药物发现的新纪元：AI如何成为寻找抗生素的“超级助手”？

在全球公共卫生面临严峻挑战的当下，抗生素耐药性（AMR）已成为威胁人类健康的一大杀手。传统的抗生素研发模式往往耗时漫长且成本高昂，面对不断变异的超级细菌，科学家们急需寻找新的突破口。近日，宾夕法尼亚大学的研究团队宣布了一项突破性进展，他们成功利用OpenAI的Codex和ChatGPT等生成式AI工具，在活体和灭绝生物的基因组中搜索，筛选出了一系列潜在的抗菌分子候选药物。

跨越时空的基因组挖掘

这项研究的核心在于将最先进的生成式AI技术与古老的生物信息学数据相结合。César de la Fuente教授的实验室并没有局限于现代病原体的基因序列，而是将目光投向了“进化时间胶囊”。通过分析灭绝物种的基因组——例如猛犸象或古代病毒，研究人员希望能够找到那些现代细菌尚未接触过的防御机制和抗菌化合物。

由于灭绝生物的DNA片段往往包含着独特的、未被现代病原体筛选淘汰的生存策略，这些古老的基因组可能隐藏着对抗现代耐药菌的关键线索。然而，手动筛选这些海量且复杂的基因组数据是一项几乎不可能完成的任务。正是引入了AI技术，这一过程才变得可行。

从文本生成到代码执行：Codex的实战应用

许多人可能认为ChatGPT仅是一个聊天机器人，但在这次研究中，它扮演了“超级搜索员”的角色。研究团队利用Codex（OpenAI的代码生成模型）编写了自动化脚本，使其能够高效地扫描和分析庞大的基因序列数据库。

通过这种方式，AI不仅能够理解复杂的生物学概念，还能执行实际的计算任务。它能够预测哪些特定的基因序列可能编码出具有抗菌活性的分子结构。这种“生成式AI+生物信息学”的混合模式，极大地提高了从数百万个基因序列中识别出潜在药物分子的效率和准确度。

应对耐药性危机的行业意义

随着细菌耐药性的增强，许多曾经有效的抗生素逐渐失效。科学家们发现，寻找新抗生素的难度正在呈指数级上升。传统的“试错法”筛选方式已无法满足需求，而AI技术的介入为这一领域带来了革命性的变化。

通过利用Codex和ChatGPT，研究人员能够更快地验证假设，减少实验室试错成本。此外，这种跨物种、跨时代的基因挖掘策略，为开发具有全新作用机制的新型抗生素提供了丰富的灵感来源。这不仅有助于应对当前的耐药性危机，也为未来的抗感染药物研发树立了新的范式。

结语：科技向善，守护健康

César de la Fuente实验室的这一案例，生动地展示了人工智能在生命科学领域的巨大潜力。它证明了AI不仅是技术领域的热门话题，更是解决实际科学问题的有力工具。随着AI模型的不断迭代和训练数据的丰富，我们有理由相信，未来将有更多“AI发现”的药物问世，为人类抵御疾病提供坚实的保障。

参考来源： OpenAI Blog
原文链接： https://openai.com/index/using-codex-chatgpt-to-search-for-new-antimicrobials

信息来源：OpenAI News，原文链接：https://openai.com/index/using-codex-chatgpt-to-search-for-new-antimicrobials