面对多重耐药超级细菌构成的全球公共卫生危机，澳大利亚昆士兰大学研究人员近日发布一项新型评估框架，旨在破解人工智能在抗生素研发中的黑箱难题，加速新型抗菌药物发现进程。随着抗菌素耐药性持续蔓延，传统药物开发面临效率瓶颈。尽管人工智能可大幅提升化合物筛选速度，但其决策过程缺乏透明度的缺陷，导致科研人员难以验证预测结果的化学逻辑，易引发实验资源浪费与决策失误。为此，该团队在《计算化学杂志》发表的研究中，利用金黄色葡萄球菌的活性数据集训练了三种人工智能模型，并构建评估体系，重点检验模型识别关键药效结构及解释活性悬崖现象的能力。测试结果表明，各模型在发现已知抗生素骨架方面表现稳定，但在提供可追溯化学机理解释的能力上差异显著。该框架成功实现了对人工智能系统提供可靠化学解释能力的量化评估。研究指出，此工具可为药物化学家提供关键的决策依据，推动可信人工智能深度融入抗生素研发管线，有望显著缩短应对全球耐药菌威胁的新型药物上市周期。