共计 810 个字符，预计需要花费 3 分钟才能阅读完成。
随着抗菌素耐药性问题日益严峻，人工智能（AI）技术正在加速下一代抗生素的研发进程。AI 能在几分钟内设计出数千种具有潜在抗菌特性的化合物，但这一创新技术仍面临诸多挑战。
美国疾病控制中心的最新报告显示，2019 年至 2023 年间，危险细菌感染率激增了 69%。其中，肠杆菌科细菌（被称为“噩梦细菌”）对现有抗生素表现出极强的耐药性。全球每年有 110 万人的死亡与细菌耐药性有关。
费城宾夕法尼亚大学的机器生物学家 César de la Fuente 指出，传统的抗生素发现方法需要在自然界中筛选泥土以寻找抗菌化合物，这一过程耗时且效率低下。而使用 AI 技术，从发现候选药物到实验室测试的整个过程可以在短短一两周内完成。
然而，大多数 AI 设计的抗生素仍处于早期开发阶段，尚未进入人体测试。
AI 如何设计药物？机器学习和生成式 AI（genAI）正在加速这一进程。De la Fuente 的团队通过向机器学习算法展示能够伤害细菌和不能伤害细菌的化合物来训练 AI。AI 通过分析动物、植物和细菌的蛋白质组，设计出具有抗菌特性的蛋白质片段。
生成式 AI 算法则在相同数据的基础上，创造全新的化合物。最近，de la Fuente 的团队报告称，他们的 genAI 模型设计了 50,000 种具有抗菌特性的短链氨基酸（肽）。深度学习模型根据这些肽对多种细菌的杀灭效果进行排名。在合成的 46 种顶级肽中，约 35 种在培养皿中成功杀死了至少一种细菌菌株，且大多数对人类胚胎肾细胞无毒。前两种候选药物在鼠模型中对鲍曼不动杆菌也表现出显著效果。
尽管 AI 在抗生素设计方面展现出巨大潜力，但实验室制造这些药物仍面临挑战。例如，剑桥麻省理工学院的生物工程师 Jim Collins 发现，一些 AI 设计的抗生素在化学上不稳定，难以合成。其他药物则因制造步骤过于复杂，导致商业化生产成本高昂且耗时。
AI 技术在抗生素研发中的应用前景广阔，但要将其转化为实际可用的药物，仍需克服技术、化学和商业化等多方面的难题。
