詹姆斯·柯林斯(James Collins)是医学工程与科学领域的Termeer教授、生物工程学教授，也是医学工程与科学研究所(IMES)的核心教员。在寻求解决包括疾病、能源需求和气候变化在内的复杂全球挑战过程中，科学研究人员（包括麻省理工学院的研究人员）已转向人工智能，以及定量分析和建模，来设计和构建具有新特性的工程细胞。这些工程细胞可以被编程成为新的治疗手段——对抗，甚至可能根除疾病。
柯林斯是麻省理工学院医学工程与科学Termeer教授和生物工程学教授，担任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·拉提夫·贾米尔健康机器学习诊所主任，同时也是麻省理工学院和哈佛大学Broad研究所成员，以及哈佛大学Wyss生物启发工程研究所的核心创始教员。
在本次问答中，柯林斯阐述了他最新的研究工作及目标。
您以与麻省理工学院及其他机构的同事合作而闻名。这些合作和隶属关系如何帮助您的研究？
合作一直是我实验室工作的核心。在麻省理工学院健康机器学习贾米尔诊所，我与雷吉娜·巴齐莱(Regina Barzilay)（麻省理工学院电气工程与计算机科学系Delta Electronics教授，IMES附属教员）和托米·亚阿科拉(Tommi Jaakkola)（电气工程与计算机科学系和数据、系统与社会研究所Thomas Siebel教授）合作，利用深度学习发现新型抗生素。
这项努力结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业知识，导致发现了halicin，这是一种对广泛多重耐药细菌病原体有效的强效新型抗生素。我们的研究成果于2020年发表在《Cell》杂志上，展示了汇集互补技能应对全球健康挑战的力量。
在Wyss研究所，我与唐纳德·英格伯(Donald Ingber)（哈佛医学院血管生物学Judah Folkman教授、波士顿儿童医院血管生物学项目教授，以及哈佛大学生物启发工程Hansjörg Wyss教授）紧密合作，利用他的器官芯片技术测试AI发现和AI生成的抗生素的有效性。这些平台使我们能够在类似人体组织的环境中研究药物的行为，补充传统的动物实验，并提供对其治疗潜力的更细致了解。
我们众多合作的共同点是能够将计算预测与尖端实验平台相结合，加速从想法到验证新疗法的路径。
您的研究在使用生成式AI和深度学习设计新型抗生素方面取得了许多进展。您能否谈谈您在开发能够对抗多重耐药病原体的药物方面参与的一些进展，以及您对这一领域未来突破的看法？
2025年，我们实验室在《Cell》杂志上发表了一项研究，展示生成式AI如何革新抗生素设计。
一个候选药物NG1具有高度窄谱性，能够消除多重耐药淋病奈瑟菌（包括对一线疗法有抗药性的菌株），同时不伤害共生菌种。另一个候选药物DN1则针对耐甲氧西林金黄色葡萄球菌(MRSA)，并通过广泛的膜破坏在小鼠体内清除了感染。这两种药物均无毒且表现出低抗药性。
展望未来，我们正在使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者。通过将AI与高通量生物测试相结合，我们旨在加速发现和设计新型、安全且有效的抗生素，使其准备好用于实际治疗。这种方法可能会改变我们应对耐药细菌病原体的方式，将抗生素开发从被动反应转变为主动策略。
您是非营利组织Phare Bio的联合创始人，该组织利用AI发现新型抗生素，Collins实验室还帮助与Phare Bio合作启动了抗生素-AI项目。您能否告诉我们更多关于您希望通过这些合作实现的目标，以及它们如何与您的研究目标相关联？
我们成立Phare Bio作为非营利组织，旨在将麻省理工学院抗生素-AI项目中涌现的最有希望的抗生素候选药物推进到临床阶段。这个想法是通过与生物技术公司、制药合作伙伴、AI公司、慈善机构、其他非营利组织甚至国家合作，来弥合发现与开发之间的差距。阿基拉·科萨拉朱(Akhila Kosaraju)在领导Phare Bio方面做得非常出色，协调这些努力并高效地推进候选药物。
最近，我们从ARPA-H获得了资助，利用生成式AI设计15种新型抗生素并将它们开发为临床前候选药物。该项目直接建立在我们实验室的研究基础上，结合计算设计与实验测试，创造可用于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，我们希望创建一个能够更快应对抗生素耐药性全球威胁的管道，最终将新疗法提供给最需要的患者。
期刊信息： 《Cell》
本文由麻省理工学院提供，转载自MIT News（麻省理工学院新闻网站，报道麻省理工学院研究、创新和教学的热门网站）。
【全文结束】
