AI 工具优化有缺陷的抗生素候选药物，实验室测试有效率 85%

宾夕法尼亚大学的研究团队开发了一种名为 ApexGO 的新型人工智能工具，成功将有潜力的抗生素候选药物改良为更高效的抗菌肽。与传统 AI 通过筛选大型数据库寻找分子不同，ApexGO 从少量不完美的候选分子出发，利用预测算法逐步优化其结构。该方法由生物工程系教授 César de la Fuente 与计算机科学家 Jacob R. Gardner 共同领导，相关成果发表在《自然·机器智能》上。 实验室测试显示，ApexGO 生成的分子中，85% 能有效抑制致病菌生长，其中 72% 的表现优于原始候选分子。在小鼠实验中，两种由 AI 设计的抗菌肽降低细菌计数的效果，甚至达到了与美国食品药物管理局批准的最后一道防线药物多黏菌素 B 相当的水平。研究团队指出，ApexGO 不仅能预测分子活性，还能通过贝叶斯优化技术，在巨大的化学空间中智能选择下一步的修改方向，从而大幅缩短研发周期。 此前抗生素的发现多依赖于偶然发现，如青霉素的发现。ApexGO 代表了系统化的新药研发新范式。尽管目前这些候选药物仍处于早期阶段，尚需进一步进行安全性和稳定性测试才能用于人体，但该研究证明了 AI 在优化分子功能方面的巨大潜力。De la Fuente 教授表示，这一技术有望加速从概念到实际治疗方案的转化，为应对全球日益严峻的抗生素耐药性问题提供关键工具，其原理未来也可扩展至免疫调节或肿瘤靶向等其他生物领域。