麦克马斯特大学的研究人员开发出一种新型生成式人工智能（AI）模型，该模型能够极大加速药物研发进程——在早期测试中，它已成功设计出一种全新的抗生素。
这项发现展示了AI如何显著改善当前缓慢且昂贵的新型抗菌药物搜寻过程。随着细菌及其他微生物持续进化出对现有药物的耐药性，此类技术突破显得尤为重要。
该名为SyntheMol-RL的新模型，经过训练可探索高达460亿种可能化合物的广阔化学空间——这远超实验室实际测试能力（大规模筛选通常仅限约百万级分子）。该模型基于约15万个分子"构建模块"及50种化学合成反应，专门用于生成结构新颖的抗生素候选物。
"在实验室中，我们可以使用较小的化学片段构建化合物，这些片段能像分子乐高积木般组合。"开发该模型的庄斯顿助理教授解释道，"SyntheMol-RL能以前所未有的速度重新配置这些片段，创造新的大型化合物。根据其知识库，这些化合物应具备抗菌特性。"
作为迈克尔·G·德格鲁特传染病研究所成员，庄斯顿指出：尽管生成式AI在设计新型抗生素候选物方面日益高效，但决定药物临床可行性的关键特性（如溶解性、毒性等）仍需通过耗时且昂贵的实验室测试来验证。
"如果新化学物质在体内无法溶解、对人体细胞有毒或代谢后无法排出，即便它在实验室表现出抗菌性也毫无意义，"他阐释道，"漂白剂和火焰都具有抗菌性，但显然不符合其他必要条件。优质候选药物必须同时满足多重标准，否则永远无法成为真正药物。"
早前的SyntheMol版本仅设计具有抗菌活性的分子，未考虑其他关键特性。但过去两年间，庄斯顿团队与斯坦福大学合作者共同优化该模型，确保其生成的抗菌化合物既易于实验室制备又具备人体水溶性。
"抗菌化合物与水溶性化合物之间存在显著矛盾，"庄斯顿实验室的博士生、该模型首席开发者刘冠希表示，"先前研究中，我们常需在生成后筛选兼具抗菌性和水溶性的化合物，导致有效候选物大幅减少。现在我们将水溶性直接纳入生成流程，使模型能高效设计出更具临床潜力的抗生素。"
在4月23日发表于《分子系统生物学》6月刊封面的新研究中，团队对该增强模型进行了验证。任务要求其生成可治疗金黄色葡萄球菌（俗称"葡萄球菌感染"）的水溶性抗生素，模型迅速输出多个有效结果。
研究团队从79种模型提出的抗菌剂中，锁定一种新型水溶性化合物——该物质对金黄色葡萄球菌表现出显著的抗生素活性。
这种由计算机设计的新型候选药物被命名为新泰欣（synthecin）。实验室将其配制成外用乳膏后，在耐药性伤口感染的小鼠模型上进行测试。
"新泰欣对控制感染效果显著，"主导湿实验室研究的庄斯顿实验室研究生丹妮丝·卡塔库坦表示，"作为外用药物效果极佳，且初步显示未来可优化用于全身性治疗的潜力。"
尽管新泰欣前景广阔，团队尚未明确其抑制细菌的具体机制——庄斯顿强调，这是确定药物安全性及临床转化可能性的关键步骤。目前该团队正积极展开"作用机制"研究。
无论后续研究结果如何，该团队认为新泰欣的发现证实：其AI模型能快速生成高潜力药物候选物，将药物研发重心从筛选有效化合物转向智能设计与优化。
"这种转变不仅对抗生素研发意义重大，对整个生物化学领域都至关重要，"作为生物医学创新与创业马尼克斯·E·赫辛克学院教员及NexusHealth执行成员的庄斯顿补充道，"我们虽用该模型设计新抗生素，但其能力远不止于此。它被设计为疾病无关型工具，同样可生成糖尿病、癌症等疾病的新型候选药物。"
庄斯顿实验室正持续优化SyntheMol模型，预计更强大的升级版本将于今年晚些时候推出。
【全文结束】
