从300亿分子中筛出6款，结构新且易合成，斯坦福抗生素设计AI模型登Nature子刊
文章摘要
【关 键 词】 抗生素、AI发现、耐药菌、SyntheMol、合成易
斯坦福大学和麦克马斯特大学的研究人员开发了一种名为SyntheMol的新型生成式AI模型，旨在解决全球抗生素耐药性问题。
这项技术能够设计出易于合成且成本低廉的新型抗生素分子，有望对抗包括鲍曼不动杆菌在内的耐药菌株。
研究团队从近300亿个分子的化学空间中筛选出新化合物，并成功发现了6种对鲍曼不动杆菌具有抗菌活性的新颖分子结构。
这些分子不仅具有抗菌活性，而且无毒，显示出对抗耐药细菌的潜力。
SyntheMol模型使用蒙特卡洛树搜索（MCTS）技术，从一个包含132,000个分子片段的库中提取数据，这些片段可以像乐高积木一样组合。
研究人员将这些片段与13种化学反应交叉引用，从而设计出具有抗菌特性的新分子。
在实验室中合成并验证了58个分子后，最终筛选出6种分子，它们对鲍曼不动杆菌具有有效的抗菌活性。
这一发现被认为是一个难得的高成功率案例，其中10%的分子显示出良好的抗菌活性。
该研究的重要性在于，它不仅提供了一种新的方法来设计和发现新的抗生素，而且还生成了如何制造每种新分子的配方，这对于加速药物的研发和降低成本具有重要意义。
全球健康药物研发中心（GHDDI）首席科学官张儒民博士对此表示乐观，并预期AI将在不久的将来大幅提升制药成功率，缩短制药周期。
尽管SyntheMol模型在设计具备完整成药性的新颖药物分子方面仍有局限性，但研究人员正在改进该模型并扩大其应用范围。
他们正在与其他研究小组合作，利用该模型来发现治疗心脏病的药物，并为实验室研究创造新的荧光分子。
相关研究成果已于2024年3月22日发表在《Nature Machine Intelligence》杂志上，展示了AI在药物发现领域的巨大潜力，特别是在对抗全球范围内日益严重的抗生素耐药性问题上。
这一进展不仅对科学界具有重要意义，也为全球公共卫生带来了希望。
原文和模型
【原文链接】 阅读原文 [ 1751字 | 8分钟 ]
【原文作者】 机器之心
【摘要模型】 gpt-4
【摘要评分】 ★★★☆☆
