美国麻省理工学院生物医学工程师詹姆斯·柯林斯教授团队，近日利用深度学习模型成功设计出可对抗两种致命耐药菌的全新抗生素。研究团队通过图神经网络将化学结构与预测特性关联，从4500万种化学片段中筛选出具有抗淋病奈瑟菌和金黄色葡萄球菌活性的候选结构。
在筛除具有毒性、代谢不稳定或广谱结合等不良特性的片段后，团队采用两种生成式AI模型进行分子设计：基于片段优化模型通过修饰不同侧链生成分子，从头设计模型则直接构建全新分子结构。最终AI系统完成了3600万种化合物的设计与筛选。
团队合成的24种AI设计化合物中，NG1和DN1表现尤为突出。项目成员阿缇·克里斯南指出："NG1能够精准靶向致病性淋病奈瑟菌，同时保护维持阴道微生态平衡的共生奈瑟菌属（如粘液奈瑟菌）。该化合物对已丧失头孢曲松敏感性的超级耐药菌株仍具杀灭效果。"
DN1则展现出与万古霉素、利奈唑胺相当的金黄色葡萄球菌杀菌效力，且作用速度提升显著："四小时内实现完全杀菌，较万古霉素所需时间缩短60%。"该化合物对现有抗生素耐药菌株均有效。
加拿大麦克马斯特大学计算化学家乔纳森·斯托克斯评价："这项研究充分展示了生成式AI在早期抗生素研发中探索生物活性化学空间的潜力。"但需注意AI设计化合物的可合成性挑战，以及作用机制解析的技术难度。研究团队表示已着手解决这些技术瓶颈。
论文发表于《细胞》期刊，DOI:10.1016/j.cell.2025.07.033。
【全文结束】
