在寻找安全有效的抗生素用于人类的鼓舞人心的发展中，研究人员转向人工智能，创造出一种在动物测试中显示出希望的新药物。
在有效且安全的抗生素需求方面的一个有希望的发展中，德克萨斯大学奥斯汀分校的研究人员利用人工智能创造出了一种在动物试验中已经显示出潜力的新药物。
在他们发表在自然生物医学工程上的研究结果中，科学家们讨论了他们如何利用一种大型语言模型——类似于ChatGPT背后的技术——来修改一种以前有害的抗菌药物，使其安全用于人类。
由于抗生素耐药菌株的增加和新治疗选择出现的减缓，面临严重细菌感染的患者的前景最近已恶化。尽管如此，来自德克萨斯大学的研究人员相信AI工具可能具有突破性。
“我们发现，大型语言模型为蛋白质和肽工程中的机器学习提供了显著的进步，”该研究的共同高级作者、整合生物学、统计学和数据科学专业的教授Claus Wilke表示。“许多以前用旧方法无法进行的应用现在开始显示出结果。我预计这些技术以及类似的创新将在未来被广泛采用，用于创建治疗药物和药物。”
大型语言模型（LLMs）最初用于生成和探索文本序列，科学家们正在创造性地重新利用它们。正如短语由单词序列组成，蛋白质也是由氨基酸序列构成的。LLMs将显示出相似特征的单词（例如，猫、狗、汉鼠）分组到称为“嵌入空间”的区域，该空间包含成千上万的维度。同样，具有相似功能的蛋白质——例如对抗有害细菌，同时保护人类细胞——也可能在其自己的AI生成的嵌入空间内聚集。
“化学景观是广阔的，”该研究的共同高级作者Davies解释道。“机器学习使我们能够快速、全面地发现具有所需特征的这一景观区域，速度和彻底性都远超传统的实验室方法，那些方法一次只分析一个分子。”
在这一项目中，研究人员使用AI探索对现有抗生素Protegrin-1潜在的改进，Protegrin-1能够有效杀死细菌，但对人类具有毒性风险。Protegrin-1是由猪自然产生，用来抵御感染，属于一种称为抗菌肽（AMPs）的抗生素类别。通常，AMPs通过破坏细菌膜的完整性直接杀死细菌，但许多也对人类细胞膜产生不利影响。
起初，研究人员实施了一种高通量技术，先前他们已经开发出这一技术，以产生7000多种Protegrin-1的变体，使他们能够快速识别AMP的哪些部分可以在不损害其抗菌特性的情况下进行改变。
然后，他们基于这些发现训练了一个蛋白质LLM，使该模型能够根据三个标准评估数百万种潜在变体：选择性靶向细菌膜、有效杀死细菌以及不损害人类红血球。这一过程使他们找到了一个更安全、更有效的Protegrin-1变体，命名为细菌选择性Protegrin-1.2（bsPG-1.2）。
感染耐药细菌的小鼠在接受bsPG-1.2治疗后，感染六小时后其器官中的细菌水平显著低于未治疗的小鼠。如果进一步研究产生积极结果，团队希望将这种AI辅助的抗生素推进至人体试验。
“机器学习在两个重要方面做出了贡献，”Davies说。“它将识别出可能惠及人类的新分子，并将帮助我们增强现有抗生素化合物，从而简化我们将这些创新更快速地应用于临床的努力。”
这项研究强调了学术科学家在推动人工智能方面的承诺，旨在满足社会需求——这是德克萨斯大学奥斯汀分校的重要重点，该校已宣称2024年为人工智能年。
研究的其他贡献者包括研究助理Justin Randall和研究生Luiz Vieira，两人均隶属于德克萨斯大学奥斯汀分校。
研究资金得到了美国国立卫生研究院、韦尔奇基金会、国防威胁减少局和Tito的手工伏特加的支持。
