【学科交叉】抗生素发现的深度学习方法

题目

学科交叉：抗生素发现的深度学习方法

关键字

深度学习，人工智能医学，抗生素发现，学科交叉，人工智能的应用

简介

由于抗生素抗性细菌的迅速出现，发现新抗生素的需求不断增长。为了应对这一挑战，我们训练了一个能够预测具有抗菌活性的分子的深层神经网络。我们对多个化学文库进行了预测，并发现了“药物再利用中心”（halicin）中的一种分子，该分子与常规抗生素在结构上有所不同，并显示出对多种病原体（包括结核分枝杆菌和耐碳青霉烯的肠杆菌）的杀菌活性。 Halicin还可以在鼠类模型中有效治疗艰难梭菌和泛耐药鲍曼不动杆菌感染。此外，从ZINC15数据库收集的超过1.07亿个分子的23个经过实验测试的预测中，我们得出的离散集合中，我们的模型确定了8种与已知抗生素在结构上相距较远的抗菌化合物。这项工作突出了深度学习方法通​​过发现结构独特的抗菌分子来扩展我们的抗生素库的实用性。

作者

Jonathan M.Stokes，KevinYang，KyleSwanson，WengongJin，AndresCubillos-Ruiz等