斯坦福大学团队利用AI从170万种聚合物中筛选出高效抗菌分子。这类分子通过物理破坏细菌细胞膜杀菌，不易产生耐药性。
全球每年有数百万人死于耐药性微生物感染。传统的抗生素大多通过生化途径深入细菌内部，针对特定的蛋白质或生理通道发挥作用。然而，细菌极其擅长突变，久而久之就能掌握屏蔽或排出药物的本领，从而演变成令医学界头疼的“超级细菌”。
人类体内其实天然存在着一套防御武器，那就是血液、汗液和眼泪中游动的小分子蛋白质，即抗菌肽。抗菌肽杀菌的方式非常直接，它们靠物理作用贴近细菌，直接在细菌的细胞膜上撕开缺口。对于细菌来说，改变自身的膜脂结构或表面电荷极其困难，因此几乎无法对抗菌肽产生耐药性。可惜的是，天然抗菌肽合成成本高昂，且在生物体内极易降解，难以作为常规药物大规模应用。
为了解决这一难题，斯坦福大学工程学院的研究人员将目光投向了聚合物。这类链状大分子不仅生产成本低廉、性质稳定，而且安全可靠，非常适合全球推广。研究团队的目标，就是寻找能够模仿抗菌肽物理杀菌机制的抗菌聚合物。
然而，人工筛选的工程量浩大。研究人员构建了一个包含170万种潜在聚合物候选分子的数据库。面对如此庞大的数字，人工实验无异于大海捞针，研究团队决定借助人工智能。
在研发过程中，团队遇到了医疗AI领域的经典瓶颈，那就是训练数据匮乏。已知抗菌肽的数据集非常丰富，但关于抗菌聚合物的数据却屈指可数。针对这一难题，时任斯坦福大学博士生的Shoshana Williams与导师Eric Appel巧妙地改变了思路。他们利用化学家直觉，先让AI学习数千种已知抗菌肽的化学特征，再将这些知识迁移应用到聚合物的预测中。
为了进一步提高预测精度，团队还采用了一种违背直觉的策略。他们没有直接采纳多个模型一致看好的分子，反而专门挑选了不同模型之间争议最大的20个候选分子。Shoshana Williams解释说，模型分歧最大的区域，正是最需要真实实验数据来补充和纠偏的地方。研究人员合成了这20种分子并进行实测，将测试数据重新喂给AI。
经过这轮迭代，AI系统的预测能力大增。研究团队随后筛选出评分最高的10种聚合物进行合成与测试。实验结果令人振奋，在针对大肠杆菌的测试中，这10种分子的表现全部远超预期，其中一种甚至能有效清除极难对付的生物膜菌落。Shoshana Williams表示，这些分子是目前已知效力最强的抗菌聚合物之一。
更令人期待的是，这种新型聚合物不仅对金黄色葡萄球菌等革兰氏阳性菌有效，还能对抗大肠杆菌、沙门氏菌和霍乱弧菌等革兰氏阴性菌。数十年来，人类一直缺乏针对革兰氏阴性菌的新型抗生素。Eric Appel指出，未来甚至可以设计出定制化的抗菌聚合物，精准摧毁致病菌，同时保护人体组织和肠道有益菌群。
这种跨分子类别的AI学习方法，为开发新型抗生素开辟了一条前景广阔的道路。
原文：https://phys.org/news/2026-09-bacteria-polymers-class-antibiotic.html