Halicin:通过人工智能发现的对抗超级细菌的抗生素Halicin: The AI-Discovered Antibiotic That Fights Superbugs

AI与医疗健康 / 来源:www.news-medical.net美国 - 英语2025-09-05 22:01:30 - 阅读时长3分钟 - 1186字
本文详述了麻省理工学院通过人工智能重新发现的新型抗生素Halicin,其通过独特的质子动力破坏机制有效对抗多重耐药病原体,已证实对鲍曼不动杆菌、耐甲氧西林金黄色葡萄球菌、结核分枝杆菌和艰难梭菌具有杀菌效果,但存在对铜绿假单胞菌无效及药代动力学特性不理想等挑战,标志着人工智能在抗生素研发领域的突破性应用。
Halicin人工智能超级细菌抗生素抗菌素耐药性(AMR)作用机制细菌感染杀菌活性药物研发健康安全
Halicin:通过人工智能发现的对抗超级细菌的抗生素

引言

本文探讨了由人工智能识别出的强效抗生素候选药物Halicin的发现过程,这种抗生素具有独特的分子作用机制,能够绕过现有的抗菌素耐药性(AMR)问题。

什么是AMR?

抗菌素耐药性(AMR)指微生物对常用抗菌剂产生抵抗能力的现象。世界卫生组织数据显示,2019年细菌性AMR直接导致全球127万例死亡,并间接引发495万例死亡。新冠疫情加剧了这一危机,美国医院数据显示2019-2020年间耐药院内感染死亡率上升超15%。抗生素过度使用与研发平台技术瓶颈(如有限的化学类别和高昂的研发成本)共同导致当前AMR危机。人工智能的出现为药物发现流程革新带来突破,AI模型可快速分析海量化合物库,预测新型抗菌分子模式。

Halicin的特性

Halicin是麻省理工学院研究人员通过定制深度学习模型重新发现的广谱抗生素候选药物,其发现标志着首个通过端到端AI驱动方法开发的新型抗生素里程碑。该化合物原名SU-3327,最初作为糖尿病治疗药物靶向抑制JNK激酶,后因临床试验效果不佳终止开发,现被更名为Halicin以致敬《2001太空漫游》中的AI系统HAL 9000。

发现过程

研究团队使用2335种分子数据训练深度神经网络(DNN),重点筛选对大肠杆菌的抗菌活性。随后在包含6000种人体可用化合物的药物再利用库中进行虚拟筛选,识别出Halicin作为高分候选。这种AI方法通过数据驱动的学习模式,突破了传统药物发现中对已知化学骨架的依赖,使模型能识别出被人类化学家忽视的分子潜力。

作用机制

Halicin通过破坏细菌质子动力(PMF)的ΔpH组分发挥作用。PMF是细菌进行ATP合成、营养吸收、运动及应激反应的关键电化学梯度。Halicin与Fe³⁺形成复合物导致跨膜pH梯度瓦解,最终引发ATP耗竭和细胞死亡。这种作用机制相比传统抗生素更难诱发耐药性,因其靶向高度保守的生理过程。

对超级细菌的效力

临床前研究证实Halicin对多重耐药病原体具有强效杀菌活性,包括鲍曼不动杆菌、耐甲氧西林金黄色葡萄球菌(MRSA)、结核分枝杆菌和艰难梭菌。但对具有高致密外膜的铜绿假单胞菌无效,因膜通透性不足限制其摄取。

优势与挑战

Halicin的优势包括广谱活性、低诱导耐药性倾向及预临床显示的低急性毒性。但尚未进行人体临床试验,安全性和疗效待验证。预临床研究显示其生物利用度低且代谢迅速,限制系统性感染应用。90天大鼠研究显示高剂量可能引发肾毒性,小鼠急性口服LD₅₀为2018mg/kg。这些发现提示未来AI模型需优化对药物ADME特性(吸收、分布、代谢、排泄)的同步预测能力。

结论

Halicin的发现证明人工智能能显著改善现代抗生素研发的经济性。这种AI与感染病研究的融合,展现出深度神经网络识别新型抗菌分子的潜力,标志着抗微生物耐药领域的重大突破。

【全文结束】