研究人员利用人工智能算法对数千种药物分子进行筛选，找出了可能对抗由肺炎链球菌引起的耐药性感染的候选药物。
该团队由伦敦帝国理工学院副教授佩德罗·巴列斯特领导，他们使用了三种人工智能算法——这些算法基于已知对耐药细菌有效和无效的药物数据进行训练——从近7000种已获批或处于研究阶段的药物中筛选出可能对肺炎链球菌有活性的候选药物，最终确定了11种候选药物。
在选出的11种候选抗生素中，有9种在实验室测试中被发现能显著抑制肺炎链球菌的生长，其中一种名为硫链丝菌素（一种目前仅用于兽医领域的头孢类药物）的化合物，即使对多重耐药（MDR）菌株也保持了极高的效力。
"人工智能引导的药物再利用已成为对抗抗微生物耐药性的重要策略，尤其是对于那些已知存在部分有效分子、可用作训练或微调数据集的病原体，"巴列斯特表示。
肺炎链球菌的抗微生物耐药性（AMR）问题是全球公共卫生领域的重大关切，威胁到肺炎、脑膜炎和败血症等常见及严重感染的治疗，这使其成为新型抗生素研发的优先目标。
世界卫生组织（WHO）已将多重耐药肺炎链球菌列为亟需新疗法和更严格管理的全球关键优先事项，因为越来越多的分离菌株对三种及以上不同类别的抗生素产生了耐药性。
传统治疗主要依赖青霉素等β-内酰胺类药物，以及红霉素、阿奇霉素等大环内酯类药物，氟喹诺酮类药物则作为替代选择，但对β-内酰胺类和大环内酯类药物的耐药性正在广泛蔓延并持续增加。
这些研究人员已将研究成果发表在开放获取期刊《先进科学》上，他们认为这是首次利用人工智能尝试寻找可再利用于对抗肺炎链球菌的药物，此举有助于缩短新疗法研发的时间和成本，同时降低失败风险。
他们指出，三种独立人工智能模型的联合使用表明它们在候选药物筛选上具有互补性，联合使用比单独使用更为有效。
"这些发现凸显了利用人工智能模型识别新型药物、并合理筛选出最具再利用潜力药物的优势，"作者们表示。"在抗微生物耐药性这一亟需有效化合物的领域，人工智能驱动的计算药物再利用是一种已被证明成功、且高效经济的策略。"
Q&A
Q1：AI是如何找到这些候选抗生素的？
A：研究人员使用三种基于已知有效和无效药物数据训练的AI算法，对近7000种已获批或研究中的药物进行筛选，最终确定11种可能对肺炎链球菌有效的候选药物。
Q2：这次发现的候选药物中效果最好的是哪种？
A：硫链丝菌素表现最为突出，即使面对多重耐药菌株也保持了很高的抑菌效力，而该药物目前仅用于兽医领域。
Q3：为什么肺炎链球菌的耐药性问题如此重要？
A：肺炎链球菌可导致肺炎、脑膜炎和败血症等严重感染，世界卫生组织已将其耐药菌株列为全球关键优先事项，因其对多种抗生素的耐药性正持续上升。