每日最新頭條.有趣資訊

重磅!AI發現超級抗生素,能乾掉多種致病細菌,從1.07億分子篩出

智東西(公眾號:zhidxcom)

編 | 心緣

AI再次展現出非凡的醫藥研發價值!

智東西2月21日消息,剛剛,由麻省理工學院合成生物專家吉姆·柯林斯(Jim Collins)領導的研究團隊研發一種開創性的機器學習方法,登上全球自然科學研究領域最著名期刊之一《細胞(Cell)》2月20日的封面

該方法首次在沒有使用人類任何先前假設的情況下,短短幾天內從超過1億個分子的庫中篩選出強大的新型抗生素。其中一種抗生素可殺死多種世界上最麻煩的致病細菌,包括結核病和被認為無法治愈的菌株。

賓夕法尼亞州匹茲堡大學的計算生物學家雅各布·杜蘭特(Jacob Durrant)認為,這一研究非常出色,研究小組不僅確定了候選基因,而且在動物實驗中驗證了很有前景的分子。

此外,該方法還可以應用於治療癌症、神經衰退性疾病等其他類型的藥物。

如果類似AI研究方法能應用於抗病毒藥物的研發,想必意義將更大。

論文地址:https://www.cell.com/action/showPdf?pii=S0092-8674%2820%2930102-1

一、每年千萬人將因無有效抗生素而喪命

自發現青霉素以來,抗生素已成為現代醫學的基石。然而在全球範圍內,細菌對抗生素的耐藥性正在急劇上升。

去年5月,英國時任首席醫療官薩利·戴維斯(Sally Davies)發出嚴厲警告:如果不采取任何抗微生物耐藥性措施,預計到2050年,全世界每年將有1000萬人喪生。

不幸的是,過去幾十年中,發現新抗生素越來越困難,大多數新批準的抗生素都是現有藥物的各種變體。

當前用於篩選新抗生素的方法通常成本高得驚人,需要投入大量時間,還往往局限在化學多樣性的狹窄範圍。

“人們不斷地發現相同的分子。” 柯林斯說:“我們需要具有新作用機制的新型化學物質。”

為了尋找新抗生素,柯林斯及其團隊研發了一種深度神經網絡模型,可逐個原子地學習分子的結構特性。

二、無任何先驗標記,用AI篩查出超級抗生素

研究人員們使用一個抗菌活性已知的2335個分子集合來訓練其深度神經網絡,以發現抑製大腸杆菌生長的抗生素分子。

該分子集合中包括約300種已批準的抗生素,以及800種來自植物、動物和微生物來源的天然產物庫。

這項研究的合著者、麻省理工學院AI研究人員瑞吉娜·巴爾齊萊(Regina Barzilay)表示,該算法無需對藥物的工作原理和化學基團進行任何標記,就可以預測分子功能。“因此,該模型可以學習人類專家未知的新模式。”

對該模型進行訓練後,研究人員使用它篩選了一個名為“藥物再利用中心”的庫,這個庫包含約6000個用於人類疾病研究的分子。

他們讓模型去預測哪種分子能有效抑製大腸杆菌,並僅向他們展示看起來與常規抗生素不同的分子。

從產生的結果中,研究人員選擇了大約100個進行物理測試的候選分子。通過這種方法,研究人員找到了一種正在研究用於糖尿病治療的分子,已經被證明是一種有效的抗生素。

參考電影《2001:太空漫遊》中虛擬人工智能系統HAL的名字,研究人員將這個分子命名為halicin。

在小鼠試驗中,該分子對多種病原體顯示出抑製生長的特性,包括艱難梭菌菌株、鮑曼不動杆菌和結核分枝杆菌,它們都具有“泛耐藥性”,並且迫切需要新的抗生素

值得注意的是,世界衛生組織已將鮑曼不動杆菌定為最需要優先處理新抗生素的病原體之一。

鮑曼不動杆菌菌株已感染了駐扎在伊拉克和阿富汗的許多美國士兵。此前它對所有已知的抗生素均有抗藥性,僅有含鹽蛋白的藥膏能在24小時內完全清除感染。

三、破壞細菌抗藥性,且對人體低毒

抗生素通過多種機制起作用,如阻斷細胞壁生物合成、DNA修複或蛋白質合成中涉及的酶。

但是鹽蛋白的機制是非常規的:它破壞了質子在細胞膜上的流動。

初步研究表明,halicin通過破壞細菌在細胞膜上維持電化學梯度的能力來殺死細菌。

除其他功能外,此梯度對於產生ATP(細胞用來存儲能量的分子)是必不可少的,因此,如果梯度破裂,細胞將死亡。研究人員說,這種殺傷機制可能會使細菌難以產生抗藥性。

該論文的第一作者、麻省理工學院博士後喬納森·斯托克斯(Jonathan Stokes)表示:“當你處理可能與膜成分相關的分子時,細胞不一定必須獲得單個突變或幾個突變來改變外膜的化學性質。這樣的突變趨於更加複雜,難以進化。”

在最初的動物試驗中,這個分子似乎還具有較低的毒性,並且具有很強的抵抗力

柯林斯說,在實驗中,對其他抗生素化合物的抗藥性通常會在幾天內出現。“但是即使經過30天的此類測試,我們仍未發現對halicin有任何抗藥性。”

以抗生素環丙沙星對比,細菌在1-3天內開始對抗生素環丙沙星產生抗藥性,30天后,細菌對環丙沙星的抗藥性是實驗開始時的200倍。

在鑒定halicin後,研究小組還從擁有約15億化合物的ZINC15數據庫中篩選了超過1.07億個分子的結構。僅用三天,就從23組候選名單中,物理測試確定了8種具有抗菌活性的分子,它們的結構均不同於已知抗生素。

其中兩種分子顯示出強大的廣譜活性,就是說能有效抑製多種病原體,甚至可以克服大腸杆菌中一系列的抗生素抗性決定簇。

研究人員現在計劃進一步測試這些分子,並篩選更多ZINC15數據庫。

匹茲堡卡內基梅隆大學的一位計算生物學家鮑勃·墨菲(Bob Murphy)認為:“這項研究為使用計算方法發現和預測潛在藥物特性增添了一個很好的例子”。

他指出,AI方法先前已被用在挖掘基因和代謝物的海量數據庫,來識別可能包含新型抗生素的分子類型。

但是柯林斯和他的團隊表示,他們的方法是不同的,他們不是在搜索特定的結構或分子類別,而是在訓練自己的網絡去尋找具有特定活性的分子。

該研究團隊現在希望與製藥公司或非營利組織合作,進一步研究halicin,以期用於臨床試驗。

他們還希望拓寬發現更多新抗生素的方法,使用他們的模型來設計新抗生素並優化現有分子。

例如,他們可以訓練模型以添加使特定抗生素僅針對某些細菌的功能,從而防止其殺死患者消化道中的有益細菌。

巴爾齊萊說,他們的最新工作是概念驗證。“這項研究將所有內容放在一起,並展示了它可以做什麽。”

結語:AI在抗生素早篩中或產生重大影響

這項研究既提高了化合物鑒定的準確性,又降低了篩選工作的成本,突出了機器學習技術在早期抗生素發現工作中可能發揮的重要作用。

以色列理工學院的生物學和計算機科學教授羅伊·基肖尼(Roy Kishony)表示:“這項開創性的研究,標誌著抗生素發現乃至更普遍的藥物發現發生了範式轉變。”

在他看來,這種方法還將允許深度學習技術應用於抗生素開發的所有階段,從發現到通過藥物修飾和藥物化學改善功效和毒性。

原文來自:Nature,Cell,MIT News

獲得更多的PTT最新消息
按讚加入粉絲團