新華社北京1月1日電 美國麻省理工學(xué)院近日發(fā)布新聞公報說,，該校研究人員參與的國際團(tuán)隊利用人工智能深度學(xué)習(xí)模型,，發(fā)現(xiàn)了可治療耐藥細(xì)菌感染的新型化合物。這些化合物有潛力成為新型抗生素藥物,。麻省理工學(xué)院和哈佛大學(xué)等機(jī)構(gòu)研究人員首先測試了約3.9萬種化合物對耐甲氧西林金黃色葡萄球菌的抗菌活性,，并利用測試數(shù)據(jù)以及這些化合物的化學(xué)結(jié)構(gòu)等信息來訓(xùn)練深度學(xué)習(xí)模型。研究團(tuán)隊采用了一種被稱為蒙特卡洛樹搜索的算法,，不僅使模型可以預(yù)測每個分子的抗菌活性,，還能預(yù)測分子的哪些化學(xué)亞結(jié)構(gòu)可能導(dǎo)致這種活性。為進(jìn)一步縮小候選藥物范圍,，他們還訓(xùn)練了另外三個深度學(xué)習(xí)模型來預(yù)測這些化合物對三種人體細(xì)胞是否具有毒性,。接下來,，研究人員利用上述模型的集合預(yù)測了約1200萬種化合物的抗菌活性和細(xì)胞毒性,，確定了五類化合物對耐甲氧西林金黃色葡萄球菌有抗菌活性,。他們從中選取280種化合物在培養(yǎng)皿進(jìn)行抗耐甲氧西林金黃色葡萄球菌實驗,，最終挑選出屬于同一類化合物的兩種候選抗生素,。小鼠實驗結(jié)果顯示，這兩種化合物都對治療耐甲氧西林金黃色葡萄球菌感染效果顯著,。研究人員表示,，新研究的一個關(guān)鍵創(chuàng)新在于打開了這類深度學(xué)習(xí)模型的“黑匣子”，弄清楚模型使用哪種信息來預(yù)測抗生素效力,，這將有助于研究人員設(shè)計出比模型識別出的化合物效果更好的候選藥物。未來他們還將更詳細(xì)地分析上述兩種化合物的化學(xué)性質(zhì)和潛在臨床用途,，并利用這類深度學(xué)習(xí)模型設(shè)計更多候選藥物,，尋找能殺死其他細(xì)菌的化合物。相關(guān)論文已發(fā)表在新一期英國《自然》雜志上,。
免責(zé)聲明：本文來自網(wǎng)絡(luò)收錄或投稿,，觀點僅代表作者本人，不代表芒果財經(jīng)贊同其觀點或證實其描述,，版權(quán)歸原作者所有,。轉(zhuǎn)載請注明出處：http://lequren.com/1085719.html
溫馨提示：投資有風(fēng)險，入市須謹(jǐn)慎,。本資訊不作為投資理財建議,。
