麦克马斯特大学（加拿大）的一项新研究显示，名为SyntheMol-RL的新型人工智能模型能够生成结构新颖的抗生素候选物，这些候选物易于实验室开发且具备人体内溶解的可能性。
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模型，可显著加速药物研发进程——在早期测试中已成功设计出全新抗生素。这一发现展示了人工智能如何大幅提升当前抗菌药物研发的缓慢而昂贵过程，尤其当细菌等微生物持续进化出对现有药物的耐药性时。
该模型SyntheMol-RL经过训练可探索高达460亿种可能化合物的广阔化学空间——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"和50种化学合成反应，专门设计用于生成结构新颖的抗生素候选物。
该模型开发者、助理教授乔恩·斯托克斯（Jon Stokes）解释道："在实验室中，我们通过组合较小的化学片段构建化合物，这些片段可像分子乐高积木般拼接。SyntheMol-RL能以前所未有的速度重新组合这些片段，创造出基于其知识体系应具备抗菌特性的新型大分子化合物。"
作为迈克尔·G·德格鲁特传染病研究所（Michael G. DeGroote Institute for Infectious Disease Research）成员，斯托克斯指出：虽然生成式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仍需通过耗时昂贵的实验室测试才能评估。
"若新化学物质无法在体内溶解、对人体细胞有毒性或完成任务后无法代谢排出，其抗菌特性便毫无意义，"他解释道，"漂白剂和火焰都具有抗菌性，但显然不符合其他要求。优质药物候选物必须满足多项标准，否则永远无法成为真正的药品。"
此前版本的SyntheMol仅设计具备抗菌活性的分子，未考虑其他关键特性。但过去两年间，斯托克斯团队与斯坦福大学（美国加州）合作者改进了模型，使其生成的抗菌化合物不仅易于实验室开发，更具备人体内溶解的可能性。
该模型首席开发者、研究生加里·刘（Gary Liu）表示："抗菌化合物与水溶性化合物间存在显著矛盾。先前研究中，通常在生成后筛选兼具两种特性的化合物，导致有效候选物大幅减少。我们将溶解性直接整合到生成过程中，使模型能高效设计更具临床前景的抗生素候选物。"
在最新研究中，斯托克斯团队要求模型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，迅速获得多个有效结果。从79种模型推荐的抗菌剂中，研究团队聚焦于一种特别有前景的化合物：新型水溶性物质，其对金黄色葡萄球菌可能具有抗生素活性。
这种由计算机设计的药物候选物被命名为"合成菌素"（synthecin），在实验室中被配制成外用乳膏，并在小鼠模型的耐药性伤口感染中进行测试。
负责湿实验部分的研究生丹妮丝·卡塔库坦（Denise Catacutan）表示："合成菌素在控制感染方面效果显著。作为外用药物表现极佳，且初步显示未来可优化用于全身性治疗的潜力。"
尽管研究凸显了合成菌素的潜力，团队尚未明确该药物抑制细菌的具体机制——斯托克斯强调，这是确定其安全性及最终临床应用可能性的关键步骤。目前团队正积极开展这些关键的"作用机制"研究。
无论研究结果如何，团队认为合成菌素的发现验证了AI模型能快速生成高潜力药物候选物，将药物研发重心从寻找可行化合物转向设计与优化。
斯托克斯总结道："我们用该模型设计新抗生素，但它能力远不止于此。"作为马尼克斯·E·希尔西克生物医学创新与创业学院（Marnix E. Heersink School of Biomedical Innovation and Entrepreneurship）教员及NexusHealth执行成员，他补充道："我们将其设计为疾病无关模型，这意味着它同样可为糖尿病、癌症或其他适应症生成新型药物候选物。"
斯托克斯实验室将持续改进SyntheMol，预计今年晚些时候将推出更强大的版本。
本研究来源：Swanson K, Liu G, Catacutan DB 等. SyntheMol-RL: 一种用于设计易合成抗生素的灵活强化学习框架. Mol. Syst. Biol. doi: 10.1038/s44320-026-00206-9 (2026) (在线首发).
【全文结束】