麻省理工學院利用生成式人工智慧開發兩種針對抗藥性淋病和抗甲氧西林金黃色葡萄球菌的新型抗生素

麻省理工學院 （麻省理工學院）研究人員利用人工智慧開發了兩種對抗抗藥性淋病和 MRSA 的新型抗生素，可能為對抗每年造成數百萬人死亡的感染提供新的策略。 

該團隊利用生成式人工智慧演算法，創建了超過36萬種潛在化合物，並透過計算篩選其抗菌活性。最有前景的候選化合物與現有抗生素相比結構獨特，似乎透過破壞細菌細胞膜的全新機制發揮作用。這種方法能夠產生和評估全新的化合物，研究人員計劃將此方法擴展到 設計抗生素 針對其他細菌種類。 

過去45年來批准的大多數新抗生素都是現有藥物的變種，而細菌抗藥性持續上升，每年造成近5萬人死亡。 

為了解決這個問題，麻省理工學院的「抗生素人工智慧」計畫利用人工智慧探索現有化合物和全新的假設分子。團隊利用經過訓練以預測抗菌活性的機器學習模型，首先篩選了數百萬個化學片段，排除了那些可能具有毒性或與現有抗生素相似的片段。 

然後他們應用了兩種生成 AI算法 ：CReM，透過添加、替換或刪除原子和基團來修飾分子；F-VAE，基於學習到的化學模式，從片段建立完整的分子。這個由人工智慧驅動的過程產生了大約7萬個候選分子，並透過計算篩選，以確定它們對抗淋病奈瑟菌的活性。 

從中，大約有 1,000 種化合物入圍，其中 80 種化合物可進行合成，而一種化合物 NG1 在實驗室和小鼠研究中透過針對細菌膜合成中至關重要的蛋白質表現出對抗抗藥性淋病奈瑟菌的強大活性，代表了一種新的作用機制。

第二輪研究利用生成式人工智慧探索新型化學空間

在後續研究中，研究人員利用生成式人工智慧設計了針對革蘭氏陽性菌金黃色葡萄球菌的全新分子。利用 CReM 和 F-VAE 演算法，該團隊讓人工智慧產生不受片段約束的化合物，僅遵循原子組合化學規則。 

這種人工智慧驅動的方法產生了超過29萬個候選分子。隨後，團隊應用計算過濾器，剔除預測有毒、不穩定或與現有抗生素相似的化合物，將候選化合物庫縮減至約90個可行的候選化合物。 

在22個可合成並測試的分子中，有1個在實驗室檢測中表現出對多重抗藥性金黃色葡萄球菌的強效抗菌活性。其中的先導化合物DNXNUMX成功清除了小鼠模型中的抗甲氧西林金黃色葡萄球菌皮膚感染。 

人工智慧能夠自主探索廣闊的化學空間，從而發現具有新機制的分子，廣泛地破壞細菌細胞膜，而不是針對單一蛋白質。 

Phare Bio 是抗生素-AI計畫的非營利合作夥伴，目前正在優化 NG1 和 DN1，以進行進一步的臨床前研究。研究團隊打算將這些人工智慧驅動的設計平台應用於其他病原體，包括結核分枝桿菌和銅綠假單胞菌。

儘管細菌抗藥性繼續超過現有治療方法，但研究表明，人工智慧可以探索以前未知的化學領域，為抗生素開發從被動反應轉變為策略性主動設計提供了機會。