全球抗生素耐药性危机日益严峻，半个世纪未有新类别抗生素问世。《Nature Biotechnology》发布的研究成果展示了一个开源深度学习模型如何从14亿分子中高效筛选出82个全新活性化合物，将命中率提升90倍，为应对耐药困局提供了全新范式。
智能速览
开源AI模型GNEprop实现90倍筛选效率提升
从14亿可合成分子中锁定82种新型抗生素
针对革兰氏阴性菌的突破性发现
模型具备可解释性和强泛化能力
研究完全开源推动科学共同体发展
初步锁定LpxH和FabZ两个关键靶点
精华内容
抗生素研发停滞数十年，AI技术正成为破局关键。开源模型GNEprop通过创新的深度学习方法，在浩如烟海的分子宇宙中精准定位隐藏的’抗生素之星’，实现了效率的飞跃性提升。
模型核心创新
GNEprop模型采用图神经网络架构，原子被视为节点，化学键作为边线。模型通过三大创新实现突破：1. 用1.22亿分子数据库进行无监督预训练，建立化学基础知识；2. 采用’骨架-聚类分割’严格测试，确保对未知结构的强泛化能力；3. 配备可解释性管道，能高亮分子结构中的关键作用位点。这种设计让模型真正理解抗菌活性的底层规律，而非简单记忆。
四步筛选战略
研究执行了清晰的四步流程：首先对近200万个小分子进行实验测试，获得5161个活性化合物作为金标准数据集；然后用此数据对预训练模型进行精调，使其成为抗菌活性预测专家；接着让模型扫描Enamine REAL数据库中的14亿分子，48小时内完成虚拟筛选；最后合成测试345个高潜力分子，确认82个活性分子，命中率23.8%。相比初始筛选的0.26%，效率提升90倍。
关键发现价值
研究的价值远超命中率数字。可视化分析显示，新发现的活性分子在化学空间中远离已知抗生素，暗示全新作用机制的可能。对两个最强效化合物的深入研究锁定了LpxH和FabZ两个革兰氏阴性菌特有蛋白作为靶点，证明AI发现的分子具有精准打击能力。此外，研究展示了AI引导的药物优化潜力，以活性分子为起点，在周围化学空间快速找到活性更强的’邻居’分子。
开源推动发展
研究团队将训练好的GNEprop模型、完整代码和GNEtoIC数据集完全开源，这种开放科学精神让整个领域受益。全球任何机构都可以直接使用这套已验证的’超级探矿系统’，不必从零开始。这不仅降低了AI驱动药物发现的门槛，更构建了应对抗生素危机的’新基础设施’。开源策略使这项突破性成果成为科学共同体的集体资产。
未来挑战方向
通往临床应用仍面临三大挑战：一是模型需要提升预测分子穿透革兰氏阴性菌双层细胞膜的能力；二是需要发展为’多目标优化专家’，平衡有效性、毒性、稳定性等多种属性；三是需要从可解释性出发推导普适设计规则。研究团队已在构建穿透性预测模型，并探索利用模型嵌入识别新颖机制分子，为未来指明方向。
这项研究验证了通过大规模实验数据训练专用AI模型进行超大规模筛选的全新范式。开源策略将这套’超级探矿系统’交给了全世界，加速了整个领域对抗耐药性的集体智慧。AI for Science正在从辅助工具转变为发现引擎，在对抗超级细菌的战争中，人类刚刚装备了一件由算法锻造的新武器。
