![人工智能将让无数职业过时,如何规划孩子的职业生涯](http://itsiwei.com/script/timthumb.php?src=http://www.itsiwei.com/wp-content/uploads/2017/12/640.webp-1-11.jpg&h=80&w=120&zc=1)
公众号/ScienceAI(ID:Philosophyai)
编辑 | 萝卜皮
耐药细菌的出现需要新抗生素的发现。然而,几十年来,传统的发现策略并没有产生新的抗生素种类。
宾夕法尼亚大学的研究人员,通过基于抗菌肽序列长度、净电荷、平均疏水性和其他理化性质的人工智能算法,挖掘人类蛋白质组,报告了 2603 种加密肽抗生素的鉴定;这些抗生素编码在与免疫系统无关的蛋白质中。
报告表明,加密肽通过靶向膜杀死病原菌,调节肠道和皮肤共生体,不容易选择细菌耐药性,并且在皮肤脓肿和大腿感染小鼠模型中具有抗感染活性。
另外,在体外和两种感染小鼠模型中,来自同一生物地理区域的加密抗生素肽显示出协同抗菌活性。该团队的算法策略允许快速挖掘蛋白质组数据,并为发现候选抗生素开辟了新途径。
该研究以「Mining for encrypted peptide antibiotics in the human proteome」为题,于 2021 年 11 月 4 日发布在《Nature Biomedical Engineering》。
2020 年六月的一个早晨,Torres 掀开了培养皿上的透明塑料盖。这道菜在保温箱里过夜后,闻起来有一股肉汤的腐臭味儿。里面放着一张橡胶状的琥珀色琼脂床,床上整齐地排列着一排排针孔——从实验室老鼠的皮肤中取样的数十个耐药细菌菌落。
Torres 轻轻地数着每一个针孔,然后快速计算。从未接受治疗的小鼠脓肿中采集的样本已经产生了数十亿种超级细菌或抗生素抗性细菌。同时,培养皿上的一些有的针孔似乎是空的;这些是与接受实验性治疗(一种新型抗生素)的小鼠样本相对应的样本。
Torres 继续观察更浓缩的样本,这些样本取自服用抗生素的同一只老鼠。这些的针孔里是有细菌的,但当他对它们进行计数时,他发现抗生素已经破坏了细菌负荷,使其比未处理小鼠的样本稀疏多达一百万倍。「我非常兴奋。」宾夕法尼亚大学化学专业博士后 Torres 说。但这种定制抗生素并不完全是他自己的配方。Torres 团队使用人工智能算法搜索了人类蛋白质数据库,最终定位到了它。
Torres 团队正在寻找由人类自然产生并且可以对抗微生物的肽。为此,他们使用了一种人工智能来仔细检查人类蛋白质组中每个蛋白质的化学组成——我们身体可以产生的完整蛋白质组。肽是小蛋白质,或它们的片段。它们可能不像青霉素这样的经典抗生素。它们并非都起源于免疫系统。但它们可以含有对病原体致命的正确化学物质,因为它们有的可以分解细菌细胞膜。
2021 年 11 月,Torres 的团队在《Nature Biomedical Engineering》上报道称,他们的搜索发现了 2603 种候选抗生素,他们之所以能够完成这一壮举,是因为人工智能在消化庞大数据集方面的实力。「我认为它说明了人工智能的力量。」宾夕法尼亚大学的生物工程师、该研究的作者之一 César de la Fuente 说。
该团队在摇瓶中测试了其中的 55 种候选药物,其中大部分都消除了细菌。然后,Torres 在实验室老鼠身上测试了其中的两个,发现它们阻止了细菌感染。「结果令人信服。」匹兹堡大学医学院细菌进化专家 Daria Van Tyne 说,他没有参与这项工作,「这无疑开启了一类新的抗菌肽,并在意想不到的地方发现了它们。」
这是第一次有人如此彻底地探索人体,以寻找候选抗生素。但在使用人工智能指导搜索时,该团队偶然发现了一些更基本的东西:许多看似与免疫无关的蛋白质可能已经进化为「双重生活」,从而抵御入侵者。「事实上,他们发现了如此多的肽。」Van Tyne 谈到这些肽时说,「强烈表明这不仅仅是巧合——它们存在是有目的的。」
随着细菌对药物产生耐受性,抗生素变得不再有效,大部分原因是误用和滥用。世界卫生组织估计,到 2050 年,随着当前抗生素的功效减弱,每年可能有 1000 万人死于耐药性感染。
根据 de la Fuente 的说法,自 1800 年代以来,除了疫苗和清洁水之外,抗生素是让人类寿命延长一倍的三大「支柱」之一,「想象一下,如果这等式消失了。」
如果抗生素停止工作,手术和器官移植就会引发灾难。化疗会变得更加危险。抗生素有时甚至对分娩也至关重要。「如果没有有效的抗生素,现代医学中的众多干预措施都将失效,或者会更加困难,」de la Fuente 说,在最坏的情况下,「我们将面对一个抗生素出现之前的时代,在这个时代,轻微的划伤可能会致命。」
政府、慈善机构和制药公司已承诺投入数十亿美元,以在 2030 年之前获得批准的新药。自然界已经激发了杀死抗药性细菌的新方法。2019 年,一种基因改造病毒帮助一名青少年免于致命感染。但是Torres 和 de la Fuente 将注意力转向了对我们来说更自然的地方:我们自己的身体。
我们含有数以万计的不同蛋白质。每个都是由氨基酸分子制成的,这些氨基酸分子被称为肽,就像乐高积木一样。它们形成大团块,扭曲成令人费解的形状,并在显微镜下摆动。每种蛋白质通常都有某种用途。有的负责传递消息,有的帮助修复受伤的组织,还有的,如蛋白酶,会切碎其他蛋白质。这种特定的行为通常归结为一个小的、进化上保存的氨基酸序列。这些氨基酸特别渴望为周围的分子提供质子或电子。
一些肽含有杀死微生物的化学物质。在蛇和蝎毒中便发现了会攻击细菌细胞膜的多肽。他们的特点归结为以下几点:序列相对较短、带正电且是两亲性的(不太排斥水或排斥油)。其他生物体,包括人,也有使用类似特点生产蛋白质的细胞。具有这些特性的抗菌肽是所有生物体免疫功能的关键武器。
当他们开始寻找抗菌肽时,该团队就考虑到了这种特殊的化学防御品牌。De la Fuente 的实验室专门使用人工智能来发现和设计新药。他们没有制造一些符合要求的全新肽分子,而是假设一种算法可以使用机器学习,从人类蛋白质组中巨大的天然肽序列库筛选出少数候选者。
「我们知道我们正在寻找的那些模式——多种模式。」de la Fuente 说,「这样我们就可以将该算法用作搜索功能。」
该团队的算法基于用于分析图像的模式识别软件。首先,它通过摄取一系列已知具有抗菌作用的肽,来了解杀死微生物的方法。然后,它利用这些知识梳理肽数据库并挑选出具有正确化学特征的可能候选物——它们应该是短的(8 到 25 个氨基酸长)、带正电荷和两亲性的。
他们的算法扫描了整个人类蛋白质组,并给出了大约 43,000 个肽的初步清单。Torres 将范围缩小到 2,603 个,这些蛋白质来自已知从细胞分泌的蛋白质。有些是完整的小蛋白质和激素。其他的只是片段,一个更大的复合体中的加密链。它们以前都没有被描述为抗生素。
为了检查他们的人工智能是否在正确的轨道上,Torres 合成了 55 个最有潜力的候选者。他在液体样本中针对耐药微生物的「名人录」对每个样本进行了测试:铜绿假单胞菌,一种臭名昭著的肺部感染者;众所周知,鲍曼不动杆菌在医院中猖獗传播;金黄色葡萄球菌,危险的葡萄球菌感染背后的细菌 等等,总共八种。这 55 个候选者,大多数能够阻止细菌复制。
一些肽在筛选中脱颖而出,包括 SCUB1-SKE25 和 SCUB3-MLP22。这些肽存在于称为「CUB 结构域」的区域,这些区域存在于与受精、制造新血管和抑制肿瘤等一长串功能相关的蛋白质中。SCUB 只是整体的一部分。但就他们自己而言,他们似乎非常擅长杀死细菌。因此,Torres 将这两种 SCUB 推广到小鼠身上进行试验。
Torres 测试了 SCUB 或两者的组合是否可以消除皮肤下或大腿肌肉(更全身性疾病的模型)感染的小鼠的感染。在所有情况下,从这些组织中取样的细菌种群都停止生长。在某些情况下,正如Torres在他温暖的琼脂上注意到的那样,细菌数量急剧下降。
Torres 还测试了与现有的称为多粘菌素 B 的抗生素抑菌比较,细菌对肽产生抗性的难易程度。暴露 30 天后,细菌可以耐受比原始剂量高 256 倍的多粘菌素 B,但 SCUB 在相同剂量下仍然有效。(细菌需要大量的基因改变才能适应膜损伤。)当然,这并不意味着它们永远不会适应,尤其是在更长的时间间隔内。「没有什么能抵抗耐药性。」de la Fuente 说,「因为细菌是我们所知道的最伟大的进化者。」
尽管团队的计划很系统,但 Torres 还是有点傻眼。「我们认为我们会获得很多成功。」他谈到 AI 揭示的肽段时说。但令他惊讶的是,肽可能来自身体的任何位置。它们来自眼睛、神经系统和心血管系统中的蛋白质,而不仅仅是免疫系统。「它们实际上无处不在。」Torres说。
该团队认为生命以这种方式进化是为了将尽可能多的冲击打包到基因组中。「一个基因编码一种蛋白质,但该蛋白质具有多种功能。」de la Fuente 说,「我认为,这是一种非常聪明的进化方式,可以将基因组信息保持在最低限度。」
这是科学家首次在与免疫反应无关的蛋白质中发现抗生素肽。这个想法「非常有创意」,加拿大麦克马斯特大学的生物化学家 Jon Stokes 说(他没有参与这项研究,但一直从事相关领域研究),「对我来说,带回家的是:开始在不明显的地方寻找抗生素。」
研究人员从生活在土壤和海洋中的生物体中寻找抗菌素,「但这种识别我们体内的『神秘』抗生素的总体思路,我认为真的很酷。」Stokes 继续说道, 「那么问题就变成了:好吧,如果这对人类来说是真的,我们是否也应该看看其他哺乳动物?我们应该研究爬行动物、两栖动物、甲壳类动物吗?」
人工智能算法可以通过向他们提供要寻找的已知示例以及他们可以搜索的分子数据库,来优化这种发现抗生素的方法。它们还可以帮助发明分子或优化现有分子,以避免不必要的副作用。在接下来的十年内,我们会看到一种通过机器学习被发现、设计或优化的临床使用药物吗?「是的。」Stokes 说,「我会把经费花在这上面。」
但是,要将这一发现转化为任何人都可以在临床上使用的药物,还有很多工作要做,尤其是在寻找肽类的答案时。Van Tyne 说,肽作为抗生素没有很好的记录。这些分子通常会失效,因为它们有毒,或者它们不像其他药物分子那样容易在体内移动。这使得它们很难用于治疗全身感染。「我不知道这些肽中的任何一个实际上会成为新的抗生素。」Van Tyne说。
Torres 和 de la Fuente 都很欣赏这场艰苦的战斗。在设计这项研究时,他们选择使用人体内天然存在的肽,因为它们不太可能有毒。到目前为止,Torres 对小鼠大腿肌肉感染的结果表明 SCUB 能够攻击全身感染。「这当然令人鼓舞。」Van Tyne说,「它打开了一扇门,这些可能是比那些试图开发但失败的肽更好的抗菌肽。」
这种新颖性对团队的使命来说是个好兆头。这些早期候选药物不会是他们尝试的唯一肽抗生素。「我们的主要目标是让计算机设计一种抗生素,只需极少的人为干预,就能进入临床试验。」de la Fuente 说,「这是我们在这里的终极使命。」
论文链接:https://www.nature.com/articles/s41551-021-00801-1
相关报道:https://www.wired.com/story/an-ai-finds-superbug-killing-potential-in-human-proteins/