研究人员在麦克马斯特大学开发了一种新型生成式人工智能(AI)模型，能够大幅加速药物发现过程——在初步测试中，该模型已经设计出一种全新的抗生素。这一发现展示了人工智能如何能够显著改进当前缓慢且成本高昂的新型抗菌药物研发过程，因为细菌和其他微生物仍在不断进化出对我们现有药物的套系的抗药性。
新AI模型的工作原理
这种名为SyntheMol-RL的新模型经过训练，能够探索多达460亿种可能化合物的广阔化学空间——这远远超出了实验室中实际可测试的范围，在实验室中，即使是大规模筛选，最多也只能测试约一百万个分子。
SyntheMol-RL模型基于约15万个分子"构建模块"和50种化学合成反应，旨在生成结构新颖的抗生素候选物。
"在实验室中，我们可以使用一组较小的化学片段来构建化学化合物，这些片段可以像分子乐高积木一样拼接在一起，"开发该新模型的斯托克斯助理教授表示。
"SyntheMol-RL以比人类更快的方式将这些片段以不同方式配置，创造出新的、更大的化学化合物，根据其知识，这些化合物应该具有抗菌作用。"
平衡抗菌能力和安全性
作为迈克尔·G·德格鲁特传染病研究所的成员，斯托克斯表示，虽然生成式AI在设计新型抗生素候选物方面正变得越来越有效，但决定潜在药物临床可行性的关键属性在没有广泛且昂贵的实验室测试的情况下仍然难以评估。
"如果你在实验室中发现一种新的具有抗菌作用的化学物质，但如果它不能在体内溶解，如果它对人类细胞有毒，或者如果它在完成工作后无法被代谢和排出，那么这毫无意义，"他解释道。
"漂白剂具有抗菌作用——火也是。但它们显然不符合其他这些条件。好的药物候选物必须满足几个不同的标准，否则它们永远不会成为真正的药物。"
此前的SyntheMol版本专门设计具有抗菌活性的分子，而没有考虑这些其他关键属性。但在过去两年中，斯托克斯团队与斯坦福大学的合作者一起改进了该模型，使其仅生成易于在实验室中开发且可能在体内可溶的抗菌化合物。
"抗菌化合物和水溶性化合物之间存在很多冲突，"斯托克斯实验室的研究生、新模型的主要开发者加里·刘表示。
"在以前的研究中，在我们的提示后筛选既具有抗菌性又可溶的化合物通常会让我们获得显著减少的可行药物候选物，因此我们将溶解度直接构建到生成过程中，现在该模型可以高效地设计具有更大临床前景的抗生素候选物。"
synthecin的设计和测试
在发表在《分子系统生物学》上的一项新研究中，斯托克斯团队对他们的增强模型进行了测试。他们要求该模型生成能够治疗金黄色葡萄球菌(俗称"葡萄球菌感染")引起的感染的水溶性抗生素，并迅速获得了几个有效结果。
从79种模型提出的抗菌剂中，斯托克斯团队重点关注了一种特别有趣的化合物——一种新型水溶性化合物，似乎可能对金黄色葡萄球菌具有抗生素活性。
这种由计算机设计的新药物候选物被他们称为synthecin，随后在实验室中被配制成外用乳膏，并在小鼠模型中对原本耐药的伤口感染进行了测试。
"synthecin在控制感染方面非常有效，"领导该研究湿实验室部分的斯托克斯实验室研究生丹尼斯·卡塔库坦表示。
"作为外用药物，它的效果非常好，并且也显示出早期潜力，未来可以应用或优化用于全身使用。"
SyntheMol的未来发展方向
尽管新研究突显了synthecin的前景，但团队尚未发现该药物如何抑制细菌——斯托克斯表示，这是确定其安全性特征并因此确定其有朝一日进入诊所的可能性的关键步骤。他的团队目前正在积极进行这些关键的"作用机制"研究。
然而，无论这些研究结果如何，该团队都将synthecin的发现视为验证，证明他们的AI模型能够快速生成高潜力的药物候选物，将药物发现的负担从寻找可行化合物转移到设计和优化它们上。
斯托克斯表示，这种转变不仅对抗生素发现意义重大，也对生物化学的所有领域都具有重要意义。
"我们使用我们的模型设计新抗生素，但它能够做的事情远不止这些，"斯托克斯表示，他是马尼克斯·E·赫斯林克生物医学创新和创业学院的教师，也是NexusHealth的执行成员。
"我们构建它是为了与疾病无关，这意味着它可以同样轻松地为糖尿病或癌症或其他适应症生成新型药物候选物。"
斯托克斯实验室继续增强SyntheMol，并预计今年晚些时候将提供更强大的版本。
出版详情：Kyle Swanson等，《SyntheMol-RL：一个用于设计易于合成的抗生素的灵活强化学习框架》，《分子系统生物学》(2026)。DOI: 10.1038/s44320-026-00206-9
关键概念：细菌
由麦克马斯特大学提供
【全文结束】
