A 生成式人工智能 协助麻省理工学院(MIT)的研究人员开发了两种针对耐药细菌的实验性化合物。这些候选化合物对引起淋病的细菌和MRSA(金黄色葡萄球菌 (耐甲氧西林)在临床前试验中。.
这一进展是寻求应对抗生素耐药性替代方案的一部分。不过,实验室和小鼠实验的结果尚不能证明该方法对人类的安全性和有效性。.
生成式人工智能如何助力抗生素的研发?
麻省理工学院(MIT)的团队设计了超过 3600万个虚拟化合物, ,利用人工智能来识别哪些物质具有与现有药物不同的抗菌特性。.
因此,在这两种被命名为 NG1 (用于治疗淋病)和 DN1 (针对MRSA),这些化合物已在实验室和小鼠身上成功合成并经过测试,并在动物模型中消灭了细菌 麻省理工学院新闻《独立报》《The Rundown》AI.
生成式人工智能:两种分子设计方法
研究人员采用了两种不同的方法。.
-
- 受控片段:基于一种名为 F1, ,人工智能合成了具有高抗菌活性的新分子。.
-
- 自由设计:人工智能从零开始创造分子,甚至从单个原子起步 麻省理工学院新闻Fierce Biotech.
随后,研究人员应用了过滤器,以评估预期的抗菌活性、潜在毒性以及与现有抗生素的相似性。由此,生成式人工智能为分子筛选提供了支持,以便进行合成和实验测试。.
为什么这很重要?
-
- 这些抗生素具有 前所未有的作用机制, ,从而降低快速产生耐药性的可能性。.
还缺什么?
尽管大家热情高涨,但前路依然漫长,例如:
-
- 科学家们正面临当今最大的挑战之一:实现大规模生产。在80种针对淋病的理论分子中,他们仅成功合成了其中两种。. GB News.
然而,专家们也指出,开发新型抗生素面临着经济上的挑战——由于经济回报较低,这一领域对制药行业往往缺乏吸引力 GB News.
当科学开辟出意想不到的道路时
人工智能在设计全新抗生素方面展现出了前所未有的能力,这些抗生素已在实验室和动物模型中证明了其有效性。 尽管仍处于临床前阶段,但这一突破为应对日益严峻的耐药性感染威胁带来了切实的希望,预示着药物研发领域可能迎来复兴。 这项技术有望彻底改变医学领域,值得持续关注,包括投入资金将这些化合物推进至临床阶段。.

分享到
Se inscrever
登录
0 评论
更多投票
最近更新
更多信息
在线反馈
查看所有评论