在实验室测试中，这种药物杀死了世界上许多问题最多的致病细菌，包括一些对所有已知抗生素都有耐药性的菌株。它还清除了两种不同小鼠模型的感染。

 

来自麻省理工学院(MIT)的一组研究人员称，这项技术比现有的技术工作速度更快、效率更高，因为它在几天内就能检测出1亿多种化合物，沐鸣测速从而找出可能杀死细菌的抗生素。

 

它被专门训练来追踪可能的抗生素分子，这些抗生素分子对E。杆菌的生长。

 

“我们面临着越来越多的危机在抗生素耐药性,这种情况是由越来越多的病原体产生抗药性现有抗生素,和一个贫血管道新抗生素的生物技术和制药行业,”麻省理工学院的教授詹姆斯·柯林斯说也是创始人之一EnBiotix抗生素药物研发公司。

 

他补充道:“我们希望开发一个平台，让我们能够利用人工智能的力量，迎接抗生素药物发现的新时代。”

 

“我们的方法揭示了这种神奇的分子，它可能是目前发现的最强大的抗生素之一。”

 

这种名为halicin的分子被证明对E有效。在30天的小鼠试验中，大肠杆菌没有产生任何耐药性。他们希望最终能够在人类身上使用这种药物。

 

在过去的几十年里，很少有新的抗生素被开发出来，沐鸣测速而且大多数新批准的抗生素是现有药物的稍微不同的变体。

 

目前筛选新抗生素的方法往往成本高昂，需要大量的时间投入，而且通常局限于化学多样性的狭窄范围。

 

新的机器学习方法可以使未来更容易找到新药。研究人员对大约2500个已知能有效杀死大肠杆菌的分子进行了训练。

 

一旦这个模型被训练好，研究人员就在一个包含约6000种化合物的文库中测试它，并挑选出一种被预测具有很强的抗菌活性的分子，这种分子的化学结构与现有的任何抗生素都不同。

 

使用另一种机器学习模型，研究人员还表明这种分子可能对人体细胞有低毒性。

 

研究人员还发现了其他几种有前途的候选抗生素，他们计划进一步测试。他们相信这个模型也可以用来设计新药，沐鸣测速地址基于他们对化学结构的了解，使药物能够杀死细菌。

 

SAS英国和爱尔兰的数据科学家马克·弗兰克什表示，这一发现标志着人工智能在医疗保健领域的应用向前迈出了“巨大的一步”。

 

他说:“现在，这项技术在诊断脑瘤方面比人类更准确，它在发现新抗生素方面的应用是其范围扩大的一个迹象。”

 

话虽如此，但它绝不会让人类医生变得多余。相反，它将与临床医生和其他医务人员协同工作，为他们节省治疗病人的关键时间，使他们从数小时的手工过程中解脱出来。

 

“目前这种冠状病毒还没有找到有效的治疗方法，人们对抗生素耐药性的担忧也在不断增加，因此人工智能在药物研发中的应用来得正是时候。”人工智能、人类专业知识和全球合作的结合将带来进一步的发展，使NHS获得最大的价值，并最终拯救更多的生命。”