机器学习能发现新型抗生素

尽管人们一直担心抗生素耐药性问题，但由于新分子的鉴定越来越困难，新抗生素药物的发现速度实际上相当缓慢。最近，科学家利用机器学习开发了一种方法，可以快速有效地挖掘新的抗生素。相关研究发表在《细胞》杂志上。

麻省理工学院的合成生物学家詹姆斯·科林斯和他的团队训练了一个深入的神经网络，利用已知的抑制大肠杆菌生长的化合物来识别可能的抗生素分子。该网络随后使用上述数据筛选现有化学库中的其他分子，以计算这些化合物抑制大肠杆菌生长的可能性..

研究人员发现，他们优先检测到的近50%的化合物在体外可以在一定程度上抑制大肠杆菌的增殖。然而，其中一种化合物非常特殊-盐霉素，其结构与传统抗生素非常不同，并且可以通过临床抗生素中不常见的机制在小鼠中抵抗各种人类病原体，包括艰难梭菌和鲍曼不动杆菌。

以前，尽管化学库中有大量的分子可用作筛选新抗生素的潜在来源，但研究人员缺乏有效的组织方法，使得难以确定用于实验检测的候选化合物。研究人员表示，如果深层神经网络能够广泛应用，它将为寻找新的和特殊的抗生素节省时间和资源。同时，有必要推广它的部分原因是他们缺乏经济激励。“深入学习可以让我们超越多重耐药病原体的步伐，进入第二抗生素时代。”

相关论文信息:http://dx.doi.org/10.1016/j.cell.2020.01.021