全球每年有近 500 萬人死于抗生素耐藥性，因此迫切需要新的方法來對抗耐藥菌株。
斯坦福大學醫(yī)學院和麥克馬斯特大學的研究人員正在利用生成人工智能來解決這個問題。一種名為 SyntheMol(用于合成分子)的新模型為六種新型藥物創(chuàng)建了結(jié)構和化學配方，旨在殺死鮑曼不動桿菌的耐藥菌株，鮑曼不動桿菌是導致抗菌藥物耐藥性相關死亡的主要病原體之一。
研究人員在3 月 22 日發(fā)表在《自然機器智能》雜志上的一項研究中描述了他們對這些新化合物的模型和實驗驗證。
“快速開發(fā)新抗生素對公共衛(wèi)生有巨大的需求，”生物醫(yī)學數(shù)據(jù)科學副教授、該研究的共同高級作者 James Zou 博士說。 “我們的假設是，有很多潛在的分子可以成為有效的藥物，但我們還沒有制造或測試它們。這就是為什么我們想使用人工智能來設計自然界中從未見過的全新分子”。
在生成人工智能(ChatGPT 等大型語言模型的基礎相同類型的人工智能技術)出現(xiàn)之前，研究人員采用了不同的計算方法來開發(fā)抗生素。他們使用算法滾動瀏覽現(xiàn)有的藥物庫，識別出那些最有可能對抗特定病原體的化合物。
這項技術篩選了 1 億種已知化合物，取得了一定的成果，但在尋找所有可能具有抗菌特性的化合物方面只觸及了表面。
“化學空間是巨大的，”斯坦福大學計算科學博士生、該研究的共同主要作者凱爾·斯旺森(Kyle Swanson)說。 “人們估計有接近 1060 種可能的類藥物分子。因此，1 億遠不足以覆蓋整個空間。”
藥物開發(fā)的幻覺
生成式人工智能傾向于“產(chǎn)生幻覺”，或者憑空做出反應，這在藥物發(fā)現(xiàn)方面可能是一個福音，但之前用這種人工智能生成新藥的嘗試導致了不可能制造的化合物現(xiàn)實世界，斯旺森說。研究人員需要在 SyntheMol 的活動周圍設置護欄，即確保模型設想的任何分子都可以在實驗室中合成。
標簽：
免責聲明：本文由用戶上傳，如有侵權請聯(lián)系刪除！