关键字：
导 读：
美国麻省理工学院近日发布消息称，该校研究人员参与的国际团队利用人工智能深度学习模型，发现了可治疗耐药细菌感染的新型化合物。这些化合物有潜力成为新型抗生素药物。相关论文已发表在新一期英国《自然》杂志上。研究人员首先测试了约3.9万种化合物对耐甲氧西林金黄色葡萄球菌的抗菌活性，并利用测试数据以及这些化合物的...,分析,人工智能,智能,智能,人工智能
美国麻省理工学院近日发布消息称，该校研究人员参与的国际团队利用人工智能深度学习模型，发现了可治疗耐药细菌感染的新型化合物。这些化合物有潜力成为新型抗生素药物。相关论文已发表在新一期英国《自然》杂志上。
研究人员首先测试了约3.9万种化合物对耐甲氧西林金黄色葡萄球菌的抗菌活性，并利用测试数据以及这些化合物的化学结构等信息来训练深度学习模型。研究团队采用了一种被称为蒙特卡洛树搜索的算法，不仅使模型可以预测每个分子的抗菌活性，还能预测分子的哪些化学亚结构可能导致这种活性。为进一步缩小候选药物范围，他们还训练了另外3个深度学习模型来预测这些化合物对3种人体细胞是否具有毒性。
研究人员利用上述模型的集合预测了约1200万种化合物的抗菌活性和细胞毒性，确定了5类化合物对耐甲氧西林金黄色葡萄球菌有抗菌活性。他们从中选取280种化合物在培养皿进行抗耐甲氧西林金黄色葡萄球菌实验，最终挑选出属于同一类化合物的两种候选抗生素。小鼠实验结果显示，这两种化合物都对治疗耐甲氧西林金黄色葡萄球菌感染效果显著。
研究人员表示，未来，他们还将更详细地分析上述两种化合物的化学性质和潜在临床用途，并利用这类深度学习模型设计更多候选药物，寻找能杀死其他细菌的化合物。