教育新闻网抗生素药物已经存在了不到一个世纪的时间，但是近几十年来，耐药细菌菌株的出现和临床新抗生素的匮乏威胁到了我们应对致命感染的能力。研究人员说，通过机器学习和实验相结合，他们已经确定了几种可能是有效抗生素的分子专家称赞这种计算方法，但表示这些化合物不太可能成为我们需要的药物。
由于细菌已经对某些最常见的抗生素产生了抗药性，因此科学家希望找到可以以新方式杀死微生物的分子或结构特征。麻省理工学院的计算化学家Regina Barzilay和生物工程师James J. Collins及其同事共同努力，设计了一种机器学习方法来寻找新的抗生素。他们训练了算法，以识别不同分子(不仅是抗生素)的结构特征，并预测给定的结构是否会抑制大肠杆菌的生长。
研究人员首先在“药物再利用中心”上放宽了模型，该数据库包含约6,000种已知对多种疾病有用的分子。一种化合物具有预测的对大肠杆菌的抗菌活性，预测的毒性低，与已知的抗生素不同，并且在实验室中经过验证可以抑制大肠杆菌的生长。该分子称为SU3327，是c-Jun N端激酶的抑制剂，该酶是癌症和其他疾病的靶标。该小组在电影2001年：太空漫游中向计算机HAL致敬，将分子更名为halicin。。2017年一项尚未发表的研究也鉴定了该分子的抗生素活性，但由于与美国食品和药物管理局已经在评估的化合物相似，这些研究人员选择不采用该分子。麻省理工学院和哈佛大学广泛研究所的乔纳森·斯托克斯(Jonathan M.Stokes)是这项新研究的合著者，他说该小组直到3月2日才意识到2017年的研究。
在这项新研究中，随后的实验室测试表明该分子可以杀死许多耐药细菌。研究人员认为，它通过破坏质子穿过细胞膜的运动，破坏微生物移动或存储能量的能力来杀死细菌。在小鼠中，用halicin治疗鲍曼不动杆菌感染的皮肤伤口和艰难梭菌肠道感染。
该小组还使用他们的机器学习算法从ZINC15数据库中搜索了1亿个分子，发现了8种潜在的抗生素，包括ZINC000100032716，但没有进行实验室测试。
结果表明：“约翰·开普勒大学AI药物发现实验室的负责人GünterKlambauer说：“当熟练的从业者和机器学习团队一起工作时，可以取得多少成就。”但他批评该小组仅对几千个分子进行算法训练，并仅寻找一些生物学效应，他说，通过考虑多种效应的更广泛的训练，该模型可能会更强大。
