相关实验视频
Updated: Sep 11, 2025

Antibiotic Dereplication Using the Antibiotic Resistance Platform
Published on: October 17, 2019
对新型抗生素设计的生成深度学习方法
Aarti Krishnan1, Melis N Anahtar2, Jacqueline A Valeri3
1Infectious Disease and Microbiome Program, Broad Institute of MIT and Harvard, Cambridge, MA 02142, USA; Institute for Medical Engineering & Science and Department of Biological Engineering, Massachusetts Institute of Technology, Cambridge, MA 02139, USA; Whitehead Institute for Biomedical Research, Cambridge, MA 02142, USA; Wyss Institute for Biologically Inspired Engineering, Harvard University, Boston, MA 02115, USA.
这项研究引入了一个新的AI框架来设计新的抗生素. 产生性人工智能成功地制造并合成了具有强大抗菌活性的化合物来对抗抗菌.
科学领域:
- 药物发现和开发
- 医学中的人工智能
- 抗菌药物耐药性
背景情况:
- 越来越多的抗菌素耐药性危机需要具有独特结构的新型抗生素.
- 目前用于识别抗菌化合物的深度学习方法通常缺乏结构性新性.
- 需要创新的抗生素设计方法.
研究的目的:
- 开发一种创造性人工智能 (AI) 框架来设计新的抗生素.
- 探索新的化学空间寻找潜在的抗菌剂.
- 解决现有的深度学习方法在产生结构独特的抗生素方面的局限性.
主要方法:
- 采用基于片段的AI方法,对10^7的化学片段进行查,以防治尼塞利亚淋病和金黄色葡萄球菌.
- 使用无约束的新组合生成方法.
- 在生成人工智能框架内集成遗传算法和变异自编码器.
- 通过人工智能框架合成了24种化合物.
主要成果:
- 在24种合成化合物中,有7种具有选择性抗菌活性.
- 两种化合物表现出对多种耐药细菌的杀菌效果.
- 这些化合物在Neisseria gonorrhoeae和甲素耐药黄金菌感染的实体小鼠模型中显示出不同的作用机制和降低的细菌负担.
- 这两类化合物的结构类似物被证实具有抗菌作用.
结论:
- 开发的生成人工智能框架成功地设计了新型抗生素.
- 这种由人工智能驱动的方法为探索未知化学空间的新疗法提供了强大的平台.
- 通过产生结构上不同的抗生素来对抗抗生素耐药性危机,
相关概念视频
Antibiotic Selection
Development of Antibiotic Resistance
Genome Size and the Evolution of New Genes
Synthetic Biology
Golden rice
Golden rice is a genetically modified...
Microorganisms in Medicine and Therapeutics
Drug Discovery: Overview

