NatureBiomedicalEngineering：人工智能創造了新抗生素

　　德克薩斯大學的研究人員利用人工智能開發了一種更安全、更有效的抗生素，這種抗生素在動物試驗中表現出了希望。這種新方法可以加速抗生素耐藥細菌感染治療方法的發明。

　　一個類似于ChatGPT的人工智能的大型語言模型，已經被用來開發一種曾經對人類有毒的殺菌藥物。

　　為了滿足對更安全、更有效抗生素的需求，德克薩斯大學奧斯汀分校(University of Texas at Austin)的研究人員利用人工智能創造了一種新藥，這種藥物已經在動物試驗中表現出了希望。

　　科學家們在《Nature Biomedical Engineering》雜志上發表了他們的研究結果，他們描述了使用一種大型語言模型——一種像ChatGPT一樣的人工智能工具——來設計一種以前對人類有毒的殺菌藥物，這樣它就可以安全使用了。

　　近年來，隨著耐抗生素菌株的傳播和新治療方案的發展停滯，危險細菌感染患者的預后惡化。然而，德克薩斯大學的研究人員表示，人工智能工具正在改變游戲規則。

　　“我們發現，大型語言模型是機器學習在蛋白質和肽工程中的應用向前邁出的重要一步，”綜合生物學、統計學和數據科學教授Claus Wilke說，他是這篇新論文的共同資深作者。“許多用以前的方法不可行的用例現在開始起作用了。我預見，這些和類似的方法將被廣泛用于未來的治療方法或藥物開發。”

　　人工智能在藥物開發中的應用

　　大型語言模型(llm)最初設計用于生成和探索文本序列，但科學家們正在尋找將這些模型應用于其他領域的創造性方法。例如，就像句子是由單詞序列組成一樣，蛋白質是由氨基酸序列組成的。llm將具有共同屬性的單詞(如cat、dog和hamster)聚在一起，形成數千維的“嵌入空間”。同樣，具有類似功能的蛋白質，比如能夠在不傷害細菌宿主的情況下擊退危險細菌的能力，可能會聚集在它們自己的人工智能嵌入空間中。

　　“包含所有分子的空間是巨大的，”這篇新論文的共同資深作者Davies說。“機器學習使我們能夠找到具有我們感興趣的特性的化學空間區域，并且它可以比標準的一次性實驗室方法更快、更徹底地完成任務。”

　　在這個項目中，研究人員使用人工智能來確定重新設計現有抗生素Protegrin-1的方法，這種抗生素可以殺死細菌，但對人體有毒。Protegrin-1是豬自然產生的對抗感染的物質，是一種被稱為抗菌肽(AMPs)的抗生素的一部分。抗菌肽通常通過破壞細胞膜直接殺死細菌，但許多抗菌肽同時針對細菌和人類細胞膜。

　　用人工智能創新更安全的抗生素

　　首先，研究人員使用了他們之前開發的一種高通量方法，創建了7000多種Protegrin-1變體，并快速確定了AMP中可以在不失去其抗生素活性的情況下進行修飾的區域。

　　接下來，他們根據這些結果訓練了一個蛋白質LLM，這樣模型就可以評估三個特征的數百萬種可能的變化:選擇性地靶向細菌膜，有效地殺死細菌，不傷害人類紅細胞，以找到所有這三個特征的最佳點。然后，該模型幫助團隊開發出更安全、更有效的Protegrin-1版本，他們將其命名為細菌選擇性Protegrin-1.2 (bsPG-1.2)。

　　與未治療的小鼠相比，感染多重耐藥細菌并接受bsPG-1.2治療的小鼠在感染后6小時內器官中可檢測到細菌的可能性要小得多。如果進一步的測試提供類似的積極結果，研究人員希望最終將這種人工智能抗生素藥物的一種版本用于人體試驗。

　　“機器學習的影響是雙重的，”Davies說。“它將指出可能有潛力幫助人們的新分子，它將向我們展示如何利用現有的抗生素分子，使它們更好，并集中我們的工作，更快地將它們用于臨床實踐。”

　　參考文獻

　　Deep mutational scanning and machine learning for the analysis of antimicrobial-peptide features driving membrane selectivity