種科學家完全沒有預料到的方式殺死細菌,而且研究人員認為細菌很難對其產(chǎn)生耐藥性。
▲ 《細胞》封面
自青霉素誕生以來,抗生素就成為現(xiàn)代醫(yī)學的基石。隨著抗生素的廣泛使用,超級細菌的耐藥性問題又成為威脅人類健康的大敵。如果現(xiàn)在不遏制住耐藥性產(chǎn)生的勢頭,到2050年,預計有1000萬人會死于耐藥細菌的感染[2]。
遺憾的是,用傳統(tǒng)的篩選方式,已經(jīng)越來越難篩選到新的抗生素了[3]。在現(xiàn)有抗生素的基礎上改造出新的抗生素,也是敗多勝少。
近年來,尋找新抗生素的科學家已經(jīng)開始從大型合成化學文庫中篩選[4]。先不說這種方法的操作難度大、成本高,實際效果其實也非常有限,從1980年開始使用這種方法開始,一直到現(xiàn)在還沒有應用于臨床的抗菌藥物出現(xiàn)。
機器學習技術和化學信息學的進步[5],讓科學家們看到了另一種可能:讓人工智能平臺自主學習化學分子的特征,然后預測它的作用。
▲ Regina Barzilay
Collins和Barzilay團隊首先開發(fā)了一個人工智能平臺,這個平臺可以自己學習化學分子的結構和特征,然后根據(jù)它掌握的這些信息,預測分子的功能,即預測它是否能抑制特定細菌的生長。然后再把這些化學物質按照抑制效果的好壞排序。
隨后,研究人員給這個智能平臺喂了2335個不同的分子,其中有一大部分是已經(jīng)獲得FDA批準的藥物,剩下的是有廣泛生物活性的天然分子。
在完成訓練之后,研究人員讓這個人工智能平臺從博德研究所化合物庫的6111個分子中,找出有抗菌活性的化合物。
▲ 篩選流程
最終,這個平臺找到了數(shù)十個有抗菌潛力的化合物。經(jīng)過全面的分析排名之后,一個叫做SU332的化合物排在了第一名。SU332原本是c-Jun的N末端激酶抑制劑,它是一個處于臨床前期的治療糖尿病的藥物。
從分子結構上看,它與已有的任何一種抗生素都明顯不同。為了致敬經(jīng)典科幻片《2001:太空漫游》里的人工智能系統(tǒng)HAL 9000,研究人員把SU332命名為halicin。
進一步分析發(fā)現(xiàn),halicin是殺死了細菌,而不是抑制細菌的生長和繁殖。傳統(tǒng)青霉素殺不死的處于代謝抑制狀態(tài)的大腸桿菌,halicin也能殺死。甚至是抗生素處理之后殘留的持久性細菌,halicin也能殺死。
研究人員還用攜帶多種耐藥基因的質粒轉化細菌,讓細菌具備特定的耐藥性,不過這些耐藥基因也不能幫助細菌抵擋halicin的屠刀。
隨后,研究人員用36種多耐藥細菌試刀,結果除了銅綠假單胞菌之外,沒有一個耐藥菌能逃過一劫。后續(xù)分析認為,銅綠假單胞菌之所以能耐受halicin,可能是因為“皮太厚”[6],halicin進不去。
▲ 圖片來源:DAVID GOULDING/WELLCOME TRUST SANGER INSTITUTE/WELLCOME
那halicin究竟是如何殺死細菌的呢?
研究人員的初步研究表明,這個halicin的殺菌機制還真不一般。它沒有破壞細菌的什么結構,而是不知道通過什么方式,破壞了細菌細胞膜維持電化學梯度的能力。這個細胞膜的電化學梯度有個重要的作用,就是與ATP的合成有關。
ATP我們都知道,它就是能量啊。如果細菌不能在生產(chǎn)ATP了,那就是必死無疑了。研究人員認為,細菌可能很難對halicin的這個殺菌技能產(chǎn)生耐藥性,因為細菌很難通過單個或者幾個突變,就改變自己維持電化學梯度的能力。
隨后的耐藥性研究,在一定程度上證實了研究人員的猜測。
他們在實驗室中讓細菌連續(xù)傳代30天,也不能獲得對halicin耐藥的菌株。不知道大家還記不記得,哈佛大學和以色列理工學院的科學家2016年在《科學》上發(fā)表了一項研究成果:在實驗室條件下,大腸桿菌對達到最低致死濃度1000倍的抗生素產(chǎn)生耐藥性,僅僅需要10天時間[7]。
▲ 黑底的培養(yǎng)基從兩邊到中間分成5個濃度梯度(0-1000倍),培養(yǎng)基上面是白色的細菌從兩邊往中間(抗生素濃度由低到高)飛速往中間生長
在后續(xù)的研究中,他們在小鼠身上測試了halicin的抗菌效果,確實很強大。目前研究團隊正在計劃與制藥公司或者公益組織展開合作,以期將halicin用于人體。
為了證明這個系統(tǒng)的強大篩選能力,Collins和Barzilay團隊的研究人員隨后又把超1億個化學分子丟給這個系統(tǒng),從中篩選到了8種有抗菌活性的化合物,其中兩種的抗菌活性還非常強大。整個篩選過程只用了3天時間。
真是不敢想象。
難怪色列理工學院生物學和計算機科學教授Roy Kishony會說[8],“這項開創(chuàng)性的研究標志著抗生素的發(fā)現(xiàn),乃至更普遍的藥物發(fā)現(xiàn)發(fā)生了范式轉變?!?/p>
-
人工智能
+關注
關注
1818文章
50120瀏覽量
265613 -
計算機科學
+關注
關注
1文章
144瀏覽量
11806
發(fā)布評論請先 登錄
AI 驅動的電力電子拓撲及SiC器件選型自動優(yōu)化:跳出人類經(jīng)驗的“最優(yōu)解”
嵌入式系統(tǒng)中的人工智能
應用案例 | Enclustra 水星Mercury+ XU1核心板將邊緣人工智能送入衛(wèi)星軌道
Aspect 將云端人力資源體驗與開發(fā)者工具拓展至新區(qū)域,推出人工智能驅動的預測功能
【產(chǎn)品介紹】Altair RapidMiner數(shù)據(jù)分析與人工智能平臺
利用超微型 Neuton ML 模型解鎖 SoC 邊緣人工智能
挖到寶了!人工智能綜合實驗箱,高校新工科的寶藏神器
挖到寶了!比鄰星人工智能綜合實驗箱,高校新工科的寶藏神器!
關于人工智能處理器的11個誤解
超小型Neuton機器學習模型, 在任何系統(tǒng)級芯片(SoC)上解鎖邊緣人工智能應用.
生成式人工智能認證:重構AI時代的人才培養(yǎng)與職業(yè)躍遷路徑
開售RK3576 高性能人工智能主板
Cognizant將與NVIDIA合作部署神經(jīng)人工智能平臺,加速企業(yè)人工智能應用
一個跳出人類思維框架的人工智能抗生素預測平臺
評論