一种名为AMP-Diffusion的新人工智能系统正在设计能够对抗耐药细菌的强大抗生素。
抗生素耐药性已成为全球健康最紧迫的威胁之一。曾经只需简单处方就能治疗的感染现在变得越来越难治愈，有时甚至无法治愈。医生警告称，如果没有新的解决方案，即使是常规手术也可能变得危险。科学家们正在竞相超越耐药细菌的增长速度，而宾夕法尼亚大学的一个研究团队相信，人工智能可能是我们一直在等待的突破。
他们将这个新系统命名为AMP-Diffusion，旨在生成抗菌肽——生物体自然用来对抗感染的小型蛋白质。这些肽通过比传统抗生素更难产生耐药性的机制消灭细菌。
研究表明，人工智能可用于设计全新的肽、筛选其安全性，甚至挑选出在动物实验中效力与美国食品药品监督管理局(FDA)批准药物相当的变体。
重新思考药物设计
药物发现通常是一个缓慢而昂贵的过程。科学家必须在庞大的化学库中筛选，寻找几个感兴趣的分子。确定一个值得在动物身上测试的候选药物可能需要数年时间。AMP-Diffusion完全改变了这一过程。
与反复试验不同，该系统使用一种称为扩散模型的人工智能。这些模型从随机"噪声"开始，逐步将其转换为有意义的内容——类似于从文本提示生成逼真照片的程序。在这种情况下，人工智能不是调整像素，而是重塑氨基酸序列，即蛋白质的构建模块。
领导这项研究的Marcelo D.T. Torres与同事César de la Fuente和Pranam Chatterjee解释说，研究人员在一个大型天然蛋白质数据库上训练了该模型。这为系统提供了真实蛋白质如何组合的"地图"。从这些数据中，它在计算机上生成了50,000种潜在的抗菌肽，与人类手动设计的数量相比，这是一个巨大的数字。
从50,000种设计到实际测试
当然，没有实验室能够测试成千上万的序列，因此研究人员使用了另一种名为APEX的人工智能工具对它们进行排名。APEX选择了最有希望的候选物，过滤掉与现有肽过于相似的候选物，并保留多样化的新设计组合。
随后，科学家合成了46种肽并在实验室中进行测试。结果令人惊讶：超过四分之三的肽显示出杀死细菌的能力，包括一些在医院中流行的最顽固的耐药类型。
"这些肽基本上会在细菌壁上打孔，"Chatterjee说。"它们使膜变得渗漏或破坏其电平衡，从而快速杀死细胞。"
更令人鼓舞的是，这些肽基本上不会伤害人类细胞。对红细胞和哺乳动物组织的测试显示毒性很小，表明这些肽在攻击时具有选择性。
动物模型中的证据
最有说服力的数据来自动物实验。科学家用细菌皮肤脓肿感染小鼠，并给它们注射AI设计的肽。结果与通常看到的多粘菌素B和左氧氟沙星等药物相当，这两种抗生素是医生在其他方法都失败后才会使用的。
重要的是，小鼠没有遭受任何治疗副作用。"看到我们AI生成的分子真正在活体生物中起作用令人兴奋，"Chatterjee说。"这表明生成式人工智能可以帮助对抗抗生素耐药性。"
传统抗生素通常针对单一细菌蛋白质或酶。细菌经常在这些蛋白质中产生突变，使药物失效。肽的攻击方式不同。它们破坏膜并为细菌提供更少的逃生路线。这也应该使耐药性更难轻易发展。
曾在非常规领域（从猛犸象蛋白质到动物毒液）寻找抗生素候选物的de la Fuente表示，大自然只提供这么多选择。"大自然的数据集是有限的；借助人工智能，我们可以设计出进化从未尝试过的抗生素，"他说。
这种方法可能会带来全新的药物类别，不受进化已经开发的限制。
实验室之间的合作
这项工作是两个具有互补专业知识的实验室之间的合作。de la Fuente的实验室一直在从天然蛋白质中寻找抗生素，而Chatterjee的实验室则致力于为传统药物设计难以对付的疾病设计治疗性肽。
"这是一个自然的契合，"Chatterjee说。"我们的实验室擅长使用人工智能创建新分子，而de la Fuente实验室则擅长识别有希望的抗生素候选物。"
通过结合这些优势，他们创建了一个管道，可以从计算机屏幕上的随机噪声到实验室中验证的药物候选物。
效率和可扩展性
这种方法最大的优势之一是速度。传统药物发现需要数年时间，但AMP-Diffusion可以在几天内生成数千个候选物并迅速缩小范围。实验室测试的肽中超过75%显示出活性，这说明了系统的有效性。化学库通常提供的命中率要低得多。
这种效率将节省数百万美元，并显著缩短将新型抗生素带入临床试验所需的时间。理论上，该系统也可以适应设计用于其他疾病的肽，包括癌症、自身免疫疾病甚至病毒感染。
面临的挑战
尽管结果积极，研究人员也迅速指出了困难。所使用的模型基于早期的扩散模型，效率不如更现代的模型。改用更现代的框架可能会使过程更快更精确。
然后是训练数据偏见的问题。公共肽数据库充斥着针对细菌的例子，但针对病毒、真菌或寄生虫的例子较少。这使得AMP-Diffusion目前更擅长设计抗菌肽。扩大和平衡训练集将是实现更普遍用途的关键。
然而，原理证明是强有力的：生成式人工智能可以创建不仅在计算机上看起来良好，而且在活体生物中起作用的肽。
研究的实际意义
如果得到完善和扩展，AMP-Diffusion可以将抗生素发现过程从数年缩短到几天。当全球抗生素耐药性不断增加时，这种速度至关重要。医院可能有一天能够获得由人工智能创建的全新药物类别，为医生在传统抗生素失效时提供更多选择。
除了对抗感染外，这种方法还可以应用于广泛的医学领域。同一系统可用于设计治疗癌症、代谢疾病甚至精神疾病的肽。通过超越大自然所提供的，科学家可能会打开进化未曾创造的药物的大门。
目前，AMP-Diffusion证明人工智能可以超越创建图像和文本，创造出可能拯救生命的药物。这一飞跃可能是人类和算法联手抗击曾经无法战胜的疾病的全新时代的开始。
研究结果在线发表在《Cell Biomaterials》期刊上。
【全文结束】
