MIT 联手哈佛用 AI 筛出新抗生素：60 年来首个新类别，对付超级细菌

面对超级细菌，人类手里的抗生素武器库已经几十年没怎么添过新家底了。耐甲氧西林金黄色葡萄球菌（MRSA）这种顽固感染，每年在全球夺走成千上万人的生命，光是在欧盟，每年就有近 15 万例感染，耐药菌更是导致约 3.5 万人死亡。

不过，来自麻省理工学院（MIT）和哈佛大学等机构的 21 位科学家在《Nature》上交出了一份突破性答卷。他们利用一套透明度更高的深度学习系统，发现了 60 年来首类全新机制的抗生素候选分子，能有效杀灭这种超级细菌。

拆开神经网络的黑箱

AI 找药早就不是新鲜事，但以往的做法通常像个碰运气的盲盒。模型告诉你这个分子可能管用，科学家却完全不知道它看中了分子里的哪一部分。

这次的研究团队打算直接把黑箱掀开。论文主要作者之一、MIT 和哈佛的博士后 Felix Wong 直言，过去谁也不知道这些复杂神经网络内部到底发生了什么。而这次他们改进了架构，让算法能够解释自己的判断逻辑，清晰展示它从分子的哪些化学结构里学到了抗菌特性。

为了训练这套工具，团队先在实验室里测定了大约 3.9 万个化合物对 MRSA 的实际抗菌活性，把化学结构和实验数据一起喂给模型。

光能杀菌还不够，还要保证对人体不致命。团队另外训练了 3 个深度学习模型，专门评估化合物对 3 种不同类型人类细胞的毒性反应。只有兼具高杀菌活性和极低毒性的分子，才能从筛选漏斗里走出来。

从 1200 万候选者里淘金

准备工作做完后，这套 AI 系统一口气筛选了市面上大约 1200 万个可购买的化合物。根据特定的化学亚结构特征，模型挑出了 5 类具有潜在抗菌活性的分子。

随后，研究人员实际采购了其中的 280 个化合物放进实验室复测。结果证实，来自同一个类别的两个候选药物展现出惊人的抗菌潜力。

在小鼠动物实验中，研究人员分别测试了皮肤局部感染和全身系统感染两种场景。结果显示，这两种全新化合物都能将小鼠体内的 MRSA 细菌数量直接压低到原来的十分之一。

MIT 教授 James Collins 表示，这项工作提供了一个在时间、资源和化学机理洞察上都极其高效的新框架，这是过去研究所不具备的。

为什么重要

对医疗和药物研发行业来说，这不仅是找到了一两种新药分子，更重要的是证明了「可解释 AI」在药物发现上的实战威力。以往 AI 制药常因为无法解释机理而被传统药企质疑，现在算法能把关键化学亚结构指给化学家看，能极大缩短后续的分子改造和优化周期。

我们认为，这项研究走得最聪明的地方，是在筛选漏斗里同步前置了人类细胞毒性预测。很多所谓的潜力分子在实验室初期表现抢眼，最后却因毒性过大在临床前被直接枪毙，把毒性测试搬到虚拟筛选第一线，能给研发省下海量真金白银和时间。

不过看起来，这项成果离普通患者真正用上还有很长一段路。目前的数据仅仅停留在体外实验和小鼠模型阶段，小鼠身上细菌减少到十分之一确实很强，但要在人体内验证有效性、代谢稳定性和长远安全性，往往还要熬过数年的临床试验。它给抗生素研发荒漠撕开了一道口子，但真正的硬仗才刚刚开始。