据ETtoday：麻省理工学院合成生物专家吉姆•柯林斯领导的研究团队，发展出了一个开创性的机器学习方法，让AI从超过1亿个分子库当中，鉴定出可以对杀多种细菌的强大新型抗生素，其中包括难以治愈的结核杆菌。

根据科学网站pmlive.com报导，这个方法可以在没有使用人类任何假设的情况下，短短几天从超过1亿个分子的库中筛选出强大的新型抗生素，这种方法也可以用在分析治疗癌症、神经衰退性疾病等其他类型的药物。

柯林斯说，尽管之前有使用AI辅助其他研究，但是使用AI自行发现新的抗生素，是首例，研究小组在确定了候选物之后，并在动物实验中，验证这些可能是有效果的分子。

柯林斯和他的团队开发了一种神经网络是根据大脑的结构，建构的演算模型，可以逐个分析与学习分子的特性。

研究人员训练其神经网络以发现抑制的细菌生长的分子的大肠杆菌，使用的量，抗菌活性被称为2335分子的集合。其中包括约300种已批准的抗生素以及800种来自植物，动物和微生物来源的天然产物的文库。

接着研究小组要求AI预测哪些分子可以对抗大肠杆菌，并向他们展示看起来与传统抗生素不同的分子。鉴于世界各地对抗菌素和抗生素耐药性的问题日益严重，这项研究尤其重要。

麻省理工学院的AI研究人员，该研究的合着者巴莱兹说，这种算法无需对药物的工作原理和化学基团进行任何标记就可以预测分子功能。「因此，这项模型可以学习人类专家未知的新模式」。

麻省理工学院的这项最新研究既提高了化合物鉴定的准确性，又降低了筛选工作成本，因此得到了业内很多专家的高度评价。以色列理工学院的生物学和电脑科学教授罗伊•基肖尼表示，这项开创性的研究，代表抗生素发现甚至更普遍的药物发现过程产生了典范转移的变化。

匹兹堡卡内基梅隆大学的计算生物学家鲍勃•墨菲认为，这项研究为使用计算方法发现和预测潜在药物特性增添了一个很好的例子。