麻省理工學院、麻省理工學院和哈佛大學布羅德研究所（Broad Institute of MIT and Harvard）、整合生物科學公司（Integrated Biosciences）、維斯生物啟發工程研究所（Wyss Institute for Biologically Inspired Engineering）和萊布尼茨聚合物研究所（Leibniz Institute of Polymer Research）的研究人員發現了一類結構新穎的抗生素。這是過去60年首次發現的一類新抗生素，也是首次利用圍繞著可解釋深度學習構建的人工智慧驅動平台發現的一類新抗生素。

這篇經同行評審的論文發表在今天（12月20日）的《自然》（Nature）雜誌上，題為”利用可解釋深度學習發現一類結構性抗生素”（Discovery of a structural class of antibiotics with explainable deep learning），該論文由一個由21名研究人員組成的團隊共同撰寫，Integrated Biosciences的聯合創始人Felix Wong博士和麻省理工學院醫學工程與科學Termeer教授、Integrated Biosciences科學顧問委員會創始主席James J . Collins博士是團隊的領導者。

其他合作者包括麻省理工學院（MIT）、麻省理工學院和哈佛大學布羅德研究所（Broad Institute of MIT and Harvard）、威斯生物工程研究所（Wyss Institute for Biologically Inspired Engineering）和德國德累斯頓萊布尼茲聚合物研究所（Leibniz Institute of Polymer Research in Dresden）的研究人員。

在研究中，研究人員虛擬篩選了1,200多萬種候選化合物，以確定這一類新型抗生素，它們顯示出解決抗生素抗藥性問題的潛力。

在這項開創性方法中，研究團隊在實驗產生的數據上訓練了深度學習模型，以預測任何化合物的抗生素活性和毒性。作者從DeepMind 的AlphaGo 博弈技術等其他領域使用的人工智慧中汲取靈感，設計了新的模型來解釋分子的哪些部分對抗生素活性很重要。

結果發現了一類新的抗生素，對多重抗藥性病原體具有強效活性。在一系列實驗中，研究人員在MRSA感染的小鼠模型中測試了一種候選抗生素，發現它在局部和全身都有療效，這表明該化合物適合進一步開發，作為治療嚴重和敗血症相關細菌感染的藥物。

“這一類新型抗生素的發現是一項突破性成果，表明人工智慧和可解釋深度學習具有催化藥物發現的獨特能力，」Wong博士說。”我們的工作公開了幾個高能量模型，可以準確預測抗生素的活性和毒性。重要的是，這是深度學習模型能夠解釋其預測結果的首次展示之一，對如何進行藥物發現以及如何利用人工智慧有效率地發現新藥有直接而深遠的影響。”

Collins博士說：”這是一次重要的驗證，證明了人工智慧與可解釋深度學習的整合對於克服醫學界一些最棘手的挑戰（這裡指的是抗生素抗藥性）是多麼重要。在這些驗證性在研究和類似方法的基礎上，Integrated Biosciences 團隊準備進一步加快合成生物學與細胞壓力反應深度理解的整合，以滿足針對老年相關疾病的新療法的重大未滿足需求。”

Integrated Biosciences 的創始成員兼衰老生物學負責人Satotaka Omori 博士是這篇論文的特約作者之一，他說：”這項研究的一個重要意義在於，藥物發現中的深度學習模型可以，而且在很多情況下方應該是可解釋的。雖然人工智慧不斷產生影響，但它也受到了許多黑盒模型的限制，這些黑盒模型被普遍使用，混淆了底層決策過程。透過打開這些黑箱，我們的目標是創造更多可推廣的見解，這些見解可能更有助於加快新一代藥物發現方法的使用和開發。”

Integrated Biosciences 的助理研究員、該刊物的特約作者Alicia Li 補充說：”看到我們能夠展示一種新方法來預測一種化合物作為抗生素的作用、該化合物在第一階段試驗中取得進展的可能性，以及該化合物是否是一類新型藥物中潛在的許多其他成員之一，這確實令人興奮。”

Integrated Biosciences 已經建立了一套研究體系，除了這篇新發表的《自然》論文外，還包括5 月發表的一篇《自然-衰老》論文，該論文展示瞭如何利用人工智慧發現新型衰老劑，即選擇性消除衰老”殭屍”細胞的抗衰老化合物。這些化合物有望治療與老化有關的疾病，如纖維化、發炎和癌症。

七月發表的《細胞系統》（Cell Systems）論文展示了一個基於合成生物學的平台，該平台允許人類控制衰老相關的壓力反應，從而加快了針對衰老的藥物篩選。

參考文獻：《用可解釋的深度學習發現一類抗生素結構》，2023 年12 月20 日，《自然》。

DOI: 10.1038/s41586-023-06887-8

編譯來源：ScitechDaily