新闻 
那些视为无药可治的疾病,被AI解锁
那些视为无药可治的疾病,被AI解锁那些视为无药可治的疾病,被AI解锁
人工智能（AI）正在研发对抗帕金森症（Parkinson's disease，柏金逊症）、抗药性超级细菌及许多罕见疾病的新药——这是许多科学家从未想过会取得的进展。
在人类与细菌的对抗中，过去约半个世纪一直处于节节败退的局面。
我们最强大的武器——抗生素——正因药物抗性蔓延而愈来愈无效。
目前每年约有110万人死于原本易于治疗的感染；若不采取紧急行动，死亡人数预计在2050年将增至超过800万。
研发新抗生素是一个极为缓慢且昂贵的过程。
2017至2022年间，仅有12种新抗生素获批准使用，其中多数与现有药物相似，而细菌早已在对这些药物产生抗药性。由于药厂兴趣不足及资金匮乏，这一领域长期被忽视。
但研究人员正试图缩小这项缺口——部分人押注人工智能能提供突破。
美国麻省理工学院医学工程与科学教授詹姆斯·柯林斯（James Collins）表示：“我们可以在数天甚至数小时内，从庞大的化合物库中筛找具有抗菌活性的化合物。”
在人工智能的协助下，柯林斯及其团队已发现两种新化合物，可能成为对抗高度抗药性淋病及抗药性金黄葡萄球菌感染（MRSA）的重要武器。
这只是人工智能如何开启新药研发新时代的其中一个例子——它正为当代最棘手的医疗难题带来突破性进展。科学家现正将人工智能用于研究尚无已知疗法的疾病，如帕金森症及数千种罕见疾病，希望找到新的突破。
柯林斯及其团队训练了一个生成式人工智能模型，用来辨识已知抗生素的化学结构，使演算法能学习哪些特征能杀死细菌。研究人员其后利用AI筛选超过4,500万种化学结构，以评估它们对两类细菌的作用：
造成淋病的奈瑟氏淋病双球菌（Neisseria gonorrhoeae，简称淋球菌），以及引发抗药性金黄葡萄球菌感染的重要病原金黄葡萄球菌（Staphylococcus aureus）。
詹姆斯柯林斯团队利用人工智慧辨识出可以杀死多种对其他药物有抗药性的细菌（上排）的新化合物（下排）。
这两种细菌都具有高度抗药性——以淋病菌为例，它几乎能逃避所有现有治疗药物。如今可对抗每种疾病的抗生素所剩无几。
柯林斯的研究方法利用人工智能创造全新化合物以对付这些细菌。
他指出，其中一种方法是选择以一个分子作为起点，并运用多种生成式人工智能技术将其逐步构建，“加入键结、原子、分子次结构”。在每一个关键阶段，化合物都会由训练后的人工智能模型评分：“看起来像抗生素吗？是否更接近具潜力的抗生素？”
另一种方法则完全不使用起始分子，而是让人工智能从零开始自由生成。
柯林斯和同事利用这种方式设计了3,600万种可能对细菌有效的化合物。团队从中挑选 24种在实验室合成，其中有7种展现出抗菌活性，其中两种对杀死对其他类型抗生素具有抗药性的细菌株非常有效。
重要的是，这些化合物似乎以不同于现有抗生素的方式攻击细菌，令人期待它们或能成为可突破抗药性防御的新一类药物。这两个候选化合物目前正在进行后续测试。
柯林斯及其实验室过去也曾利用人工智能发现其他强效新型抗生素，可杀死多种对治疗具有抗性的细菌，包括常见于肠道感染的艰难梭菌（Clostridium difficile，又称难辨梭菌或难辨梭状芽孢杆菌）及导致结核病的结核分枝杆菌（Mycobacterium tuberculosis）。
然而，对某些疾病而言，研究人员无法依靠现有药物来协助开发新疗法。他们必须从疾病本身的已知资讯着手；但在某些情况下，这些资讯十分有限，使研究难以展开。
[物价飞涨的时候 这样省钱购物很爽]
还没人说话啊，我想来说几句
在人类与细菌的对抗中，过去约半个世纪一直处于节节败退的局面。
我们最强大的武器——抗生素——正因药物抗性蔓延而愈来愈无效。
目前每年约有110万人死于原本易于治疗的感染；若不采取紧急行动，死亡人数预计在2050年将增至超过800万。
研发新抗生素是一个极为缓慢且昂贵的过程。
2017至2022年间，仅有12种新抗生素获批准使用，其中多数与现有药物相似，而细菌早已在对这些药物产生抗药性。由于药厂兴趣不足及资金匮乏，这一领域长期被忽视。
但研究人员正试图缩小这项缺口——部分人押注人工智能能提供突破。
美国麻省理工学院医学工程与科学教授詹姆斯·柯林斯（James Collins）表示：“我们可以在数天甚至数小时内，从庞大的化合物库中筛找具有抗菌活性的化合物。”
在人工智能的协助下，柯林斯及其团队已发现两种新化合物，可能成为对抗高度抗药性淋病及抗药性金黄葡萄球菌感染（MRSA）的重要武器。
这只是人工智能如何开启新药研发新时代的其中一个例子——它正为当代最棘手的医疗难题带来突破性进展。科学家现正将人工智能用于研究尚无已知疗法的疾病，如帕金森症及数千种罕见疾病，希望找到新的突破。
柯林斯及其团队训练了一个生成式人工智能模型，用来辨识已知抗生素的化学结构，使演算法能学习哪些特征能杀死细菌。研究人员其后利用AI筛选超过4,500万种化学结构，以评估它们对两类细菌的作用：
造成淋病的奈瑟氏淋病双球菌（Neisseria gonorrhoeae，简称淋球菌），以及引发抗药性金黄葡萄球菌感染的重要病原金黄葡萄球菌（Staphylococcus aureus）。
詹姆斯柯林斯团队利用人工智慧辨识出可以杀死多种对其他药物有抗药性的细菌（上排）的新化合物（下排）。
这两种细菌都具有高度抗药性——以淋病菌为例，它几乎能逃避所有现有治疗药物。如今可对抗每种疾病的抗生素所剩无几。
柯林斯的研究方法利用人工智能创造全新化合物以对付这些细菌。
他指出，其中一种方法是选择以一个分子作为起点，并运用多种生成式人工智能技术将其逐步构建，“加入键结、原子、分子次结构”。在每一个关键阶段，化合物都会由训练后的人工智能模型评分：“看起来像抗生素吗？是否更接近具潜力的抗生素？”
另一种方法则完全不使用起始分子，而是让人工智能从零开始自由生成。
柯林斯和同事利用这种方式设计了3,600万种可能对细菌有效的化合物。团队从中挑选 24种在实验室合成，其中有7种展现出抗菌活性，其中两种对杀死对其他类型抗生素具有抗药性的细菌株非常有效。
重要的是，这些化合物似乎以不同于现有抗生素的方式攻击细菌，令人期待它们或能成为可突破抗药性防御的新一类药物。这两个候选化合物目前正在进行后续测试。
柯林斯及其实验室过去也曾利用人工智能发现其他强效新型抗生素，可杀死多种对治疗具有抗性的细菌，包括常见于肠道感染的艰难梭菌（Clostridium difficile，又称难辨梭菌或难辨梭状芽孢杆菌）及导致结核病的结核分枝杆菌（Mycobacterium tuberculosis）。
然而，对某些疾病而言，研究人员无法依靠现有药物来协助开发新疗法。他们必须从疾病本身的已知资讯着手；但在某些情况下，这些资讯十分有限，使研究难以展开。
[物价飞涨的时候 这样省钱购物很爽]
| 分享: |
| 注： | 在此页阅读全文 |
| 延伸阅读 |
推荐: