2026年发表于《科学·转化医学》的一项研究表明，由哈佛大学Wyss研究所、麻省理工学院与麻省总医院组成的联合科研团队，成功利用深度学习算法从约六百万种化合物中筛选出两种具有临床潜力的抗淋病候选药物。针对淋病奈瑟菌快速产生抗生素耐药性的严峻挑战，研究团队首先通过三万八千余种小分子实验数据训练预测模型，随后对超大规模化合物库进行虚拟筛选，最终锁定两款高选择性先导化合物MP20与A1。 机制研究揭示，化合物A1属于此前未见报道的氨噻唑类分子，能特异性结合并抑制淋病奈瑟菌细胞壁合成所必需的关键酶丙氨酸消旋酶，该作用靶点与传统抗生素截然不同。在生理相关验证环节，研究团队结合哈佛大学唐纳德·英格伯团队开发的人体阴道芯片模型与小鼠阴道感染模型，证实MP20与A1均能显著降低病原体载量。尽管两项候选分子仍需通过药物化学优化与多阶段临床前验证方能成为上市药物，但该研究验证了人工智能结合高通量生物数据加速抗菌药物发现的可行性，为打破全球抗生素耐药性危机提供了具有广泛应用前景的创新研发范式。