（图片来源：网络）

随着全球步入后疫情时代，抗生素耐药性引发的公共卫生危机日益严峻。联合国曾在年的一份报告中指出，到年，每年将可能有万人因耐药病原体影响而死亡。

为了解决抗生素耐药性的挑战，牛津大学最近成立了流行病科学研究所，致力于通过下一代人工智能(AI)和量子计算研发新型抗菌药物。人工智能和量子计算在终结抗生素耐药性的竞赛中，具有关键的加速作用。本文中，IBM研究员、IBM欧洲副总裁和瑞士苏黎世IBM研究实验室主任AlessandroCurioni，就IBM的实践以及人工智能与量子计算在加速新抗菌药物发现中的应用前景进行了深入探讨。

生成式AI的变革力量

在下一代人工智能中，利用生成模型可预测特定新药所需的最终分子构成。这些人工智能模型不仅能搜索具有相关特性的已知分子，它们还强大到能学习数据的基础特征，为尚未合成的新分子提供有效信息。这是一种特别具有变革性的设计研究。

目前，人工智能建模在助力帕金森综合征、糖尿病和慢性疼痛疾病的认知和治疗中已表现出应用价值。例如，在今年3月，IBM和JDRF发表在《NatureCommunications》上的新研究显示，AI可以更好地预测I型糖尿病发病情况。

同时，人工智能在抗菌肽(AMP)、小分子蛋白质化合物等方向的研究中也展现出速度优势。在年发表于《NatureBiomedicalEngineering》的一篇研究证实了，相比于传统方法，人工智能在辅助搜索新的、有效的、无毒的肽中可大大缩短投入时间。他们在短短的48天内就给出了20种匹配度最高的新型候选分子。

值得注意的是，他们还发现了2种用于对抗肺炎克雷伯菌的新型候选药物分子。肺炎克雷伯菌是一种常见的细菌，可引起肺炎和血流感染，并且对传统抗生素的耐药性越来越强。用传统方法获得对抗肺炎克雷伯菌的新型候选药物，将需要数年时间。

AI加速AMP商业化

通过人工智能生成模型、利用先进的计算机模拟促进材料发现，是IBM研究院的一项重大战略性计划——“发现加速器”。无论是为下一次全球危机做准备，还是迅速应对当前和未来不可避免的危机，IBM希望使用新兴计算技术来促进科学方法的研发和应用，从而大大加快新材料和药物的发现速度。

在AMP（腺嘌呤核糖核苷酸）方面的研究成果就是一个很好的例子。

年，IBM研究中心和英国科学技术设施委员会(STFC)哈特里中心共同成立一个STFC-IBM联合项目，面向人工智能、高性能计算和数据分析、量子计算等领域，可加速发现、开发创新解决方案，以应对包括材料开发、生命科学、环境可持续和制造业在内的行业挑战。

近期，IBM、联合利华和STFC在认知AMP（腺嘌呤核糖核苷酸）方面取得了进展。他们采用先进的模拟方法，以及联合利华的实验研究，展示了小分子添加剂（低分子量有机化合物）如何能使AMP更加高效的发挥价值。并且通过生成这种可增强效力的新分子机制，他们创造了新的消费产品。

量子计算+AI创造新分子

这是由传统线性材料转变来的新发现方法。从广义上讲，人工智能可以了解新材料的所有特性。IBM深度搜索（DeepSearch），梳理了有关制造这种特定材料的现有知识（隐藏在专利和论文中的研究）。

而生成模型会根据现有数据生成一个可能的新分子。然后使用高性能计算机来模拟这个新的候选分子以及它与外界发生的反应，以确保它的各个性能符合预期。未来，量子计算机可以进一步改进这些分子模拟。

最后，在人工智能驱动的实验室预测、开发、验证这些分子。在IBM，我们使用一个名为RoboRXN的工具来实现这一目标。RoboRXN是一个冰箱大小的小型化学实验室，融合了人工智能、云计算和机器人技术，帮助研究人员解决一般的“逆向设计”问题，找到或创建具有所需特性或功能的材料，随时随地创造新分子。

总的来说，解决抗生素耐药性危机，探索材料发现方式迫切需要真正的范式转变。随着量子计算的快速进步和量子机器学习技术的发展，人工智能正在突破经典计算的限制。如今，人工智能已显示了在模型训练速度、分类任务和预测准确性方面的量子优势。

所以，要想探究与抗菌活性相关的特征，在分子尺度上进行物理建模、探索其作用模式，创造新的化合物，结合最强大的新兴人工智能技术和量子计算技术是最有希望、最快的途径。

原文链接：