MIT 聯手哈佛用 AI 篩出新抗生素：60 年來首個新類別，對付超級細菌

面對超級細菌，人類手裡的抗生素武器庫已經幾十年沒怎麼添過新家底了。耐甲氧西林金黃色葡萄球菌（MRSA）這種頑固感染，每年在全球奪走成千上萬人的生命，光是在歐盟，每年就有近 15 萬例感染，耐藥菌更是導致約 3.5 萬人死亡。

不過，來自麻省理工學院（MIT）和哈佛大學等機構的 21 位科學家在《Nature》上交出了一份突破性答卷。他們利用一套透明度更高的深度學習系統，發現了 60 年來首類全新機制的抗生素候選分子，能有效殺滅這種超級細菌。

拆開神經網路的黑箱

AI 找藥早就不是新鮮事，但以往的做法通常像個碰運氣的盲盒。模型告訴你這個分子可能管用，科學家卻完全不知道它看中了分子裡的哪一部分。

這次的研究團隊打算直接把黑箱掀開。論文主要作者之一、MIT 和哈佛的博士後 Felix Wong 直言，過去誰也不知道這些複雜神經網路內部到底發生了什麼。而這次他們改進了架構，讓演算法能夠解釋自己的判斷邏輯，清晰展示它從分子的哪些化學結構裡學到了抗菌特性。

為了訓練這套工具，團隊先在實驗室裡測定了大約 3.9 萬個化合物對 MRSA 的實際抗菌活性，把化學結構和實驗資料一起餵給模型。

光能殺菌還不夠，還要保證對人體不致命。團隊另外訓練了 3 個深度學習模型，專門評估化合物對 3 種不同型別人類細胞的毒性反應。只有兼具高殺菌活性和極低毒性的分子，才能從篩選漏斗裡走出來。

從 1200 萬候選者裡淘金

準備工作做完後，這套 AI 系統一口氣篩選了市面上大約 1200 萬個可購買的化合物。根據特定的化學亞結構特徵，模型挑出了 5 類具有潛在抗菌活性的分子。

隨後，研究人員實際採購了其中的 280 個化合物放進實驗室複測。結果證實，來自同一個類別的兩個候選藥物展現出驚人的抗菌潛力。

在小鼠動物實驗中，研究人員分別測試了皮膚區域性感染和全身系統感染兩種場景。結果顯示，這兩種全新化合物都能將小鼠體內的 MRSA 細菌數量直接壓低到原來的十分之一。

MIT 教授 James Collins 表示，這項工作提供了一個在時間、資源和化學機理洞察上都極其高效的新框架，這是過去研究所不具備的。

為什麼重要

對醫療和藥物研發行業來說，這不僅是找到了一兩種新藥分子，更重要的是證明了「可解釋 AI」在藥物發現上的實戰威力。以往 AI 製藥常因為無法解釋機理而被傳統藥企質疑，現在演算法能把關鍵化學亞結構指給化學家看，能極大縮短後續的分子改造和最佳化週期。

我們認為，這項研究走得最聰明的地方，是在篩選漏斗裡同步前置了人類細胞毒性預測。很多所謂的潛力分子在實驗室初期表現搶眼，最後卻因毒性過大在臨床前被直接槍斃，把毒性測試搬到虛擬篩選第一線，能給研發省下海量真金白銀和時間。

不過看起來，這項成果離普通患者真正用上還有很長一段路。目前的資料僅僅停留在體外實驗和小鼠模型階段，小鼠身上細菌減少到十分之一確實很強，但要在人體內驗證有效性、代謝穩定性和長遠安全性，往往還要熬過數年的臨床試驗。它給抗生素研發荒漠撕開了一道口子，但真正的硬仗才剛剛開始。