在应对包括疾病、能源需求和气候变化在内的复杂全球挑战过程中，麻省理工学院等科研机构的研究人员已转向人工智能、定量分析和建模技术，以设计和构建具有新特性的工程细胞。这些工程细胞可被编程为新型治疗药物——用于对抗甚至根除疾病。
詹姆斯·J·柯林斯是合成生物学领域的创始人之一，也是系统生物学的领军研究者。系统生物学是一种跨学科方法，通过复杂数学分析和建模来深入理解生物系统。他的研究推动了新型诊断工具和治疗药物的开发，包括埃博拉、寨卡、SARS-CoV-2及耐抗生素细菌等病原体的检测与治疗。柯林斯现任麻省理工学院医学工程与科学特米尔教授、生物工程学教授，是医学工程与科学研究所（IMES）核心教员，麻省理工学院阿卜杜勒·拉蒂夫·贾米尔健康机器学习诊所主任，同时担任麻省理工学院-哈佛大学布罗德研究所研究员，以及哈佛大学怀斯仿生工程研究所核心创始教员。
在此次问答中，柯林斯阐述了其最新研究成果与研究目标。
问：您以与麻省理工学院及其他机构的同事合作著称。这些合作与机构关联如何促进您的研究？
答：合作始终是我实验室工作的核心。在麻省理工学院贾米尔健康机器学习诊所，我与雷吉娜·巴齐莱（麻省理工学院电子工程与计算机科学系Delta教授、IMES附属教员）以及托米·亚阿科拉（麻省理工学院电子工程与计算机科学系Thomas Siebel教授、数据系统与社会研究所教授）合作，利用深度学习技术发现新型抗生素。该研究整合了我们在人工智能、网络生物学和系统微生物学方面的专长，成功发现了一种名为halicin的强效新型抗生素，可有效对抗多种多药耐药细菌病原体。我们的成果于2020年发表在《细胞》杂志上，展示了互补技能组合应对全球健康挑战的强大力量。
在怀斯研究所，我与唐纳德·英格伯（哈佛医学院Judah Folkman血管生物学教授、波士顿儿童医院血管生物学项目研究员、哈佛大学Hansjörg Wyss仿生工程教授）紧密合作，利用其"器官芯片"技术测试AI发现及AI生成抗生素的疗效。这些平台使我们能在类人体组织环境中研究药物行为，补充传统动物实验，更全面评估其治疗潜力。
我们众多合作的共同点在于将计算预测与尖端实验平台相结合，加速从创意到经验证新疗法的研发进程。
问：您的研究通过生成式AI和深度学习推动了新型抗生素设计的多项进展。能否谈谈您在开发对抗多药耐药病原体药物方面的贡献，以及该领域未来的突破方向？
答：2025年，我们实验室在《细胞》杂志发表研究，展示了如何利用生成式AI从零开始设计全新抗生素。我们采用遗传算法和变分自编码器生成数百万候选分子，探索基于片段的设计和完全无约束的化学空间。经过计算筛选、逆合成建模和药物化学评估后，我们合成了24种化合物并进行实验测试。其中7种显示出选择性抗菌活性。主要候选物NG1具有高度窄谱特性，可根除多药耐药淋病奈瑟菌（包括对一线疗法耐药的菌株），同时不伤害共生菌群。另一候选物DN1靶向耐甲氧西林金黄色葡萄球菌（MRSA），通过广泛破坏细胞膜清除小鼠感染。两者均无毒性且耐药率低。
展望未来，我们正运用深度学习设计具有类药物特性的抗生素，使其成为临床开发的更强候选物。通过将AI与高通量生物测试结合，我们旨在加速发现和设计新型、安全且有效的抗生素，使其具备实际治疗应用价值。这种方法有望转变我们应对耐药细菌病原体的方式，推动抗生素开发从被动应对转向主动预防的战略转型。
问：您是法尔生物（Phare Bio）的联合创始人，该非营利组织利用AI发现新型抗生素。柯林斯实验室还与法尔生物合作启动了"抗生素-AI项目"。能否详细介绍这些合作的目标及其与您研究目标的关联？
答：我们创立法尔生物作为非营利组织，旨在将麻省理工学院"抗生素-AI项目"中涌现的最有前景抗生素候选物推进临床应用。其核心理念是通过与生物科技公司、制药伙伴、AI企业、慈善机构、其他非营利组织甚至国家政府合作，弥合发现与开发之间的鸿沟。阿基拉·科萨拉朱出色地领导法尔生物，高效协调各方努力并推进候选药物。
近期，我们获得美国高级研究计划局-健康（ARPA-H）资助，利用生成式AI设计15种新型抗生素并将其开发为临床前候选药物。该项目直接基于我实验室的研究成果，通过计算设计与实验测试的结合，创造可进一步开发的新型抗生素。通过整合生成式AI、生物学和转化合作伙伴关系，我们希望构建能快速应对抗生素耐药性全球威胁的研发管道，最终为最需要的患者提供新疗法。
【全文结束】
