科学家表示，他们发现了过去60年来首批发现的新类别抗生素之一，并且是利用围绕可解释的深度学习构建的人工智能平台发现的第一个抗生素。

这篇发表在《自然》杂志上的同行评审论文“通过可解释的深度学习发现抗生素的结构类别”是由IntegratedBiosciences联合创始人FelixWong博士领导的21名研究人员团队共同撰写的。JamesJ.Collins博士，麻省理工学院医学工程与科学特米尔教授，综合生物科学科学顾问委员会创始主席。

“迫切需要发现新结构类别的抗生素来解决持续存在的抗生素耐药性危机。深度学习方法有助于探索化学空间;这些通常使用黑盒模型并且不提供化学见解。在这里，我们推断，通过神经网络模型学习到的与抗生素活性相关的化学子结构可以被识别并用于预测抗生素的结构类别，”研究人员写道。

“我们通过开发一种可解释的、基于子结构的方法来测试这一假设，该方法用于高效、深度学习引导的化学空间探索。我们确定了39,312种化合物的抗生素活性和人体细胞毒性特征，并应用图神经网络集成来预测12,076,365种化合物的抗生素活性和细胞毒性。

“使用可解释的图形算法，我们确定了具有高预测抗生素活性和低预测细胞毒性的化合物的基于子结构的基本原理。我们凭经验测试了283种化合物，发现对金黄色葡萄球菌表现出抗生素活性的化合物在基于基本原理的推定结构类别中得到了丰富。在这些结构类别的化合物中，其中一种对耐甲氧西林金黄色葡萄球菌(MRSA)和耐万古霉素肠球菌具有选择性，可避免实质性耐药性，并降低MRSA皮肤和全身大腿感染小鼠模型中的细菌滴度。

“我们的方法能够以深度学习为指导发现抗生素的结构类别，并证明药物发现中的机器学习模型是可以解释的，从而提供对选择性抗生素活性背后的化学子结构的见解。”

实验生成的数据

在这种方法中，科学团队根据实验生成的数据训练深度学习模型，以预测任何化合物的抗生素活性和毒性。作者从其他环境中使用的人工智能(包括DeepMind的AlphaGo游戏技术)中汲取灵感，设计了新模型来解释分子的哪些部分对抗生素活性很重要。

结果鉴定出一类新的抗生素，对多重耐药病原体具有强大的活性。在一系列实验中，研究人员在MRSA感染小鼠模型中测试了一种候选抗生素，发现它在局部和全身上均有效，表明该化合物适合进一步开发，用于治疗严重和败血症相关的细菌感染。

“这一新型抗生素的发现是一项突破性成果，表明人工智能和可解释的深度学习具有独特的能力来促进药物发现，”黄说。“我们的工作公开了几种高性能模型，可以准确预测抗生素活性和毒性。重要的是，这是深度学习模型可以解释其预测内容的首批证明之一，这对药物发现的方式以及我们如何利用人工智能有效地发现新药产生直接和深远的影响。”

柯林斯补充道：“这证明了人工智能和可解释的深度学习的整合对于克服医学领域一些最棘手的挑战(在本例中是抗生素耐药性)的重要性。”“在这些验证研究和类似方法的基础上，综合生物科学团队准备进一步加速合成生物学的整合和对细胞应激的深入了解，以解决针对年龄相关疾病的新疗法的重大未满足需求。”

IntegratedBiosciences的创始成员兼衰老生物学负责人SatotakaOmori博士指出：“这项研究的一个重要意义是，药物发现中的深度学习模型可以而且在许多情况下应该是可解释的。”“虽然人工智能继续产生影响，但它也受到许多常用黑盒模型的限制，这些模型混淆了底层决策过程。通过打开这些黑匣子，我们的目标是创造更普遍的见解，这些见解可能对加速下一代药物发现方法的使用和开发更有用。”

其他合作者包括麻省理工学院、麻省理工学院和哈佛大学布罗德研究所、维斯生物启发工程研究所和德国德累斯顿莱布尼茨聚合物研究所的研究人员。在他们的研究中，研究人员实际上筛选了超过1200万种候选化合物，以确定这种新型抗生素，它们具有解决抗生素耐药性的潜力。

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：