阿姆娜·纳瓦兹：耐药性感染是全球重大的公共卫生威胁，每年导致超过100万人死亡。因此，科学家们一直在不断尝试寻找和开发新的抗生素。迈尔斯·奥布莱恩报道了研究人员如何表示人工智能正在帮助加速他们的搜索。
迈尔斯·奥布莱恩：这里是挽救现代医学摇摇欲坠基础的生物学军备竞赛最前线——抗生素。它们使手术变得常规化，保护癌症患者，并将曾经致命的感染转变为微不足道的不便。
男子：首先我们来看看淋病。
迈尔斯·奥布莱恩：青霉素的发现改变了一切，尤其是对性传播疾病的治疗。
男子：这对私人医生、诊所，当然还有患者来说都是巨大的福音。
迈尔斯·奥布莱恩：但成功伴随着一个致命的悖论。
麻省总医院临床微生物学家梅丽丝·阿纳塔尔博士：我们越是部署这种救命药物，从长远来看它们的效果就越差。
迈尔斯·奥布莱恩：梅丽丝·阿纳塔尔是麻省总医院的临床微生物学家。
阿纳塔尔博士：这与其他任何药物都不同，当我们使用抗生素时，我们从定义上就在失去它们，因为我们与细菌处于一场持续的竞赛中，细菌可以在实时进化出对抗我们抗生素的耐药性。
迈尔斯·奥布莱恩：细菌通过简单的进化过程对抗生素产生耐药性。在任何感染中，都有数百万细菌，其中一些具有帮助它们在药物中存活的突变。当使用抗生素时，它们杀死易感细菌，但耐药细菌存活、繁殖并传播。随着时间推移，这些耐药菌株成为主导，使药物效果降低甚至完全失效。这有点像一场永无止境的战争。
阿纳塔尔博士：确实如此。
迈尔斯·奥布莱恩：这些微生物——它们不会放弃。
阿纳塔尔博士：它们不会放弃。
迈尔斯·奥布莱恩：但她和她在麻省理工学院和哈佛大学Broad研究所的同事们也不会放弃。传统上，为了寻找和测试新抗生素，研究人员会从深冻化合物库中收集一些分子，然后逐一将它们应用于病原体，看哪些可以抑制其生长或直接杀死它。生物医学工程师吉姆·柯林斯负责运行这个实验室。
吉姆·柯林斯：这是一个费力的过程。这非常像是在昂贵的干草堆中寻找一根针。
迈尔斯·奥布莱恩：他们找到有希望分子的几率不到1%。这时人工智能出现了。柯林斯和他的团队训练了一个深度神经网络来分析分子的化学结构。
吉姆·柯林斯：一点一点地，一个亚结构接一个亚结构，就像我们高中化学课上记忆的那些球棒模型一样，可以将这些属性与是否具有抗菌性关联起来。现在，已经训练出一个模型，你可以输入一个新的化合物结构，这些球和棒，模型就能计算出这是否可能成为一种好的抗生素。
迈尔斯·奥布莱恩：他们将人工智能应用于Broad研究所的6000个化合物库，寻找有效的、对人类细胞无毒且尚未被发现的抗生素分子。
吉姆·柯林斯：在6000个化合物中，只有一个分子满足所有三个标准，我们称之为halicin。而halicin最终成为一种非常有效的新型抗生素，它通过一种新的作用机制杀死多重耐药、广泛耐药和完全耐药的细菌。
迈尔斯·奥布莱恩：然后他们部署人工智能和计算能力，虚拟生成并筛选700亿个理论分子，测试它们可能的行为。在这种情况下，人工智能正在做计算化学家安德烈亚斯·卢滕斯凭直觉做的事情——立即看出基于球棒排列方式，哪些分子可能对病原体有效。
计算化学家安德烈亚斯·卢滕斯：我通常使用一个桶系统或评分系统。比如，有我非常喜欢的东西，有我讨厌的东西。不，不，不，不，不，也许，不。
迈尔斯·奥布莱恩：这就像小分子Tinder。你有点右滑，对吧？
安德烈亚斯·卢滕斯：是的。是的，正是如此。
迈尔斯·奥布莱恩：是的。
安德烈亚斯·卢滕斯：这就像一个分子约会应用程序。你试图找到你喜欢的化合物，你可以在选择过程中非常快速地进行。
（笑声）
迈尔斯·奥布莱恩：他可能很快，但他无法匹敌机器的规模和持久性。
安德烈亚斯·卢滕斯：取决于我喝了多少咖啡，我能保持清醒多久，但它最终会胜过我。
迈尔斯·奥布莱恩：这让我们回到梅丽丝·阿纳塔尔和她专注于的病原体——淋病奈瑟菌。
那就是淋病奈瑟菌，对吧？
阿纳塔尔博士：这就是淋病奈瑟菌。
迈尔斯·奥布莱恩：哇。看起来很可怕。
阿纳塔尔博士：所以你看到这些小菌落，灰灰色的。
迈尔斯·奥布莱恩：是的。
未经治疗，这种性传播疾病会升级为严重的、有时是不可逆的健康问题。这种细菌对几乎所有药物都产生耐药性，大约每五年就能识破新药。目前处方的抗生素头孢曲松的有效性正在接近尾声。找到新的、有效的药物是一个紧迫的问题。人工智能系统从这个庞大宇宙中筛选了4500万个化学片段。最有希望的化学种子被用来生成另外700万个候选物。
经过严格的筛选，这两种新化合物被合成并在实验室中针对真实细菌进行测试。
阿纳塔尔博士：它真的能在体外杀死细菌吗？它是否不会伤害人类细胞？粉色表示有细菌生长，蓝色表示生长被抑制。所以我们希望看到很多蓝色。
迈尔斯·奥布莱恩：这看起来像是一记本垒打。
阿纳塔尔博士：所以这个看起来不错。这个不太成功。
迈尔斯·奥布莱恩：哦，不太理想，是的。
最终，有一种新型化合物能够杀死耐药性淋病，而不会对人类细胞造成严重伤害。
阿纳塔尔博士：我们不仅能发现这些抗菌化合物，而且它们实际上正在抑制新的靶点。这是从头创建的，基于它从现有小分子和药物中学到的知识。
迈尔斯·奥布莱恩：在全球范围内，耐药性感染每年导致超过100万人死亡。如果情况不变，专家预测到2050年，这一数字将增加50%。
所以，目前耐药性的发展速度是否比研究应对它的速度更快？
吉姆·柯林斯：耐药性的发展速度一直比正在进行的研究和开发更快。但我相信，人工智能的这一注入现在已经改变了游戏规则。我们现在拥有的工具极大地扩展了我们发现和设计新抗生素的能力。
迈尔斯·奥布莱恩：这不会提高人体临床试验的速度，也不应该。它也没有激励大型制药公司生产新的抗生素，因为这些抗生素不会产生巨大利润。
但人工智能可能是开始重新充实已经枯竭的关键管线的一种方式。
为"PBS新闻时刻"报道，我是马萨诸塞州剑桥市的迈尔斯·奥布莱恩。
【全文结束】
