近期，加州大学圣地亚哥分校Furtado博士与Jack Gilbert博士领衔团队在《应用微生物学杂志》发表综述，提出将益生菌与人工智能及代谢建模技术结合，以应对医院、学校等建筑环境中日益严峻的抗菌素耐药性威胁。传统化学消毒剂难以彻底清除耐药病原体，且可能加速耐药性演化。研究指出，利用枯草芽孢杆菌等有益微生物通过竞争生态位或直接分泌抑制物来排挤病原体，是极具潜力的补充策略。但既往应用因菌株差异、环境波动等因素导致效果不一。 综述强调，人工智能可高效整合多组学数据与代谢模型，预测益生菌与病原体的互作规律，评估耐药基因传播风险，并针对特定场景优化菌株筛选。通过预测、测试与学习的迭代循环，该技术可指导开发工程化活体材料与长效清洁制剂。结合微胶囊封装技术，既能维持微生物活性，又可防止外泄以提升生物安全性。模型还能协助筛选兼具支撑力与促菌活性的建材基质。 研究团队警告，AI生成的干预方案必须经严格实验验证。当前对真实建筑环境中微生物竞争机制的认知仍有限，未来需依托模型预测优先开展定向机制研究，推动该技术实现安全、合规的规模化应用。