發(fā)現(xiàn)新抗生素，計(jì)算機(jī)做到了

Fiona

由于細(xì)菌正不斷地進(jìn)化出抗藥性，曾經(jīng)功效強(qiáng)大的抗生素正在快速失效。目前，全球每年至少有70萬人，死于原本用抗生素就能治愈的細(xì)菌感染。

2019年，聯(lián)合國“抗菌藥物耐藥性”跨機(jī)構(gòu)協(xié)調(diào)小組發(fā)表的一份報(bào)告稱：如果該領(lǐng)域的研究沒有取得新的突破性進(jìn)展，那么到2050年，死于細(xì)菌感染的人數(shù)可能會(huì)躍升至每年1000萬人。

讓這一預(yù)測(cè)顯得更為可怕的是，傳統(tǒng)抗生素“后繼無人”。

過去的20年間，只有少數(shù)新抗生素在用新手段殺死細(xì)菌，而細(xì)菌不斷增強(qiáng)的耐藥性，讓所有抗生素都備受挑戰(zhàn)。同時(shí)，通過篩選天然化合物來尋找新抗生素的傳統(tǒng)方法，也顯露弊端。

因此，一些研究人員正從傳統(tǒng)生物實(shí)驗(yàn)室轉(zhuǎn)向計(jì)算機(jī)，希望從中找到答案。

計(jì)算機(jī)出馬

在2020年2月20日的《細(xì)胞》期刊上，一個(gè)科學(xué)家小組宣布，他們通過強(qiáng)大的深度學(xué)習(xí)算法，發(fā)現(xiàn)了一種全新的抗生素。該抗生素具有非常規(guī)作用機(jī)制，可以治愈多種對(duì)傳統(tǒng)抗生素有耐藥性的感染。

其實(shí)，該抗生素并不陌生，它是一種糖尿病治療藥物，只是在此之前，人類不知道要尋找的新型抗生素就是它，但計(jì)算機(jī)做到了。

用計(jì)算機(jī)和機(jī)器學(xué)習(xí)來理解大量的生物醫(yī)學(xué)數(shù)據(jù)，這并不是什么新鮮事。但是，由詹姆斯·柯林斯（James Collins）和雷吉娜·巴齊萊（Regina Barzilay）領(lǐng)導(dǎo)的麻省理工學(xué)院的團(tuán)隊(duì)，開發(fā)了一個(gè)“神經(jīng)網(wǎng)絡(luò)”，讓研究取得了成功。

柯林斯研究“系統(tǒng)生物學(xué)”在抗生素耐藥性方面的應(yīng)用，而巴齊萊則是一名人工智能研究員。他們研發(fā)的網(wǎng)絡(luò)，規(guī)避了科學(xué)家們?cè)凇皩ふ沂裁础钡膯栴}上所存在的可能成見與預(yù)判，讓計(jì)算機(jī)構(gòu)建“兼容并包”的備選答案。

“你可以認(rèn)出那些你之前覺得不太像抗生素的分子，”柯林斯說，“這個(gè)平臺(tái)展示了我們可以如何創(chuàng)新地利用新興的深度學(xué)習(xí)技術(shù)，來發(fā)現(xiàn)新的化學(xué)物質(zhì)?！?p>

1928年，亞歷山大·弗萊明提取出第一種抗生素—青霉素

制藥公司基本上放棄了新抗生素開發(fā)，轉(zhuǎn)而投入開發(fā)更有利可圖的慢性病藥物。

自亞歷山大·弗萊明（Alexander Fleming）從真菌中提取出第一種抗生素以來，抗菌藥物一直都是與大自然同源的。但是，分離、篩選和合成數(shù)千種天然化合物用于實(shí)驗(yàn)室測(cè)試，則極為昂貴和耗時(shí)。

為了縮小搜尋范圍，研究人員試圖了解細(xì)菌如何生存和繁殖，然后去尋找能攻擊該生命過程的化合物，以破壞細(xì)菌細(xì)胞壁、阻止細(xì)胞繁殖，或者是抑制細(xì)菌蛋白質(zhì)生成?！跋葟募?xì)菌的生物機(jī)制開始，然后反向設(shè)計(jì)抗生素分子?！卑妄R萊說。

即便早在20世紀(jì)80年代，計(jì)算機(jī)輔助高通量篩選方法就被引入抗生素的發(fā)現(xiàn)研究，但是，在隨后的幾十年間，該領(lǐng)域幾乎沒有進(jìn)展。偶爾篩選出的能對(duì)細(xì)菌構(gòu)成攻擊的候選抗生素，與現(xiàn)有抗生素過于相似，都無法解決細(xì)菌耐藥性的問題。此后，盡管市場有需要，制藥公司基本上放棄了新抗生素開發(fā)，轉(zhuǎn)而投入開發(fā)更有利可圖的慢性病藥物。

巴齊萊、柯林斯和他們的同事，采取了一種全新的、幾乎是自相矛盾的方法來發(fā)現(xiàn)藥物：它直接忽略藥物的作用機(jī)制。該方法只有在極其強(qiáng)大的計(jì)算能力支持下，才可能獲得成功。

“halicin”誕生

新抗生素的發(fā)現(xiàn)，有賴于其背后的深層神經(jīng)網(wǎng)絡(luò)。該網(wǎng)絡(luò)學(xué)習(xí)結(jié)構(gòu)的節(jié)點(diǎn)與聯(lián)結(jié)，是受大腦互相交錯(cuò)的神經(jīng)元的啟發(fā)。在多種產(chǎn)業(yè)與應(yīng)用技術(shù)中，具有識(shí)別模式的神經(jīng)網(wǎng)絡(luò)都有所運(yùn)用，如用于圖像和語音的識(shí)別。

傳統(tǒng)的計(jì)算機(jī)程序的操作方法，是篩選一個(gè)分子庫來找到特定的化學(xué)結(jié)構(gòu)，但是，神經(jīng)網(wǎng)絡(luò)通過訓(xùn)練可以自我學(xué)習(xí)，它們會(huì)熟記哪些結(jié)構(gòu)特征可能是有用的，然后找到相應(yīng)的東西。

柯林斯、巴齊萊和他們的團(tuán)隊(duì)，通過訓(xùn)練神經(jīng)網(wǎng)絡(luò)，尋找能抑制大腸桿菌生長的化合物。他們向網(wǎng)絡(luò)系統(tǒng)提供一個(gè)數(shù)據(jù)庫，這個(gè)數(shù)據(jù)庫包含有2300多個(gè)已知分子結(jié)構(gòu)的化合物，通過測(cè)試其抑制大腸桿菌生長的能力，將化合物標(biāo)記為“命中”或“未命中”。從這些數(shù)據(jù)中，神經(jīng)網(wǎng)絡(luò)學(xué)會(huì)了那些被標(biāo)記為“命中”的分子所具有的原子排列和化學(xué)鍵結(jié)構(gòu)。

因?yàn)檫@個(gè)訓(xùn)練數(shù)據(jù)庫中只有10%的化合物是已知抗生素，所以，關(guān)于“抗生素分子應(yīng)該如何工作”或“它們應(yīng)該是什么樣子”的假設(shè)，神經(jīng)網(wǎng)絡(luò)并沒有受到束縛。正因?yàn)槿绱耍窠?jīng)網(wǎng)絡(luò)能發(fā)現(xiàn)與當(dāng)前抗生素藥物差異顯著的化合物。

當(dāng)然，抑制細(xì)菌的能力并不是唯一重要的標(biāo)準(zhǔn)：氰化物和砷也能殺死一些細(xì)菌，但這并不能使它們成為有用的抗生素。因此，研究人員還需要讓算法具有預(yù)測(cè)化合物毒性的能力，并在此基礎(chǔ)上排除錯(cuò)誤的候選分子。

然后，他們把經(jīng)過訓(xùn)練的網(wǎng)絡(luò)轉(zhuǎn)移到“藥物再利用中心”，這是一個(gè)由6000多個(gè)化合物組成的分子庫，這些化合物已經(jīng)過審批，被用于應(yīng)對(duì)多種人類疾病。

賓夕法尼亞大學(xué)佩雷爾曼醫(yī)學(xué)院教授塞薩爾·德拉·富恩特（Cesar de la Fuente），嘗試使用人工智能設(shè)計(jì)新抗生素，他表示：“使用這種算法，我們可以在本被用作治療其他疾病的藥物中，找到分子的新特性。因?yàn)檫@些藥物已經(jīng)被美國食品藥品監(jiān)督管理局（FDA）批準(zhǔn)，我們只是為它們提供了一種新用途，所以，這將大大加快成為臨床使用藥物的過程。”

由詹姆斯·柯林斯（左圖）和雷吉娜·巴齊萊領(lǐng)導(dǎo)的麻省理工學(xué)院的團(tuán)隊(duì)所開發(fā)的“神經(jīng)網(wǎng)絡(luò)”，讓新型抗生素研究取得了成功

氰化物和砷也能殺死一些細(xì)菌，但這并不能使它們成為有用的抗生素。

研究團(tuán)隊(duì)將篩選抗菌性能的智能神經(jīng)網(wǎng)絡(luò)，與毒性篩選機(jī)制結(jié)合起來，然后排除那些他們認(rèn)為與現(xiàn)有抗生素過于相似的化合物—因?yàn)榧?xì)菌可能已經(jīng)對(duì)它們產(chǎn)生了抗藥性。然后，一種新的候選藥物出現(xiàn)了：c-Jun氨基末端激酶抑制劑SU3327，它是一種被認(rèn)為用于治療糖尿病的藥物。研究人員將這種化合物命名為“halicin”。

實(shí)驗(yàn)室測(cè)試表明，“halicin”不僅能有效地阻止大腸桿菌生長，還能殺死其他細(xì)菌，包括結(jié)核桿菌（會(huì)導(dǎo)致結(jié)核?。⑵D難梭菌（會(huì)導(dǎo)致胃腸道疾?。?，以及其他多種抗藥性細(xì)菌—這些細(xì)菌會(huì)導(dǎo)致膿毒癥、肺炎、傷口感染和其他常見的難以治愈的感染。

與此同時(shí)，雖然大多數(shù)抗生素在經(jīng)過幾天的實(shí)驗(yàn)室測(cè)試后會(huì)導(dǎo)致細(xì)菌抗藥性，但在經(jīng)過一個(gè)月的反復(fù)暴露后，“halicin” 未產(chǎn)生耐藥的大腸桿菌變體。

在實(shí)驗(yàn)室測(cè)試了“halicin”，并看到它作為抗生素的普遍功效之后，研究人員才開始探索它的作用機(jī)制。通過RNA測(cè)序和其他實(shí)驗(yàn)，他們發(fā)現(xiàn)它干擾了細(xì)菌細(xì)胞膜的質(zhì)子運(yùn)動(dòng)和電化學(xué)能。

“尊重”細(xì)菌

使用經(jīng)過同樣學(xué)習(xí)過程的神經(jīng)網(wǎng)絡(luò)，對(duì)更大量化合物（超過1.07億個(gè)）進(jìn)行篩選，研究人員獲得了第二個(gè)候選抗生素。

一般來說，篩選如此數(shù)量龐大的分子庫，并不是明智的做法?！皩?duì)1億多個(gè)抗生素化合物的活性進(jìn)行物理測(cè)試是不現(xiàn)實(shí)的?！逼テ澅ご髮W(xué)生物科學(xué)助理教授雅各布·達(dá)蘭特說。他開展了眾多通過機(jī)器學(xué)習(xí)來解決抗生素耐藥性的研究。

該算法能夠在短短四天內(nèi)，對(duì)所有這些分子進(jìn)行評(píng)估和排序，將目標(biāo)范圍縮小到僅23個(gè)可能的化合物，用于接下來的物理測(cè)試。

其中，有一種新抗生素（尚未命名）脫穎而出。柯林斯實(shí)驗(yàn)室的博士后研究員和該研究論文的第一作者喬納森·斯托克斯（Jonathan Stokes）表示，當(dāng)測(cè)試結(jié)果表明這種化合物具有抗菌能力的時(shí)候，“halicin”的論文正處于修訂階段，因此，科學(xué)家們決定將它與“halicin”的發(fā)現(xiàn)一起公布。

他在一封電子郵件中解釋說：“我們正處于闡明其作用機(jī)制的早期階段，隨后將探究它對(duì)哪些病原體會(huì)產(chǎn)生影響，以及它對(duì)哺乳動(dòng)物細(xì)胞的安全性如何?！?/p>

柯林斯說，他們現(xiàn)在正在努力加強(qiáng)神經(jīng)網(wǎng)絡(luò)對(duì)某些病原體的關(guān)注，著重發(fā)展那些對(duì)體內(nèi)微生物群影響較小的那部分抗生素。

德拉·富恩特正在他的實(shí)驗(yàn)室中，尋找加速抗生素發(fā)現(xiàn)過程的方法。他將能生產(chǎn)新分子的機(jī)器學(xué)習(xí)平臺(tái)，與能打印這些新分子的合成器結(jié)合起來，讓計(jì)算機(jī)生成的新分子可直接用于后續(xù)的實(shí)驗(yàn)測(cè)試，然后再將實(shí)驗(yàn)結(jié)果反饋到計(jì)算機(jī)中，使其不斷學(xué)習(xí)和改進(jìn)。

他和他的同事也有興趣將機(jī)器學(xué)習(xí)應(yīng)用于藥物設(shè)計(jì)，而不是簡單地使用它來篩選現(xiàn)有的化合物。德拉·富恩特說：“大自然在為人類提供新抗生素方面，可能已經(jīng)失去了靈感。這就是為什么我們認(rèn)為機(jī)器可以讓天然分子更具多樣化，將它們轉(zhuǎn)化為合成版本，使得效用更加顯著?！?/p>

為此，他們使用計(jì)算機(jī)模型快速模擬細(xì)菌的進(jìn)化過程，包括變異、選擇和基因重組。他說，使用計(jì)算機(jī)，就可能推斷出具有新序列的蛋白質(zhì)的特性，而這些序列尚未通過當(dāng)前的進(jìn)化過程看到。這可能會(huì)產(chǎn)生新的分子，其功能也是人們從未見過的。

達(dá)蘭特同意這種說法。他表示：“同樣的方法也可以應(yīng)用于針對(duì)其他疾病的藥物發(fā)現(xiàn)工作，如癌癥和神經(jīng)退行性疾病?！?/p>

德拉·富恩特說，這些計(jì)算機(jī)神經(jīng)網(wǎng)絡(luò)也許有一天，能提供一個(gè)更全面的關(guān)于細(xì)菌活動(dòng)的圖譜，幫助科學(xué)家了解環(huán)境影響如何改變抗生素的療效。研究中大量關(guān)于營養(yǎng)水平、pH值、氧濃度和其他因素的數(shù)據(jù)，有助于為今后更有效的治療方案指明方向。

新算法的成功應(yīng)用，促使一些標(biāo)題黨作者宣稱，人工智能發(fā)明抗生素的新時(shí)代已現(xiàn)曙光。但作為一名機(jī)器學(xué)習(xí)專家，巴齊萊不以為然：如果沒有嚴(yán)謹(jǐn)縝密的人類工作，這一發(fā)現(xiàn)是不可能的?！安⒉皇菣C(jī)器發(fā)現(xiàn)了分子，而是機(jī)器幫助人類掃描巨大的可能性空間，聚焦富有成果的假設(shè)?！?/p>

此外，不止一位研究人員警告說，目前用來培訓(xùn)網(wǎng)絡(luò)以尋找新抗生素的高質(zhì)量數(shù)據(jù)，成果有限，過于依賴機(jī)器學(xué)習(xí)，將給今后的工作帶來阻礙。

計(jì)算機(jī)工作盡管頗有成效，但終究不能取代生物實(shí)驗(yàn)。盡管柯林斯預(yù)測(cè)他們總有一天會(huì)在預(yù)測(cè)精度上從現(xiàn)在的51%達(dá)到90%，但隨后的實(shí)驗(yàn)仍然必不可少。

利用計(jì)算機(jī)技術(shù)探索分子性能，其終極成功在于，人工智能發(fā)現(xiàn)或設(shè)計(jì)出真正的“防止抗藥性”（resistance-proof）抗生素。雖然這是德拉·富恩特目前正在進(jìn)行的項(xiàng)目之一，但他認(rèn)為，“防抗性”是一個(gè)遙遠(yuǎn)的目標(biāo)。

他說：“作為一名微生物學(xué)家，我非常尊重細(xì)菌。我們?cè)谶@場博弈中，所能做的是跟上它們進(jìn)化的步伐，而不是認(rèn)為我們已經(jīng)戰(zhàn)勝了它們?！?/p>