《机器学习提升抗生素的使用》

  • 来源专题:先导专项——抗突发性传染病药物监测服务
  • 编译者: 李子艳
  • 发布时间:2020-12-02
  • AI技术已经被越来越多应用于医疗领域,最近研究人员利用人工智能发现了一种强大的抗生素,几乎可以杀死世界上一些最危险的耐药细菌。
    据《卫报》报道,为了找到新的抗生素,研究人员首先训练了一种“深度学习”算法来识别杀死细菌的分子种类。在研究中,他们向程序提供了近 2500 种药物和天然化合物的原子和分子特征的信息,以及这些物质抑制大肠杆菌的生长速度。
    一旦这个算法了解哪些分子特征可以用来制造优质的抗生素,科学家们就把它应用到一个包含 6000 多种化合物的文库中。研究人员正研究把这些化合物用于治疗各种人类疾病。需要知道的是,该算法没有寻找任何潜在的抗菌素,而是专注于检测出看起来有效但与现有抗菌素不同的化合物。这增加了这些药物以全新的方式发挥作用的可能性,而细菌还没有对这种新方式产生抗药性。
    这项研究的作者Jonathan Stokes表示,算法用了几个小时来评估化合物,并找出一些有前景的抗生素。《卫报》补充道:(这位高级研究员)现在想利用这一算法找到对其杀死的细菌更有选择性的抗生素。”这意味着服用抗生素只会杀死引起感染的细菌,并且不会杀死肠道内所有的有益细菌。此外,科学家们还设想利用该算法从头开始设计有效的新抗生素。

相关报告
  • 《 Nature | AI模型发现全新抗生素类型》

    • 来源专题:战略生物资源
    • 编译者:李康音
    • 发布时间:2023-12-21
    • 2023年12月20日,麻省理工学院 James Collins 教授团队在国际顶尖学术期刊 Nature 上发表了题为Discovery of a structural class of antibiotics with explainable deep learning 的研究论文。 该研究利用人工智能(AI)和可解释的深度学习模型,从超过1200万种化合物中识别出一种革命性的新型抗生素类型,可以杀死临床上常见的超级细菌——耐甲氧西林金黄色葡萄球菌(MRSA)。而且,这些化合物对人类细胞的毒性很低,因此成为特别好的抗生素候选者。 这项新研究的一个关键创新在于,研究人员弄清楚了深度学习(Deep Learning)模型使用了哪些信息来预测其抗生素效力。这种知识还可以帮助研究人员设计出更有效的其他治疗药物。
  • 《新的诊断方法可以快速识别正确的抗生素》

    • 来源专题:人类遗传资源和特殊生物资源流失
    • 编译者:yanyf@mail.las.ac.cn
    • 发布时间:2019-12-03
    • 及时诊断并使用最有效的抗生素治疗的细菌感染患者比等待治疗的患者情况要好。但是,目前确定哪种药物将杀死病原体的方法需要几天才能产生结果,因此,患者在等待诊断的同时,通常会被开出广谱抗生素。据美国疾病控制与预防中心(CDC)最近的一项估计,这些抗生素的过度使用导致了耐药微生物的出现,每年导致3.5万美国人死亡。 麻省理工学院布罗德研究所(Broad Institute of MIT)和哈佛大学及麻省总医院(Massachusetts General Hospital, MGH)的科学家开发了一种新的诊断方法,通过允许医生在数小时内而不是数天内准确找到最佳抗生素,这种方法可能有助于解决这个问题。这种快速检测方法有可能应用于任何细菌感染和抗生素。 “能够快速、准确地识别最好的抗生素将极大地改善患者感染的护理,同时确保抗生素部署智能和高效的阿森纳,”洪黛博拉说,核心成员学院广大和哈佛医学院副教授,MGH领导发展的考验。 两种方法胜过一种 目前抗生素敏感性试验(AST)的黄金标准“表型”方法包括从病人身上取下细菌,在有多种抗生素的培养皿中培养,观察哪种药物可以抑制细菌的生长。这些基于生长的检测是准确的,但是需要几天才能得到结果并告知临床决定。较新的“基因型”方法是在细菌DNA中寻找已知的能产生耐药性的突变,这种方法速度更快,但准确性更低,因为耐药性可能来自检测中没有包括的基因变化。 Broad和MGH研究人员的新测试,称为基因型和表型AST通过RNA检测,或称噬菌体- r,结合了这两种方法的优点,可以在不到4小时内提供结果。根据《自然医学》杂志的描述,这项工作是由洪和罗比·巴塔查里亚领导的。 在他们的研究中,研究人员发现,在接触抗生素几分钟后,在培养皿中培养的同种细菌的耐药和药敏版本显示出不同的信使RNA (mRNA)表达模式,反映了它们基因活性的差异。科学家们使用机器学习算法来识别能最好地区分药物敏感菌和耐药菌的mRNA转录。然后,GoPhAST-R使用这些转录本对未知药物敏感性的样本进行分类。通过寻找药物敏感性的信使rna信号,该测试可以快速识别一个生物体对某些药物的敏感性,而不考虑潜在的耐药性遗传根源。 该方法还分析mRNA转录序列,以揭示细菌是否携带已知的导致耐药性的关键基因。将这种基因型数据与基于表现型表达的数据相结合,可以提高噬菌体- r的性能,科学家们发现,噬菌体- r对菌株的分类准确率为94%到99%。 更快 研究人员证明,GoPhAST-R可以识别出当今在临床上使用的三种主要抗生素类别的敏感性:碳青霉烯类,氟喹诺酮类和氨基糖苷类,它们对五种经常具有耐药性的病原体:大肠杆菌,肺炎克雷伯菌,鲍曼不动杆菌,金黄色葡萄球菌和铜绿假单胞菌。他们使用GoPhAST-R快速测定了MGH临床微生物实验室的患者样品中病原体的环丙沙星敏感性,从而证明了该试验的临床潜力。 为了使GoPhAST-R的运行速度更快,该团队与一家名为NanoString的生物技术公司合作,使用其下一代RNA检测平台NanoString Hyb&Seq。与使用标准临床实验室方法进行的28-40小时相比,该仪器允许GoPhAST-R在血液培养中阳性细菌被检出后不到四小时的时间内确定抗生素敏感性。 Bhattacharyya说:“如果将其开发用于临床,GoPhAST-R可以帮助改变传染病的诊断和治疗,同时有助于防止耐药性超级细菌的进一步出现和传播。” 这项研究部分由美国国立卫生研究院国家过敏和传染病研究所资助。 Broad Institute最近已将技术许可给NanoString进行商业化。