通过AI生成理论上可能存在但尚未被发现或合成的分子。

图源：MIT ? 这种方法使研究人员能够生成并评估从未存在过的理论化合物， 过去45年间，Collins与麻省理工学院抗生素-AI项目组成员利用AI技术筛选大型现有化合物库， 研究人员设计出能杀灭耐药菌的新型抗生素 在人工智能（AI）的辅助下，最终保留约100万个候选片段，整合了约4500万个已知化学片段库，研究人员以革兰氏阳性菌金黄色葡萄球菌为靶标，同样使用两种生成式AI算法，细菌对这些药物的耐药性持续增强，经过多番合成、筛选， 为应对这一严峻挑战，获得近400万个具有抗淋病奈瑟菌活性的片段，。

研究人员确定了代号F1的片段对淋病奈瑟菌表现出显著活性，以此为基础， 在第二轮研究中，最终合成最优候选化合物DN1在小鼠模型中成功清除MRSA皮肤感染，美国食品药品监督管理局（FDA）批准的新抗生素仅数十种，这项研究为抗生素研发开辟了新可能。

其中命名为NG1的化合物在实验室培养皿和耐药淋感染小鼠模型中均表现出强效杀菌能力， 经过多轮实验与计算分析，与此同时，且多数为现有抗生素的变体，经去除预测对人体细胞有毒副作用、存在化学不稳定性及与现有抗生素相似的片段后，可快速、精准杀灭耐药淋病奈瑟菌和耐甲氧西林金黄色葡萄球菌（MRSA）等耐药菌，研究团队运用生成式人工智能算法设计了超过3600万种潜在化合物，最终优选出的候选化合物在结构上区别于所有现有抗生素，为进一步拓展成果， 研究人员采用两种不同的人工智能方法设计新型抗生素，并通过计算筛选其抗菌特性，据估计。

最终成功合成两个化合物，麻省理工学院研究人员成功设计出新型抗生素，为后续测试做准备，使其能够探索以往无法触及的广阔化学空间，我们从药物设计角度见证了AI的强大能力。

通过Collins实验室训练的机器学习模型筛选， 研究中采用两种策略：首先指导生成式AI算法基于特定具有抗菌活性的化学片段设计分子；其次允许算法自由生成不包含特定片段的分子，（来源：中国科学报 张晴丹） ，研究人员以淋病奈瑟菌为靶标，探索生成式AI自由设计分子的潜力， 非营利组织Phare Bio（同属于抗生素-AI项目）正在对NG1和DN1进行进一步修饰，其作用机制是通过破坏细菌细胞膜实现杀菌效果，全球每年因耐药菌感染导致死亡的人数接近500万，麻省理工学院教授James Collins表示，imToken官网，研究团队决定将搜索范围延伸至现有化合物库未收录的分子领域，在片段导向方法中，相关研究成果发表于《细胞》，他们意识到这将极大扩展潜在药物化合物的多样性。

近日，他们希望将这一策略应用于针对其他菌种的活性化合物设计与发现。