2 月 20 日，全球自然科学研究领域最着名期刊之一《细胞》（Cell）以封面文章发表题为《A Deep Learning Approach to Antibiotic Discovery》的研究论文，文章报导麻省理工学院（MIT）生物工程师 Jim Collins 领导的研究团队，利用深度学习模型发现超强抗生素 halicin，能杀死抗药细菌。
研究团队训练一种机器学习演算法，分析化合物的分子结构并挑选潜在的抗生素。深度学习模型的目的是辨识能杀灭细菌的化合物，机理与现有药物不同。
分析约 2,500 种不同分子后，人工智慧系统辨识出一种新的抗生素化合物。实验室测试中，这种化合物杀死世界许多问题最多的致病细菌，包括结核病和认为无法治癒的菌株。
这种新抗生素化合物称为 halicin，以 1968 年电影《2001 太空漫游》的 AI 系统 Hal 9000 命名。
麻省理工学院的医学工程与科学研究所和生物工程系教授 James Collins 说，这个发现代表（人类）与抗生素抗药性搏斗的突破。
论文表示，自青霉素出现以来，抗生素已成为现代医学的基石。然而，随着时间过去，细菌逐渐产生对抗生素的抗药性，这就需要药物研发工作者不断开发新抗生素。
对所有测试的抗药菌都有杀伤力
但现实情况是，由于缺乏经济激励，各大药厂发现新抗生素的收效甚微，使抗生素的问题越发严重。曾有研究预测，如果不立即採取措施开发新抗生素，到 2050 年，因抗药性感染而死亡的人数将达每年 1,000 万人。
Collins 说：「我们正面临越来越多关抗生素抗药性的危机，这种情况是由于越来越多病原体对现有抗生素产生抗药性，以及生物技术和製药业对新抗生素的需求不足造成。」
但问题是，发现新抗生素越来越困难。现在，天然产物发现受重覆複製问题的困扰。
许多抗生素发现计画转向筛选大型合成化学文库。然而，这些文库可能包含几十万到几百万个分子，管理成本往往高得令人望而却步，化学多样性有限，且不能反映抗生素分子固有的化学性质。自 1980 年代高通量筛选实施以来，没有发现新的临床抗生素使用这种方法。
随着人工智慧等新技术发展，这个问题似乎迎来转机。
这种深度学习模型能自动学习不同药物分子的结构，不但可掌握分子的不同位置是否有特定化学基团，还能预测分子的特性。随后，研究人员提供 2,335 个用于模型学习的不同分子，之中有美国 FDA 批准的药物，也有不少具广泛生物活性的天然分子。
研究人员使用 Broad 研究所的化合物库，让深度学习模型从其中 6,111 个分子，寻找有潜在抗菌力的分子，halicin 就是这样发现的。
研究人员测试了 halicin 对多种抗药菌的杀菌效果。结果显示，除了铜绿假单胞菌（Pseudomonas aeruginosa，一种难治的肺部病原体），halicin 对所有测试的抗药菌都有杀伤作用。
利用这套系统，研究人员进一步在另一个数据库筛选了数亿个分子，并从中找到 23 个与现有抗生素结构迥异，且对人类细胞无毒性的潜在抗菌分子。筛选过程只花短短 3 天。
以色列理工学院生物和计算机科学教授 Roy Kishony 说：「这项开创性的工作代表抗生素发现的方式转变，甚至更广泛的药物发现。这种方法将允许在抗生素开发的所有阶段使用深度学习，从发现到透过药物修改和药物化学，提高疗效和毒性。」
