機器學習幫助全面認識抗生素殺菌原理

一個國際研究團隊利用機器學習算法發現，在抗生素殺滅細菌的過程中，核苷酸代謝起著重要作用。這有助于人們更全面地理解抗生素作用原理，在此基礎上開發更好的殺菌方法。

美國麻省理工學院等機構研究人員在美國《細胞》雜志上報告說，他們使用氨芐西林、環丙沙星和慶大霉素3種抗生素，以及約200種與代謝有關的物質，將它們搭配組合，觀察不同組合對大腸桿菌的殺滅效果。他們用機器學習算法分析了與殺菌效果相關的代謝過程。

結果發現，在抗生素壓力下，細菌用于合成脫氧核糖核酸（DNA）的嘌呤核苷酸供應不足，不得不加緊生產，這會消耗大量能量，迅速積累有毒的代謝廢物，使細菌的生存狀態進一步惡化，加快死亡進程。

此前研究顯示，抗生素殺菌的重要途徑包括干擾細菌的關鍵生理過程，如DNA復制或細胞壁構建等。本次研究揭示了核苷酸代謝的作用，讓人們更全面地了解抗生素的殺菌原理。

用機器學習處理生物學實驗數據的做法并不罕見，不過大多數模型是“黑箱”式的，知道什么實驗條件對應什么結果，但不知道其中原理。這項新研究采取了“白箱”模式，將實驗條件、代謝狀態與殺菌效果結合起來，探明藥物發揮作用的具體機制。

研究人員表示，用輔助藥物強化代謝干擾，可望成為殺滅細菌、應對細菌耐藥性的新手段。“白箱”模式還可用于分析不同藥物對癌癥、糖尿病或神經退行性疾病等的作用。他們正用類似方法尋找肺結核病菌躲過抗生素襲擊、發展出耐藥性的原因。