人工智能设计抗生素：抗击耐药危机的曙光与挑战

当“噩梦细菌”在全球范围内肆虐，当传统抗生素研发陷入瓶颈，人工智能正以前所未有的速度打开一扇新的大门。2025年10月3日，《自然》杂志的深度报道揭示：AI已设计出数千种潜在抗生素，并在动物实验中初显成效。然而，在这振奋人心的进展背后，一个关键问题悬而未决：这些智能设计的药物，能否真正跨越从实验室到临床的重重障碍，成为抗击耐药危机的有力武器？

危机迫在眉睫

美国疾控中心的最新报告描绘了一幅严峻图景：2019至2023年间，危险细菌感染率激增69%。被称为“噩梦细菌”的肠杆菌对现有抗生素表现出顽强抵抗力，成为临床治疗的难题。全球每年有110万人因细菌耐药性丧生，这个数字仍在攀升。宾夕法尼亚大学机器学习生物学家César de la Fuente坦言：“传统抗生素发现需要从自然界筛取土壤寻找抗菌化合物，这是个依赖试错的艰苦过程，可能耗费数十年。”在耐药菌进化速度远超新药研发速度的当下，变革研发模式已成当务之急。

AI加速革命

人工智能的介入正在改写抗生素研发的游戏规则。机器学习算法通过分析有害与无害细菌的化合物数据，能够从动物、植物及细菌的蛋白质组中精准识别具有抗菌特性的蛋白质片段。更令人惊叹的是，基于与聊天机器人相同原理的生成式AI，不仅能识别已知化合物，还能创造全新的抗菌分子。

de la Fuente团队的成果展示了这种技术的巨大潜力：其genAI模型设计了5万种具有抗菌特性的多肽，经筛选合成的46种顶级多肽中，约35种在培养皿中可有效杀灭菌株，且对人类细胞毒性较低。更令人鼓舞的是，其中两种候选物在小鼠模型中成功对抗了致命的鲍曼不动杆菌。从候选物发现到实验室测试，整个流程被压缩至短短两周，相比传统方法的数十年，这无疑是革命性的飞跃。

挑战依然严峻

然而，曙光之下，前路依然布满荆棘。目前，尚无任何AI设计的抗生素进入人体试验阶段，这意味着它们的安全性和有效性在人体内仍然是个未知数。

实验室合成成为首道关卡。麻省理工学院生物工程师Jim Collins团队发现，部分AI设计的抗生素或因化学性质不稳定难以合成，或因制备步骤过多导致商业化生产变得不切实际。在其研究中，AI预测的数百种抗菌分子最终只有24种被成功制备，凸显了从数字设计到实体化合物之间的巨大鸿沟。

不过，创新者已在寻找突破之道。加拿大麦克马斯特大学生物化学家Jon Stokes团队开发的新型genAI模型，能够同步生成抗生素结构及合成配方，通过组合小型化学片段构建更易实现的结构，将实验室合成成功率提升至约85%。同时，AI在理解药物作用机制方面也展现出独特价值。Stokes团队开发的模型仅用100秒就能预测新型抗生素的细胞内作用机制，而实验室验证这一预测却花了约六个月时间。

未来之路

人工智能在抗生素研发领域的应用正从辅助工具向创新引擎转变。它不仅在加速候选物的发现，更在重塑我们对药物设计的理解方式。然而，我们必须清醒认识到，AI设计的分子距离成为拯救生命的药物还有漫长路程。

随着全球耐药危机持续加剧，跨学科合作变得比以往任何时候都更加重要。计算机科学家、生物学家、化学家和临床医生需要紧密协作，共同攻克从算法优化到临床转化的各个环节。AI提供的机会之窗已经打开，但能否将其转化为真正的医疗突破，仍需科学界的集体智慧和持续努力。

在人类与细菌的永恒军备竞赛中，人工智能或许正为我们带来前所未有的优势。尽管前路挑战重重，但这些由代码孕育的抗生素候选物，已经为抗击耐药感染带来了最明亮的希望曙光。未来几年，随着更多候选物步入临床前研究和人体试验，我们或将见证医学史上又一个革命性时刻的诞生。