麻省理工用生成式AI设计全新分子，成功创造出有效对抗超级细菌的化合物NG1和DN1，为抗生素研发开辟新路径。
原文标题：从头开始设计全新分子结构，AI构建化合物成功对抗超级细菌
原文作者：数据派THU
冷月清谈：
研究团队采用了双管齐下的策略：「片段导向设计」和「从头生成」。在片段导向方法中，他们利用图神经网络（GNN）筛选了超过4500万个化学片段，识别出对淋病奈瑟菌和金黄色葡萄球菌具有抗菌活性的片段，再结合遗传算法（CReM）和变分自编码器（VAE）进行分子扩展。在从头生成方法中，模型则完全基于训练知识自主设计。通过这两种方法，AI共同生成了超过3600万个未被收录的、具有预测抗菌活性的化合物。
尽管在实验室合成这些预测分子时遇到了「巨大瓶颈」，研究团队最终仍成功合成了24种化合物，并通过实验验证其中7种具有抗菌活性。特别值得关注的是，化合物NG1和DN1不仅展现出高效力、高选择性，其作用机制有别于现有临床抗生素，并在小鼠感染模型中被证实有效。
这项成果不仅有望加速抗菌化合物的研发进程，更重要的是，它开辟了探索庞大未知化学空间的新路径，为应对日益严峻的抗生素耐药性问题提供了全新解决方案，标志着AI在药物研发领域的一个里程碑式转变。
怜星夜思：
2、研究团队提到一个大难题，就是大部分AI预测的分子根本合不出来。这合成的瓶颈要怎么突破啊？是不是AI还得学学怎么设计更容易合成的分子？还是合成技术本身需要革新？这个瓶颈不解决，AI设计再多『理论好药』也没用啊。
3、这次AI能从零设计分子对抗超级细菌，那未来这种『从头设计』的方法还能应用到哪些难以攻克的疾病上？肿瘤、老年痴呆症这些领域是不是也有希望？大家觉得AI在药物研发中，最终会是辅助角色还是主导角色，甚至完全颠覆传统制药流程呢？
原文内容
来源：ScienceAI本文约1000字，建议阅读5分钟该研究不仅能够助力抗菌化合物的研发，还能推动对庞大未知化学空间的探索。
最近几年，生成式人工智能迅速发展，人们在看到机遇的同时也看到了风险。由于训练数据的质量直接影响模型性能，如果训练数据包含有害内容，AI 系统可能会继承甚至放大其负面影响。人们开始担心 AI 会对人类造成威胁。
但如果我们把思路打开，让这种威胁作用于「细菌」上呢？
最近，麻省理工学院（MIT）生物工程教授 Jim Collins 领导的研究团队证明：在大量抗菌物质数据集上训练的生成式 AI 算法，可以帮助科学家构想出数百万种具有杀菌潜力的新型分子，并且其中部分分子在小鼠实验中展现出显著效力。
研究论文以《A generative deep learning approach to de novo antibiotic design》为题发表于《Cell》上。
论文地址：https://www.cell.com/cell/abstract/S0092-8674 (25) 00855-4
分子设计
研究团队利用 AI 模型生成理论上可行但尚未存在或未被发现的分子结构，从而探索潜在药物化合物。
研究团队双管齐下：一方面引导生成式 AI 算法基于特定抗菌活性化学片段设计分子；另一方面让算法从头生成不受片段限制的分子结构。
在片段导向方法中，该研究使用 GNN 对超过 4500 万个化学片段进行计算机模拟筛选，识别出对淋病奈瑟菌和金黄色葡萄球菌具有选择性抗菌活性（预测）的片段。为了将片段扩展为分子，研究团队将其输入两类生成算法 —— 基于化学合理突变（CReM）的遗传算法和变分自编码器（VAE）。
在从头生成方法中，该研究取消片段输入要求，让 CReM 和 VAE 模型基于训练获得的知识自主设计分子。
这些模型共同生成了超过 3600 万个未被收录的、具有预测抗菌活性的化合物。
合成与验证
虽然分子设计顺利进行，但随后研究遇到了「巨大瓶颈」：这些预测抗生素绝大多数无法在实验室实际合成。
经过筛选，研究团队合成了 24 种化合物，并通过实验验证其中 7 种具有抗菌活性。
特别是，NG1 和 DN1 两种化合物展现出高效力和高选择性，其作用机制区别于临床常用抗生素，并在小鼠感染模型中证实有效。
此项研究开辟了一条新路径 —— 生成式 AI 平台不再从现有化学库中挖掘潜在抗生素，而是从头开始凭空创造出数据库从未记载的全新分子结构。「这标志着 AI 从发现工具转变为设计工具」，Jim Collins 表示。
更进一步讲，该研究不仅能够助力抗菌化合物的研发，还能推动对庞大未知化学空间的探索。
参考内容：
https://phys.org/news/2025-08-generative-ai-compounds-drug-resistant.html
https://spectrum.ieee.org/ai-drug-design-mit-antibiotics?utm_source=homepage&utm_medium=hero&utm_campaign=2025-08-14&utm_content=hero3
编辑：文婧
