根据2019年一份联合国报告，耐药病原体到2050年可能每年导致1000万人死亡。
生成式人工智能模型能够在广阔的化学空间中探索，比任何人类都更快地发现新的抗菌药物。
结合强大的新兴人工智能技术，或许是成功应对抗生素耐药性最有希望的途径。
随着世界继续从新冠肺炎疫情中恢复，另一项仍在持续的全球挑战——抗生素耐药性危机——其影响日益凸显。如今，许多地方已不再要求佩戴口罩，社交聚会也重新成为常态，感冒症状可能会让人恐慌，但服用抗生素并非解决之道。我们服用抗生素越多，细菌对其产生耐药性的情况就越严重。根据2019年一份联合国报告，到2050年，耐药病原体可能每年导致1000万人死亡。
应对抗生素耐药性是牛津大学新近成立的大流行病科学研究所的关键使命之一。借助新一代人工智能（AI）以及即将投入应用的量子计算，该研究所将专注于寻找细菌尚未接触过、或难以抵御的新药。
人工智能加速终结抗生素耐药性的竞赛
这些技术已开始协同工作，加快发现新型抗菌药物。新一代人工智能的一个分支被称为生成式模型，它能针对特定新药所需的最终分子提出设想。这些人工智能模型不仅会搜索具有相关特性的已知分子，例如能够与病毒或细菌结合并使其失去活性的分子；它们还足以从底层数据中学习特征，并提出尚未合成的新分子。与搜索能力相比，这种设计能力尤其具有变革性，因为可能适用的分子数量超过宇宙中的原子数量，庞大到无法通过搜索来处理。
生成式人工智能模型的工作速度胜过任何人类
生成式人工智能能够在广阔的化学空间中探索，运用常规方法发现目标分子的速度无人能及。人工智能建模已支持相关研究，有望帮助帕金森病患者、糖尿病患者以及慢性疼痛患者。例如，抗菌肽（AMP）——一种类似小蛋白质的化合物——是目前受到深入研究的一种解决方案。这些分子有望成为新一代抗生素，因为它们天生较不容易产生耐药性，并且是生物体先天免疫系统的一部分，可自然生成。
近期发表在《自然·生物医学工程》（2021年）的研究中，人工智能辅助搜索新型有效且无毒肽类，仅用48天就筛选出20种有希望的新候选物。与新化合物的传统研发周期相比，这一时间大幅缩短，令人瞩目。
其中包括两种用于对抗肺炎克雷伯菌的新候选物。这种细菌常见于医院，会引起肺炎和血流感染，而且对传统类别抗生素的耐药性日益增强。采用传统研究方法取得这样的成果需要数年时间。
已投入商业应用的抗菌肽
IBM、联合利华与英国科学技术设施理事会（STFC）开展合作。STFC在英国哈特里中心设有IBM研究院的一个探索加速器。这项合作近期帮助研究人员更深入地了解抗菌肽。联合利华已利用这些新知识开发消费品，以增强这类天然防御肽的作用。
此外，在这篇发表于《生物物理学杂志》 的论文中，研究人员展示了小分子添加剂（低分子量有机化合物）如何提升抗菌肽的效力和效率。IBM研究人员运用先进的模拟方法，并结合联合利华的实验研究，还确定了可能促成这种效力增强的新分子机制。这是同类研究中的首个原理验证成果，科学家将在持续开展的合作中继续推进相关研究。
利用人工智能加速材料发现 生成式模型和先进的计算机模拟是IBM研究院一项更宏大策略的一部分，该策略名为“加速发现”。我们利用新兴计算技术强化科学方法及其在发现工作中的应用。我们的目标是大幅加快新材料和新药的发现进程，无论是为下一场全球危机做准备，还是迅速应对当前危机以及未来必然会出现的危机。
这只是修订版科学方法所构成循环中的一个环节。这种前沿变革改变了材料发现的传统线性方式。概括而言，人工智能会学习新材料的目标特性。接下来，另一种人工智能——IBM的Deep Search——会梳理有关这种特定材料制造方法的现有知识，也就是分散在专利和论文中的所有既往研究。
生成式模型有望创造一种新分子
随后，生成式模型会基于现有数据生成一种可能的新分子。完成这一步后，我们会使用高性能计算机模拟这一新的候选分子及其应与周围分子发生的反应，以确认其表现符合预期。未来，量子计算机或能进一步改进这些分子模拟。
最后一步是由人工智能驱动的实验室测试，以实验验证预测并开发出实际分子。在IBM，我们借助名为RoboRXN的工具开展这项工作。它是一间冰箱大小的小型化学实验室，结合人工智能、云计算和机器人技术，帮助研究人员随时随地创造新分子。这些方法结合起来，非常适合解决一般性的“逆向设计”问题。在这类问题中，任务是首次找到或创造出具备所需特性或功能的材料，而不是计算或测量大量候选材料的特性。
人工智能能够突破经典计算局限的证明
抗生素危机是一个尤其紧迫的全球逆向设计挑战，需要彻底改变材料发现方式。量子计算的迅速进步以及量子机器学习技术的发展，如今正使人工智能突破经典计算局限、拓展其应用范围的前景日益切实。早期案例显示，量子计算有望在模型训练速度、分类任务和预测准确度方面带来优势。
总的来说，将最强大的新兴人工智能技术（可能辅以量子加速）用于学习与抗菌活性相关的特征，并结合分子尺度的物理建模来揭示作用机制，可以说是更快创造这些重要化合物、达到前所未有速度的最有希望途径。
