從產生的結果中，研究人員選擇了大約100名進行物理測試的候選人。其中之一（一種正在研究用於糖尿病治療的分子）被證明是一種有效的抗生素，在電影《2001：太空漫遊》中的智能計算機HAL之後，他們稱其為halicin。在小鼠試驗中，該分子對多種病原體具有活性，包括困難梭狀桿菌(Clastridium dificile)和鮑氏不動桿菌(Acinetobacter baumannii)，具有“泛耐藥性”，並且迫切需要新的抗生素。
質子塊
抗生素通過多種機制起作用
例如阻斷細胞壁生物合成，DNA修復或蛋白質合成中涉及的酶。
但鹽蛋白的機制並非常規：它破壞了質子在細胞膜上的流動。
在最初的動物試驗中，它似乎還具有較低的毒性，並且具有很強的抵抗力。
在實驗中，對其他抗生素化合物的抗藥性通常會在一兩天內出現。
“但是即使經過30天的此類測試，我們仍未發現對halicin有任何抗藥性。”
研究小組在名為ZINC15的數據庫中篩選了超過1.07億個分子結構。
從23個候選名單中，物理測試確定了8個具有抗菌活性。
其中兩個對多種病原體具有有效的活性，甚至可以克服抗生素耐藥性的大腸桿菌。
“使用計算方法發現和預測潛在藥物特性的工作量不斷增長的一個很好的例子”。
AI方法先前已開發礦山的基因和代謝物的大型數據庫來識別的分子類型，
其中可能包括新的抗生素2，3。
但是Collins和他的團隊說，他們的方法是不同的-他們不是在搜索特定的結構或分子類別，而是在訓練自己的網絡以尋找具有特定活性的分子。該團隊現在希望與外部團體或公司合作，將halicin用於臨床試驗。它還希望拓寬發現更多新抗生素的方法，並從頭開始設計分子。Barzilay說，他們的最新工作是概念的證明。“這項研究將所有內容放在一起，並展示了它可以做什麼。”
機器學習可以發現甚至可以對抗“無法治癒”細菌的分子。
機器學習法已經從超過1億個分子的庫中鑑定出了強大的新型抗生素，
其中包括一種可對抗多種細菌的細菌，包括結核病和被認為無法治癒的菌株。
名為“鹽蛋白”的抗生素是最早在人工智能（AI）中發現。
儘管以前曾經使用AI來輔助發現抗生素的過程，但他們表示這是它首次在沒有使用任何先前人類假設的情況下，從頭開始發現全新的抗生素。這項研究由劍橋麻省理工學院的合成生物學家吉姆·科林斯（Jim Collins）領導，並發表在Cell 1中。研究小組不僅確定了候選基因，而且還在動物實驗中驗證了有前途的分子。此外，該方法還可以應用於其他類型的藥物，例如用於治療癌症或神經退行性疾病的藥物。
“人們不斷地發現相同的分子。”
“我們需要具有新穎作用機理的新型化學物質。”
忘記你的假設
神經網絡-一種受大腦結構啟發的AI算法-可以逐個原子地學習分子的特性。
訓練其神經網絡以發現抑制的細菌生長的分子的大腸桿菌，使用的量，抗菌活性被稱為2335分子的集合。其中包括約300種已批准的抗生素以及800種來自植物，動物和微生物來源的天然產物的文庫。
該算法無需對藥物的工作原理和化學基團進行任何標記就可以預測分子功能。
“因此，該模型可以學習人類專家未知的新模式。”
對該模型進行訓練後，研究人員使用它篩選了一個名為“藥物再利用中心”的資料庫，該資料庫包含約6000個正在研究人類疾病的分子。他們要求它預測哪種抗大腸桿菌有效，並僅向他們展示看起來與常規抗生素不同的分子。
#AI #抗生素 #大腸埃希氏菌
掃描電子顯微鏡照片中呈綠色的大腸埃希氏菌。
質子塊
抗生素通過多種機制起作用
例如阻斷細胞壁生物合成，DNA修復或蛋白質合成中涉及的酶。
但鹽蛋白的機制並非常規：它破壞了質子在細胞膜上的流動。
在最初的動物試驗中，它似乎還具有較低的毒性，並且具有很強的抵抗力。
在實驗中，對其他抗生素化合物的抗藥性通常會在一兩天內出現。
“但是即使經過30天的此類測試，我們仍未發現對halicin有任何抗藥性。”
研究小組在名為ZINC15的數據庫中篩選了超過1.07億個分子結構。
從23個候選名單中，物理測試確定了8個具有抗菌活性。
其中兩個對多種病原體具有有效的活性，甚至可以克服抗生素耐藥性的大腸桿菌。
“使用計算方法發現和預測潛在藥物特性的工作量不斷增長的一個很好的例子”。
AI方法先前已開發礦山的基因和代謝物的大型數據庫來識別的分子類型，
其中可能包括新的抗生素2，3。
但是Collins和他的團隊說，他們的方法是不同的-他們不是在搜索特定的結構或分子類別，而是在訓練自己的網絡以尋找具有特定活性的分子。該團隊現在希望與外部團體或公司合作，將halicin用於臨床試驗。它還希望拓寬發現更多新抗生素的方法，並從頭開始設計分子。Barzilay說，他們的最新工作是概念的證明。“這項研究將所有內容放在一起，並展示了它可以做什麼。”
機器學習可以發現甚至可以對抗“無法治癒”細菌的分子。
機器學習法已經從超過1億個分子的庫中鑑定出了強大的新型抗生素，
其中包括一種可對抗多種細菌的細菌，包括結核病和被認為無法治癒的菌株。
名為“鹽蛋白”的抗生素是最早在人工智能（AI）中發現。
儘管以前曾經使用AI來輔助發現抗生素的過程，但他們表示這是它首次在沒有使用任何先前人類假設的情況下，從頭開始發現全新的抗生素。這項研究由劍橋麻省理工學院的合成生物學家吉姆·科林斯（Jim Collins）領導，並發表在Cell 1中。研究小組不僅確定了候選基因，而且還在動物實驗中驗證了有前途的分子。此外，該方法還可以應用於其他類型的藥物，例如用於治療癌症或神經退行性疾病的藥物。
“人們不斷地發現相同的分子。”
“我們需要具有新穎作用機理的新型化學物質。”
忘記你的假設
神經網絡-一種受大腦結構啟發的AI算法-可以逐個原子地學習分子的特性。
訓練其神經網絡以發現抑制的細菌生長的分子的大腸桿菌，使用的量，抗菌活性被稱為2335分子的集合。其中包括約300種已批准的抗生素以及800種來自植物，動物和微生物來源的天然產物的文庫。
該算法無需對藥物的工作原理和化學基團進行任何標記就可以預測分子功能。
“因此，該模型可以學習人類專家未知的新模式。”
對該模型進行訓練後，研究人員使用它篩選了一個名為“藥物再利用中心”的資料庫，該資料庫包含約6000個正在研究人類疾病的分子。他們要求它預測哪種抗大腸桿菌有效，並僅向他們展示看起來與常規抗生素不同的分子。
#AI #抗生素 #大腸埃希氏菌
掃描電子顯微鏡照片中呈綠色的大腸埃希氏菌。
文章標籤
全站熱搜
