美國麻省理工學院近日發佈新聞公報說，該校研究人員參與的國際團隊利用人工智能深度學習模型，發現了可治療耐藥細菌感染的新型化合物。這些化合物有潛力成為新型抗生素藥物。

　麻省理工學院和哈佛大學等機構研究人員首先測試了約3.9萬種化合物對耐甲氧西林金黃色葡萄球菌的抗菌活性，並利用測試數據以及這些化合物的化學結構等信息來訓練深度學習模型。研究團隊採用了一種被稱為蒙特卡洛樹搜索的算法，不僅使模型可以預測每個分子的抗菌活性，還能預測分子的哪些化學亞結構可能導致這種活性。為進一步縮小候選藥物範圍，他們還訓練了另外三個深度學習模型來預測這些化合物對三種人體細胞是否具有毒性。

　接下來，研究人員利用上述模型的集合預測了約1200萬種化合物的抗菌活性和細胞毒性，確定了五類化合物對耐甲氧西林金黃色葡萄球菌有抗菌活性。他們從中選取280種化合物在培養皿進行抗耐甲氧西林金黃色葡萄球菌實驗，最終挑選出屬於同一類化合物的兩種候選抗生素。小鼠實驗結果顯示，這兩種化合物都對治療耐甲氧西林金黃色葡萄球菌感染效果顯著。

　研究人員表示，新研究的一個關鍵創新在於打開了這類深度學習模型的「黑匣子」，弄清楚模型使用哪種信息來預測抗生素效力，這將有助於研究人員設計出比模型識別出的化合物效果更好的候選藥物。未來他們還將更詳細地分析上述兩種化合物的化學性質和潛在臨床用途，並利用這類深度學習模型設計更多候選藥物，尋找能殺死其他細菌的化合物。

　相關論文已發表在英國《自然》雜誌上。◇