PNAS：人工智能加速了寻找新的结核病药物靶点

随着美国最大的结核病爆发在堪萨斯州发生，加州大学圣地亚哥分校的研究人员及其同事发表了一项研究，描述了使用人工智能工具筛选新的抗微生物候选药物来治疗这种疾病。

　　

结核病是一种严重的全球健康威胁，2022年感染人数超过1000万人。引起“结核病”的病原体通过空气传播并进入肺部，可导致慢性咳嗽、胸痛、疲劳、发烧和体重减轻。虽然感染在世界其他地区更为广泛，但目前在堪萨斯州爆发的严重结核病已导致两人死亡，并已成为美国有记录以来最大的结核病之一。

虽然结核病通常用抗生素治疗，但耐药菌株的增加导致迫切需要新的候选药物。

发表在《美国国家科学院院刊》（Proceedings of the National Academy of Sciences）上的一项新研究描述了人工智能在筛选候选抗菌化合物方面的新应用，这些候选抗菌化合物可能被开发成新的结核病药物治疗方法。这项研究由加州大学圣地亚哥分校、林奈生物科学公司和西雅图儿童研究所全球传染病研究中心的研究人员领导。

Linnaeus Bioscience是一家位于圣地亚哥的生物技术公司，其技术是由加州大学圣地亚哥分校生物科学学院Joe Pogliano教授和Kit Pogliano院长的实验室开发的。他们的细菌细胞学分析（BCP）方法通过快速确定其潜在机制，为了解抗生素如何发挥作用提供了一条捷径。

历史证明，用传统的实验室方法寻找新的结核病药物靶点是艰巨而耗时的，部分原因是难以理解新药如何对抗导致结核病的结核分枝杆菌。

美国国家科学院院刊的这项新研究描述了“MycoBCP”的发展，这是由盖茨基金会资助开发的下一代技术。这种新方法将BCP与深度学习（一种使用类脑神经网络的人工智能）结合起来，克服了传统的挑战，并为结核分枝杆菌细胞开辟了新的视角。

“这是第一次将这种使用机器学习和人工智能的图像分析以这种方式应用于细菌，”论文合著者、分子生物系教授乔·波利亚诺说。“结核病图像本身就难以通过人眼和传统的实验室测量来解释。机器学习在识别形状和模式的差异方面要敏感得多，这对揭示潜在机制很重要。”

在两年多的开发过程中，研究的主要作者Diana Quach和Joseph Sugie通过训练被称为卷积神经网络的人工智能工具来塑造MycoBCP技术，这些人工智能工具使用了46,000多张结核病细胞图像（现在在Linnaeus Bioscience， Quach和Sugie都获得了Shu chian - gene Lay生物工程系的博士学位，并在分子生物系的Pogliano实验室完成了博士后职位）。

林奈生物科学公司的首席技术官Sugie说：“结核细胞是块状的，似乎总是粘在一起，所以定义细胞边界似乎是不可能的。”“相反，我们直接让计算机为我们分析图像中的模式。”

林奈与西雅图儿童研究所的结核病专家坦尼娅·帕里什合作开发了分枝杆菌的BCP。这个新系统已经大大加快了该团队的结核病研究能力，并帮助确定了用于药物开发的最佳候选化合物。

该研究的合著者帕里什说：“开发新候选药物的一个关键组成部分是确定它们的工作原理，这在技术上具有挑战性，需要时间。”“这项技术扩展并加速了我们的能力，并使我们能够根据分子的作用模式优先考虑哪些分子。我们很高兴能与林奈合作，共同开发这种治疗结核分枝杆菌的技术。”

加州大学圣地亚哥分校生物技术分支解决全球健康问题

林奈生物科学公司成立于2012年，由加州大学圣地亚哥分校开发的一项技术有望改变人们对抗生素如何起作用的理解。

乔·波利亚诺说：“我们开发了细菌细胞学图谱，它使我们能够以一种新的方式观察细菌细胞。”“这使我们能够真正看到细胞在抗生素治疗后的样子，这样我们就可以解释它们的潜在机制。我们将这种方法描述为相当于对细菌细胞进行尸检。”

Joe和Kit Pogliano在圣地亚哥地区的生物技术中心建立了Linnaeus Bioscience，这使得他们能够将BCP技术推向市场，其他公司也可以使用该技术。该公司现在接收来自世界各地的样品，用于快速分析和鉴定新的细菌候选药物。

波里亚诺认为，生物技术社区对公司的成长和成功至关重要，尤其是公司早期在圣地亚哥JLABS孵化器的家，该孵化器支持早期的生物技术公司。

“如果没有生物技术社区的支持和JLABS提供的基础设施，我们不可能启动林奈生物科学，”Pogliano说。“Linnaeus公司的所有员工都在加州大学圣地亚哥分校获得了博士学位，所以这已经成为加州大学圣地亚哥分校研究、校友和圣地亚哥生物技术社区的一个伟大成功故事，最终在这个新的人工智能平台上帮助解决抗生素耐药性危机。”