人工智能产生新抗生素

利用机器学习算法,研究人员发现了一种强大的新型抗生素化合物。在实验室测试中,这种药物杀死了许多世界上最有问题的致病细菌,包括一些对所有已知抗生素都有抗药性的菌株。它还清除了两种不同小鼠模型的感染。

人工智能产生新抗生素

一个深入的学习模型确定了一种强大的新药,它可以杀死许多抗药性细菌

这种计算机模型可以在几天内筛选出一亿多种化合物,其设计目的是通过与现有药物不同的机制来筛选潜在的杀灭细菌的抗生素。
麻省理工学院医学工程与科学研究所(IMES)和生物工程系的Termeer医学工程与科学教授詹姆斯·柯林斯(James Collins)说:“我们希望开发一个平台,让我们能够利用人工智能的力量,开创抗生素药物发现的新时代。”我们的方法揭示了这种令人惊奇的分子,可以说是已经发现的更强大的抗生素之一。”
在他们的新研究中,研究人员还发现了其他一些有前途的抗生素候选药物,他们计划进一步测试。他们相信这个模型也可以用来设计新药,基于它所了解到的能够使药物杀死细菌的化学结构。
麻省理工学院计算机科学与人工智能实验室(CSAIL)的德尔塔电子工程与计算机科学教授雷吉娜·巴兹莱(Regina Barzilay)说:“机器学习模式可以在硅质材料中探索对传统实验方法来说极其昂贵的大型化学空间。”。
Barzilay和Collins是麻省理工学院Abdul Latif Jameel健康机器学习诊所的共同负责人,他们是这项研究的资深作者,这项研究今天发表在Cell上。本文的第一作者是Jonathan Stokes,他是麻省理工学院、麻省理工学院和哈佛大学的博士后。
新管道
在过去的几十年里,很少有新的抗生素被开发出来,而且大多数新批准的抗生素都是现有药物的微小不同变体。目前筛选新抗生素的方法往往成本高昂,需要大量的时间投入,而且通常局限于化学多样性的窄谱。
柯林斯说:“我们正面临着一场围绕抗生素耐药性的日益严重的危机,这种情况的产生既有越来越多的病原体对现有抗生素产生耐药性,也有生物技术和制药行业对新抗生素缺乏信心的管道。”。
为了寻找完全新颖的化合物,他与巴兹莱、汤米·贾科拉教授以及他们的学生杨凯文、凯尔·斯旺森和金文功合作,他们先前开发了机器学习计算机模型,可以训练这些模型来分析化合物的分子结构,并将它们与特定的性状联系起来,比如杀灭细菌的能力。
使用预测性计算机模型进行“硅内”筛选的想法并不新鲜,但直到现在,这些模型还不够精确,无法改变药物发现。以前,分子被表示为反映某些化学基团存在或不存在的载体。然而,新的神经网络可以自动学习这些表征,将分子映射到连续的向量中,然后用于预测其性质。
在这种情况下,研究人员设计了他们的模型来寻找能使分子有效杀死大肠杆菌的化学特性。为此,他们对该模型进行了约2500种分子的训练,其中包括约1700种FDA批准的药物和一套800种结构多样、生物活性广泛的天然产品。
一旦模型得到训练,研究人员就在博德研究所的药物再利用中心(一个约6000种化合物的库)对其进行了测试。该模型筛选出一种分子,这种分子被预测具有很强的抗菌活性,并且具有不同于任何现有抗生素的化学结构。使用不同的机器学习模型,研究人员还表明,这种分子可能对人类细胞具有低毒性。
这一分子,研究人员决定称之为哈利辛,在“2001:太空之旅”中虚构的人工智能系统之后,已经被作为可能的糖尿病药物进行了研究。研究人员对从病人身上分离出来并在实验室培养皿中培养的数十株细菌进行了测试,发现它能够杀死许多对治疗有抵抗力的细菌,包括艰难梭菌、鲍曼不动杆菌和结核分枝杆菌。这种药物对他们所检测的每一种细菌都有效,但铜绿假单胞菌除外,铜绿假单胞菌是一种很难治疗的肺部病原体。
为了测试卤素在活体动物中的有效性,研究人员用它治疗感染鲍曼尼菌的老鼠,鲍曼尼菌感染了驻伊拉克和阿富汗的许多美军士兵。他们使用的鲍曼杆菌对所有已知的抗生素都有抗药性,但使用一种含有哈利辛的软膏在24小时内完全清除了感染。
初步研究表明,卤素通过破坏细菌在细胞膜上保持电化学梯度的能力来杀死细菌

Journal Reference:

  1. Jonathan M. Stokes, Kevin Yang, Kyle Swanson, Wengong Jin, Andres Cubillos-Ruiz, Nina M. Donghia, Craig R. MacNair, Shawn French, Lindsey A. Carfrae, Zohar Bloom-Ackerman, Victoria M. Tran, Anush Chiappino-Pepe, Ahmed H. Badran, Ian W. Andrews, Emma J. Chory, George M. Church, Eric D. Brown, Tommi S. Jaakkola, Regina Barzilay, James J. Collins. A Deep Learning Approach to Antibiotic DiscoveryCell, 2020; 180 (4): 688 DOI: 10.1016/j.cell.2020.01.021

 

文章和图片均来自互联网,如有版权要求请联系本站删除。

The articles and pictures are from the Internet. If you have copyright requirements, please contact us to delete .