新型抗生素篩選的研究進展

摘要：抗生素耐藥性是一個重要的公共衛生問題，由于細菌耐藥性的不斷進化和傳播，尤其是“超級細菌”的出現，導致傳染病發病率和死亡率不斷增加，治療也變得更具挑戰性，因此，新型抗生素的研究至關重要。進入抗生素后時代以來，大批新技術、新方法為新型抗生素的篩選提供了思路。本文對新型抗生素篩選和替代方法的進展進行了總結，包括從天然產物中篩選、采用化學合成或合成生物學方法篩選、基于組學技術的篩選、人工智能輔助篩選、藥物再利用和聯合用藥以及抗生素的替代療法如單克隆抗體療法、噬菌體療法。新型抗生素的篩選對于應對多耐藥菌、治療新興疾病、提高治療效果都具有重要意義，藥物再利用、聯合用藥及抗生素的替代療法可以降低藥物開發的時間和成本，為醫療領域帶來更多的創新和進步。

關鍵詞：新型抗生素、耐藥性、抗菌療法、篩選、人工智能

中圖分類號：R978.1 文獻標志碼：A

Research progress in new antibiotics screening

Xu Min1， Wang Liwei1， Xin Nian1， Deng Yulin2 and Liu Feng1

（1 BITamp;GS Technologies Co.， Ltd， Beijing 100081; 2 Beijing Institute of Technology， Beijing 100081）

Abstract Antibiotic resistance is an important public health problem. Due to the continuous evolution and spread of bacterial resistance， especially the emergence of “superbugs，” there has been an increase in the incidence rate and mortality. The treatment of infectious diseases has become more challenging. Therefore， the discovery of new antibiotics plays a crucial role. Since the post-antibiotic era， a large number of new technologies and methods have emerged， which provide new directions for antibiotic research. This article summarized the progress of new antibiotic screening and alternative methods， including natural product screening， chemical or synthetic methods， omics technologies， artificial intelligence， drug reuse and combination， alternative methods such as monoclonal antibodies and bacteriophages. The screening of new antibiotics is of great significance in dealing with multidrug-resistant bacteria， treating emerging diseases， and improving treatment efficacy. Drug reuse and combination， as well as alternative methods， could reduce the time and cost of drug discovery， bringing more innovation and progress to the medical field.

Key words New antibiotics; Bacterial resistance; Antibacterial therapy; Screening method; Artificial intelligence

微生物可以生成多種具有生物活性的天然藥物[1]，在抗生素和其他藥物方面的產能是驚人的。1928年，亞歷山大·弗萊明首次在污染培養皿上發現了青霉素，它可以抑制細菌生長[2]，20世紀40年代至60年代是抗生素發現的“黃金時期”[3]，此時期發現的多數抗生素仍在臨床使用中。抗生素在臨床主要用于治療各種感染，同時也帶來了較嚴重的不良反應、耐藥性等問題。隨著微生物對抗生素耐藥性的產生，感染變得難以治療，疾病傳播、嚴重疾病和死亡的風險也隨之增加。在2019年全球的死亡比例中，495萬人的死亡與細菌抗生素耐藥性有關，其中，127萬人與其直接相關[4]。世界衛生組織（World Health Organization，WHO）的一項研究報告表明，如果這一趨勢不加以控制，預計到2050年每年將有1000萬人死于抗生素耐藥性。

隨著微生物感染問題日益嚴峻，傳染病的有效治療十分迫切，新型抗生素和抗菌療法的發現至關重要。新型抗生素是具有新作用方式或機制、用來對抗微生物感染的藥物，且不同于當前臨床使用的抗生素。本文對新型抗生素篩選的研究進展進行了總結，同時討論了對抗耐藥性的替代療法，對解決耐藥性、控制傳染病具有重要意義。

1 基于天然產物的新型抗生素篩選

從土壤和海洋等多樣化環境中分離出的天然產物一直是抗生素的豐富來源，也是臨床使用抗生素的主要來源[5]。自然界的微生物種類繁多，除產生鏈霉素等多種抗生素的放線菌外，藍藻菌和假單胞菌等也被發現含有具有生物活性的天然產物[6]。此外，在動物和人體微生物群中也發現了抗生素，例如從人體內共生細菌中分離出的對革蘭陽性菌有抑制作用的lugdunin、lactocillin、cutimycin以及對革蘭陰性菌有抑制作用的odilorhabdin和darobactin[7]。Kim等[8]從昆蟲病原線蟲微生物群的光紋共生體分離出darobactin，并發現了它的全新殺菌機制，即通過抑制BamA外膜蛋白，破壞細菌外膜，誘導細胞裂解，導致細菌死亡。真菌的分類多樣性和生物合成潛力使其成為具有潛力的新抗生素來源之一[9]。植物來源的天然產物由于其靶點的非特異性，顯示出增強抗生素活性的潛力，有望成為抗生素治療的潛在佐劑[10]。

在新型抗生素篩選過程中，從微生物中找到新抗生素的幾率越來越低。研究表明99.9%的細菌仍不能被培養[11]，該類細菌中部分有產生新型抗生素的潛力。與已發表的天然產物比較結果表明，約97%的細菌次級代謝物尚未被鑒定[12]，因此，有望在未被充分研究的細菌群中發現新型抗生素，原位培養、添加特定生長因子等方法都有助于從“不可培養”的細菌中發現天然產物[13]。近年來，“isolation chip”（iChip）和微流控技術能實現微生物的高通量分離和原位培養，提高了待分離菌株的數量和多樣性[14]。

Ling等[15]采用iChip進行抗菌活性篩選，發現了四聚丙桿菌素。Quigley等[16]采用iChip在微量板上直接接觸土壤來培養土壤微生物，分離出了3種新的天然產物，其中一種具有抗結核分枝桿菌活性。Kim等[17]將海水加入到培養基中，從海洋放線菌中分離出抗菌化合物chlororesistoflavines。此外，兩種或兩種以上的微生物共培養時，沉默基因簇可能被激活，從而產生不同的次級代謝產物。Mcclung等[18]將一種罕見的放線菌與多重耐藥菌Amycolatopsis共培養，發現了能夠抑制Amycolatopsis的抗生素dynaplanin。因此，通過模擬環境中微生物的相互作用，共培養有望提高天然產物的產量[19]。

從天然產物中發現的新型抗生素越來越少，隨著我國重大科技專項“載人空間站工程”的開展，空間站的特殊環境如大幅度的溫差、近真空的環境、持續強輻射和微重力等為新型抗生素的篩選提供了可能。1997年，Demain等[20]采用旋轉生物反應器模擬微重力，發現抑制了鏈霉菌生產β-內酰胺抗生素的能力。微生物能通過調節次級代謝來應對環境變化，最新研究表明次級代謝物產量在微重力環境下可能增加、減少或不變，太空復雜環境很大可能影響微生物的生長和并使其產生潛在的新型抗生素[21]。

2 基于化學合成及合成生物學的新型抗生素篩選

從天然產物中篩選抗生素越來越有限，細菌耐藥性也不斷加劇，人們開始利用化學合成和合成生物學方法來篩選新型抗生素。化學合成可以改變抗生素的結構，生成新的半合成衍生物，在減少毒性和消除副作用的同時，提供更好的藥理活性，進而拓寬其作用范圍[22]。合成生物學則通過改造微生物的代謝途徑和調控基因表達，實現對抗生素產生途徑的優化和增強，從而合成天然產物抗生素的類似物。

細菌可以產生耐藥，如耐藥菌能分泌β-內酰胺酶，使β-內酰胺類抗生素（青霉素類、頭孢菌素類等）失活。Lima等[23]采用化學合成方法獲得了具有廣譜抑制活性的β-內酰胺類抗生素衍生物，該衍生物含有能保護β-內酰胺環不被切割的基團，從而對耐藥菌株表現出較高的抗菌活性。四環素類抗生素主要是通過四環母核和C4位的二甲氨基與金屬離子螯合，抑制基質金屬蛋白酶的活性[24]，從而發揮抑菌作用。Lokeshwar等[25]對四環素分子進行化學修飾，獲得了能夠抑制細菌或殺死耐藥菌的半合成衍生物。多致病菌對大環內酯類抗生素（紅霉素、螺旋霉素等）具有耐藥性，半合成大環內酯類（阿奇霉素、克拉霉素和羅紅霉素）抗生素則對多數革蘭陽性菌、革蘭陰性菌和引起呼吸道感染的“非典型”胞內病原體均具有抑制作用，阿奇霉素衍生物還具有較高的抗瘧活性[26]。Mitcheltree等[27]將氧哌脯氨酸連接到克林霉素氨基乳糖殘基上，產生了具有抗耐藥菌活性的iboxamycin。氨基糖苷類抗生素（鏈霉素、新霉素、卡那霉素、慶大霉素等）含有氨基糖，Poulikakos等[28]和Zarate等[29]通過化學合成法得到了氨基糖苷類抗生素的衍生物，對腎毒性（腎損傷）、耳毒性（功能性內耳疾?。┖图毎拘裕〒p傷細胞結構元件）有所降低，也解決了部分耐藥菌的問題。

除化學合成方法外，體外合成天然產物的功能肽也具有一定的抑菌活性，無需培養產生天然產物的微生物。Chu等[30]通過分析96個非核糖體多肽生物合成基因簇合成了多肽庫，再經過非靶向篩查，確定了3個有廣譜抗生素潛力的多肽，如syCPA 63。Wang等[31]調研了編碼黏菌素同源物的生物合成基因簇，篩選到macolacin基因簇，人工合成多肽macolacin，生物活性實驗結果表明，macolacin有望成為藥物開發的治療藥物或先導化合物。合成生物學還能通過在宿主上異源表達基因簇或通過啟動子插入生物合成基因簇來產生抗生素，Gross等[32]在大腸埃希菌中異源表達darobactin生物合成基因簇，提高了darobactin的生產速度，同時還獲得了活性更高的同源物化合物。

3 基于組學技術的新型抗生素篩選

抗生素作用機制和細菌耐藥性機制的研究，對于降低細菌耐藥性、針對多重耐藥微生物的創新療法及新型抗生素研發至關重要?；蚪M學、代謝組學及生物信息學的發展使基于靶點的新型抗生素篩選成為可能[33]。Kumar等[34]發現類異戊二烯是多數致病細菌存活的必需分子，靶向類異戊二烯合成途徑中的IspH酶，設計了能進入細菌內部的新型IspH酶抑制劑，發現其既可以殺死多種革蘭陰性菌，還能增強宿主的免疫反應，從而進一步清除耐藥菌。由于廣泛的生物作用，多靶點藥物制劑成為新型抗生素開發的一個新方向[35-36]，多靶點的藥物有可預測的藥理學特征，在一定程度上降低了處方藥物的配伍禁忌風險，單一化合物具有多種生物活性，在預防病原體的耐藥性，減少藥物相互作用以及提高疾病治療效率方面也具有廣闊的應用前景。

自David等[37]基于天藍鏈霉菌全基因組發現次級代謝產物后，研究者逐漸開始利用基因組學來獲得次級代謝物。利用基因組學可以靶向篩選無臨床耐藥性的新靶點，并了解抗生素的作用機制，Payne等[38]通過此技術發現了有效的抗菌體外靶點FabI。利用基因組學技術還可進行全細胞抗菌藥物的篩選，來發現能夠抑制整個細胞生長的抗生素[39]。通過基因組的生物信息學分析預測菌株的生物合成潛力，挖掘與編碼天然產物生物活性相關的基因[40]，Li等[41]通過挖掘宏基因組鑒定了mba3基因，該基因編碼含有GXLXXXW基序的甲萘醌結合抗生素。Miller等[42]挖掘darobactin自由基SAM酶DarE的基因組時，發現了潛在的天然產物dynobactin A。通過DNA序列識別潛在基因簇，進而尋找其潛在同源物，無需培養細菌，異源表達也可得到具有抗生素活性的新產物[43]。

代謝組學的發展為新型抗生素的發現提供了便利條件，通過大規模的質譜庫匹配可以減少已知抗生素的重新發現率，為結構特征提供有價值的信息。Asamizu[44]等分析了兩種共培養放線菌的代謝組學，鑒定出一種由鉑霉素和鐵載體腸桿菌素組成的雙功能抗菌偶聯物harundomycin A。Reher等[45]將粗提物的分離純化與純蛋白靶點的在線孵育相結合，使蛋白靶點與特定洗脫產物直接相關，發現了抗菌靶點FtsZ。基于質譜的組學技術為新型抗生素的發現提供更準確更廣泛的信息，加快了抗生素的發現進程。

4 基于人工智能的新型抗生素篩選

隨著細菌對傳統抗生素的耐藥性不斷增強，抗生素的重復發現率也越來越高，人工智能（artificial intelligence，AI）為新型抗生素的發現提供了全新的途徑。20世紀中期，利用計算化學特征預測分子屬性的定量結構-活性關系（quantitative structure-activity relationship，QSAR）開始發展[46]，分子特征與理化性質或生物活性定量關聯起來。QSAR對分子量、親水性、可旋轉鍵數、極性表面積等分子信息構建分子指紋，分子指紋可以用作輸入，訓練分類或回歸模型，預測感興趣的物化性質。Wang等[47]用樸素貝葉斯、支持向量機和遞歸分割等機器學習模型來預測對金黃色葡萄球菌有抗性的分子，結合活性驗證，從約7500個化合物中篩選到12個抗金黃色葡萄球菌分子。Li等[48]采用樸素貝葉斯和遞歸分割機器學習模型預測對大腸埃希菌和金黃色葡萄球菌有抑制作用的分子，獲得了4個結構相似的且有抗菌活性的化合物。

隨著機器學習領域技術的成熟，基于分子性質的預測模型可用來識別抗生素新結構[49]。Stokes等[50]訓練了一個深度神經網絡模型（message passing neural network，MPNN），該模型能預測具有抗菌活性的分子。通過對多個化學庫進行建模，從藥物再利用中心數據庫發現了與傳統抗生素結構不同的化合物halicin，halicin通過選擇性消散細菌跨膜ΔpH電位來殺死細菌，還能治療小鼠模型中的艱難梭菌和泛耐藥鮑曼不動桿菌感染，具有廣譜殺菌活性，該研究成功表明可以通過深度學習的方法發現結構獨特的抗菌分子。2023年此團隊通過MPNN模型，發現了窄譜抗生素abaucin，其能夠治療鮑曼不動桿菌引起的傷口感染，但對銅綠假單胞菌、金黃色葡萄球菌和耐碳青霉烯腸桿菌無效[51]。機器學習是一種高效、快速的方法，但需要大量高質量的數據來訓練模型，才能提高抗生素預測的準確性。

5 藥物再利用和聯合用藥

面對日益嚴峻的多重耐藥菌，藥物再利用和聯合用藥是一個潛在的解決方案，也是新藥研發的方向。新藥研發是一個繁重、費力、不確定的過程，需要大量的時間和成本，藥物再利用則是克服上述問題、降低成本的重要策略，近年來藥物再利用占FDA批準新藥的約30%[52]。此外，聯合用藥通過獨立、協同或拮抗提高抗生素療效，也逐漸成為對抗多耐藥菌感染的療法。

藥物再利用是一種開辟失敗候選藥物和化合物新應用的通用方法。新型冠狀肺炎病毒（COVID-19）期間，現有藥物如瑞德西韋[53]、巴利西替尼、地塞米松[54]等被用于治療冠狀病毒，頗有療效。一些非抗生素藥物經研究證明也具有抗菌活性，如sertraline，能夠逆轉金黃色葡萄球菌對多種抗生素的耐藥性[55]。非甾體抗炎藥（nonsteroidal antiinflammatory drugs，NSAIDs）如乙酰氨基酚等也具有抗菌潛能[56]。布洛芬能抑制大腸埃希菌、金黃色葡萄球菌、小孢子菌和毛癬菌的生長[57]，菌落形成單位和生長動力學也證明其對銅綠假單胞菌和伯克霍爾德氏菌有抗菌活性[58]。降低心臟發病率和死亡率的降脂藥物如他汀類藥物也被證明具有抗炎和免疫調節活性，特別是阿托伐他汀和辛伐他汀能對抗某些菌株引發的皮膚和軟組織感染[59]。2020年，Akbarzadeh等[60]優化了辛伐他汀的藥物制劑，提高了其對金黃色葡萄球菌和大腸埃希菌的抗菌作用。

聯合用藥可以擴大抗菌藥物的范圍，減少對宿主的毒性，提高治療效果，是一種細菌感染常見的治療策略。當藥物的聯合效應等于個體效應之和時，就會發生獨立性；當聯合效應小于或大于個體效應之和時，就會發生拮抗或協同作用，超拮抗即抑制是拮抗作用的一種特殊情況，其聯合效應甚至小于至少一種藥物的單獨效應[61]。也有研究表明，拮抗和超拮抗的聯合可以抑制抗性的進化，即可以逆轉耐藥菌株的選擇優勢，從而有利于對耐藥菌株的抑制作用[62]。臨床中有協同作用的藥物如共氟安匹西爾，它包括氨芐西林（一種抗鏈球菌感染的中譜青霉素）和氟氯西林（一種抗金黃色葡萄球菌的窄譜抗生素），此藥物可以擴大治療范圍，從而提高治療效果[63]。此外，非抗菌佐劑與抗菌藥物的聯合應用，如舒巴坦（一種β-內酰胺酶抑制劑）和PAβN（一種外排泵抑制劑），通過促進β-內酰胺或其他抗生素（如氟喹諾酮類）在革蘭陰性菌周質中的積累，增加抗生素的活性，提高療效[64]。

6 抗生素的替代方法

隨著技術的不斷進步，出現了很多新興的抗生素替代方法，如單克隆抗體、噬菌體。應對細菌感染的單克隆抗體通常針對的是表面暴露的抗原或分泌的毒素，而不是抗生素的靶點，因此不太受現有耐藥機制的影響[65]。多數抗體療法用于治療非感染性疾病，只有少數被批準用于治療細菌感染[66]。目前，14種治療性單克隆抗體產品處于不同的開發階段，raxibacumab、obiltoximab已獲準用于治療炭疽桿菌引起的細菌感染[67]，bezlotoxumab目前也已獲準用于預防艱難梭菌引起的細菌感染[68]。與傳統抗生素相比，單克隆抗體的獨特優勢使其在傳染病治療領域具有巨大的發展潛力。

噬菌體療法也是一種具有良好前景的抗生素替代方法。1915年，研究人員從痢疾康復患者的糞便中首次分離出噬菌體，并驗證了其殺菌效果[69]，噬菌體療法隨之迅速發展。抗生素耐藥性的升級揭示了噬菌體療法在治療/預防多耐藥細菌感染方面的潛在應用前景。Adesanya等[70]和Dedrick等[71]應用噬菌體療法治愈了1例感染播散性耐藥膿腫分枝桿菌的囊性纖維化患者和1例感染耐藥鮑曼不動桿菌的患者，噬菌體療法將為抗生素耐藥性提供新思路。

7 總結與展望

隨著“超級細菌”的不斷傳播，新型抗生素的發現以及對抗細菌耐藥性的新方法愈發重要。本文總結了新型抗生素的篩選方法和新型抗菌治療方法的進展，包括采用新技術新方法培養“不可培養的”微生物，從微生物資源庫中挖掘天然抗生素；利用化學合成或合成生物學方法獲得抗生素衍生物或其類似物；利用宏基因組學、代謝組學等從天然產物中篩選有抗菌活性的“暗物質”；利用人工智能技術從大數據庫中篩選有活性的抗菌分子，或通過機器學習來尋找全新結構的抗生素；利用新方法對抗抗生素耐藥性，包括藥物再利用、聯合用藥、單克隆抗體療法和噬菌體療法。

為應對全球藥物供應短缺，解決日益嚴峻的多耐藥菌問題，助力人類健康，世界各地積極響應，大大促進了新抗菌藥物研發和新型療法。據WHO統計，目前全球有80種抗菌產品（抗生素和生物制劑）處于臨床開發（Ⅰ-Ⅲ期）和上市前階段，其中46種抗生素中有28種對WHO優先級病原體是有治療效果的。2018年，歐洲藥品管理局（European Medicines Agency，EMA）批準vabomere（meropenem/vaborbactam）用于治療復雜尿路感染、復雜腹腔感染、院內肺炎和革蘭陰性病原體感染，vaborbactam是一種β-內酰胺酶抑制劑，可以保護meropenem（一種廣譜強效的β-內酰胺類抗生素）不受絲氨酸β-內酰胺酶的降解，從而保證其抗生素活性[72]，2021年，Teena研究了vabomere在碳青霉烯類耐藥革蘭陰性菌感染中的臨床應用[73]，2019年，EMA批準delafloxacin用于急性皮膚和軟組織感染的治療，delafloxacin同時攻擊細菌的DNA回旋酶和拓撲異構酶，是唯一對耐甲氧西林金黃色葡萄球菌有可靠療效的新氟喹諾酮類藥物[74]。2020年，EMA批準lefamulin用于肺炎球菌、流感嗜血桿菌、肺炎支原體等常見病原體感染的治療，其可以特異性地阻止病原體的蛋白質合成，但臨床價值尚未完全明確[75]。自2014年以來，共有15種新抗菌藥物獲得美國食品藥物管理署（Food and Drug Administration，FDA）的合格治療傳染病產品（Qualified Infectious Disease Products，QIDP）資格認證[76]。在臨床試驗中也有多種處于領先地位的抗生素組合療法如aztreonam/avibactam、sulbactam/durlobactam等[77]，這些對治療耐藥菌感染有重要作用。

抗多重耐藥菌的新型抗生素研發將會一直處于重要地位，新技術新方法的涌現為對抗“超級細菌”帶來了希望。質譜和組學技術的發展打開了生物合成中“暗物質”的研究大門，微生物含有多個新型次級代謝物的基因簇[78]，有望從土壤或其他潛在的天然產物來源中獲取更多新化合物，生成未知或實驗室條件下不可能產生的次級代謝產物。分子對接以及大數據模型可在短時間內篩選上億個具有抑菌活性的分子，大大降低了新藥開發的成本，為篩選全新結構的新型抗生素提供了可能?；诰W絡藥理學的新興研究擴展了經典的單配體靶點的思路，為開發新型抗生素提供了機會。新型抗生素和新型抗菌療法的開發對公共健康有重大的意義，新型抗生素的發展將更加注重精準、高效、環保和可持續性。

參 考 文 獻

Pham J V， Yilma M A， Feliz A， et al. A review of the microbial production of bioactive natural products and biologics[J]. Front Microbiol， 2019， 10： 1-27.

Fleming A. On the antibacterial action of cultures of a penicillium， with special reference to their use in the isolation of B. influenzae[J]. Br J Exp Pathol， 1929， 10（3）： 226-236.

Waksman S A， Schatz A， Reynolds D M. Production of antibiotic substances by Actinomycetes[J]. Ann N Y Acad Sci， 2010： 112-124.

Antimicrobial resistance collaborators. Global burden of bacterial antimicrobial resistance in 2019： A systematic analysis[J]. Lancet， 2022， 400（10358）： 1102.

楊榮文， 張健， 雷曉光. 通過天然產物解決抗生素耐藥危機[J]. 中國科學， 2018， 48（11）： 1332-1346.

Van Santen J A， Poynton E F， Iskakova D， et al. The natural products atlas 2.0： A database of microbially-derived natural products[J]. Nucleic Acids Res， 2022， 50（D1）： D1317-D1323.

Hegemann J D， Birkelbach J， Walesch S， et al. Current developments in antibiotic discovery[J]. EMBO Rep， 2022， 24（1）： e56184

Imai Y， Meyer K J， Iinishi A， et al. A new antibiotic selectively kills Gram-negative pathogens[J]. Nature， 2019， 576（7787）： 459-464.

Hyde K D， Xu J， Rapior S， et al. The amazing potential of fungi： 50 ways we can exploit fungi industrially[J]. Fungal Divers， 2019， 97（1）： 1-136.

Sadeer N B， Mahomoodally M F. Antibiotic potentiation of natural products： A promising target to fight pathogenic bacteria[J]. Curr Drug Targets， 2021， 22（5）： 555-572.

Locey K J， Lennon J T. Scaling laws predict global microbial diversity[J]. P Natl Acad Sci USA， 2016， 113（21）： 5970-5975.

Crits-Christoph A， Diamond S， Butterfield C N， et al. Novel soil bacteria possess diverse genes for secondary metabolite biosynthesis[J]. Nature， 2018， 558（7710）： 440-444.

Berdy B， Spoering A L， Ling L L， et al. In situ cultivation of previously uncultivable microorganisms using the iChip[J]. Nat Protoc， 2017， 12（10）： 2232-2242.

Nichols D， Cahoon N， Trakhtenberg E M， et al. Use of iChip for high-throughput in situ cultivation of \"uncultivable\" microbial species[J]. Appl Environ Microb， 2010， 76（8）： 2445-2450.

Ling L L， Schneider T， Peoples A J， et al. A new antibiotic kills pathogens without detectable resistance[J]. Nature， 2015， 517（7535）： 455-459.

Quigley J， Peoples A， Sarybaeva A， et al. Novel antimicrobials from uncultured bacteria acting against Mycobacterium tuberculosis[J]. mBio， 2020， 11（4）： e01516-20.

Kim M C， Li Z， Cullum R， et al. Chlororesistoflavins A and B， Chlorinated Benzopyrene antibiotics produced by the marine-derived Actinomycete Streptomyces sp. strain EG32[J]. J Nat Prod， 2022， 85（1）： 270-275.

Mcclung D J， Du Y， Antonich D J， et al. Harnessing rare actinomycete interactions and intrinsic antimicrobial resistance enables discovery of an unusual metabolic inhibitor[J]. mBio， 2022， 13（3）： e0039322.

Peng X Y， Wu J T， Shao C L， et al. Co-culture： Stimulate the metabolic potential and explore the molecular diversity of natural products from microorganisms[J]. Mar Life Sci Tech， 2021， 3（3）： 363-374.

Fang A， Pierson D L， Mishra S K， et al. Secondary metabolism in simulated microgravity： Beta-lactam production by Streptomyces clavuligerus[J]. J Ind Microbiol Biot， 1997， 18（1）： 22-25.

Sharma G， Curtis P D. The impacts of microgravity on bacterial metabolism[J]. Life， 2022， 12（6）： 774-789.

Donadio S， Maffioli S， Monciardini P， et al. Antibiotic discovery in the twenty-first century： Current trends and future perspectives[J]. J Antibiot， 2010， 63（8）： 423-430.

Lima L M， Monteiro Da Silva B N， Barbosa G， et al. Beta-lactam antibiotics： An overview from a medicinal chemistry perspective[J]. Eur J Med Chem， 2020， 208： 112829.

姚利霞， 肖旭華， 沈舜義. 具有抗腫瘤活性的四環素類衍生物研究進展[J]. 世界臨床藥物， 2015， 36（2）： 124-127.

Lokeshwar B L. Chemically modified non-antimicrobial tetracyclines are multifunctional drugs against advanced cancers[J]. Pharmacol Res， 2011， 63（2）： 146-150.

Burns A L， Sleebs B E， Siddiqui G， et al. Retargeting azithromycin analogues to have dual-modality antimalarial activity[J]. BMC Biol， 2020， 18（1）： 133.

Mitcheltree M J， Pisipati A， Syroegin E A， et al. A synthetic antibiotic class overcoming bacterial multidrug resistance[J]. Nature， 2021， 599（7885）： 507-512.

Poulikakos P， Falagas M E. Aminoglycoside therapy in infectious diseases[J]. Expert Opin Pharmacother， 2013， 14（12）： 1585-1597.

Zarate S G， De La Cruz Claure M L， Benito-Arenas R， et al. Overcoming aminoglycoside enzymatic resistance： Design of novel antibiotics and inhibitors[J]. Molecules， 2018， 23（2）： 284.

Chu J， Koirala B， Forelli N， et al. Synthetic-bioinformatic natural product antibiotics with diverse modes of action[J]. J Am Chem Soc， 2020， 142（33）： 14158-14168.

Wang Z， Koirala B， Hernandez Y， et al. A naturally inspired antibiotic to target multidrug-resistant pathogens[J]. Nature， 2022， 601（7894）： 606-611.

Gross S， Panter F， Pogorevc D， et al. Improved broad-spectrum antibiotics against Gram-negative pathogens via darobactin biosynthetic pathway engineering[J]. Chem Sci， 2021， 12（35）： 11882-11893.

Cuevas-Cruz M， Hernandez-Guzman U， Alvarez-Rosales P C， et al. The role of mass spectrometry in the discovery of antibiotics and bacterial resistance mechanisms： Proteomics and metabolomics approaches[J]. Curr Med Chem， 2023， 30（1）： 30-58.

Singh K S， Sharma R， Reddy P A N， et al. IspH inhibitors kill Gram-negative bacteria and mobilize immune clearance[J]. Nature， 2021， 589（7843）： 597-602.

Abdolmaleki A， Ghasemi J B. Dual-acting of hybrid compounds - a new dawn in the discovery of multi-target drugs： Lead generation approaches[J]. Curr Top Med Chem， 2017， 17（9）： 1096-1114.

Vasilyev P， Kosolapov V， Spasov A， et al. Polyfunctional multitarget drugs as a basis of pharmacology of the 21st century[J]. Vestn Volg Gos U-Este， 2018， （1）： 36-39.

Bentley S D， Chater K F， Cerde?o-Tárraga A M， et al. Complete genome sequence of the model Actinomycete Streptomyces coelicolo A3（2）[J]. Nature， 2002， 417（6885）： 141-147.

Payne D J， Miller W H， Berry V， et al. Discovery of a novel and potent class of FabI-directed antibacterial agents[J]. Antimicrob Agents Ch， 2002， 46（10）： 3118-3124.

Payne D J， Gwynn M N， Holmes D J， et al. Genomic approaches to antibacterial discovery[J]. Methods Mol Biol， 2004， 266： 231-259.

Scherlach K， Hertweck C. Mining and unearthing hidden biosynthetic potential[J]. Nat Commun， 2021， 12（1）： 3864.

Li L， Koirala B， Hernandez Y， et al. Identification of structurally diverse menaquinone-binding antibiotics with in vivo activity against multidrug-resistant pathogens[J]. Nat Microbiol， 2022， 7（1）： 120-131.

Miller R D， Iinishi A， Modaresi S M， et al. Computational identification of a systemic antibiotic for Gram-negative bacteria[J]. Nat Microbiol， 2022， 7（10）： 1661-1672.

Katz M， Hover B M， Brady S F. Culture-independent discovery of natural products from soil metagenomes[J]. J Ind Microbiol Biotechnol， 2016， 43（2-3）： 129-141.

Asamizu S， Pramana A A C， Kawai S J， et al. Comparative metabolomics reveals a bifunctional antibacterial conjugate from combined-culture of Streptomyces hygroscopicus HOK021 and Tsukamurella pulmonis TP-B0596[J]. ACS Chem Biol， 2022， 17（9）： 2664-2672.

Reher R， Aron A T， Fajtova P， et al. Native metabolomics identifies the rivulariapeptolide family of protease inhibitors[J]. Nat Commun， 2022， 13（1）： 4619.

Hansch C， Maloney P P， Fujita T. Correlation of biological activity of phenoxyacetic acids with hammett substituent constants and partition coefficients[J]. Nature， 1962， 194（4824）： 178-180.

Wang L， Le X， Li L， et al. Discovering new agents active against methicillin-resistant Staphylococcus aureus with ligand-based approaches[J]. J Chem Inf Model， 2014， 54（11）： 3186-3197.

Li L， Le X， Wang L， et al. Discovering new DNA gyrase inhibitors using machine learning approaches[J]. Rsc Adv， 2015， 5（128）： 105600-105608.

Camacho D M， Collins K M， Powers R K， et al. Next-generation machine learning for biological networks[J]. Cell， 2018， 173（7）： 1581-1592.

Stokes J M， Yang K， Swanson K， et al. A deep learning approach to antibiotic discovery[J]. Cell， 2020， 180（4）： 688-702.

Liu G， Catacutan D B， Rathod K， et al. Deep learning-guided discovery of an antibiotic targeting Acinetobacter baumannii[J]. Nat Chem Biol， 2023， 19（11）： 1342-1350.

Ashburn T T， Thor K B. Drug repositioning： Identifying and developing new uses for existing drugs[J]. Nat Rev Drug Discov， 2004， 3（8）： 673-683.

徐子金， 王平. 抗新型冠狀病毒潛力藥物——瑞德西韋[J]. 中國現代應用藥學， 2020， 37（3）： 264-268.

蔡俊， 葛衛紅. 地塞米松在冠狀病毒治療中的應用[J]. 醫藥導報， 2020， 39（12）： 1647-1650

孟赫誠， 謝勝海， 李麗麗， 等. 舍曲林對金黃色葡萄球菌多重耐藥性的逆轉作用[J]. 華南理工大學學報（自然科學版）， 2019， 47（8）： 64- 0.

Han M I， Kucukguzel S G. Anticancer and antimicrobial activities of naproxen and naproxen derivatives[J]. Mini-Rev Med Chem， 2020， 20（13）： 1300-1310.

Chen H， Lin T， Chen W. The combined toxicity of UV/chlorinated products from binary ibuprofen （IBP） and tyrosine （Tyr） on Escherichia coli： Emphasis on their occurrence and underlying mechanism[J]. Chemosphere， 2018， 210： 503-510.

Shah P N， Marshall-Batty K R， Smolen J A， et al. Antimicrobial activity of ibuprofen against cystic fibrosis-associated Gram-negative pathogens[J]. Antimicrob Agents Ch， 2018， 62（3）： e01574-17.

Ko H H T， Lareu R R， Dix B R， et al. In vitro antibacterial effects of statins against bacterial pathogens causing skin infections[J]. Eur J Clin Microbiol Infect Dis， 2018， 37（6）： 1125-1135.

Akbarzadeh I， Keramati M， Azadi A， et al. Optimization， physicochemical characterization， and antimicrobial activity of a novel simvastatin nano-niosomal gel against E. coli and S. aureus[J]. Chem Phys Lipids， 2021， 234： 105019.

Yeh P J， Hegreness M J， Aiden A P， et al. Systems microbiology-opinion drug interactions and the evolution of antibiotic resistance[J]. Nat Rev Microbiol， 2009， 7（6）： 460-466.

Baym M， Stone L K， Kishony R. Multidrug evolutionary strategies to reverse antibiotic resistance[J]. Science， 2016， 351（6268）： aad3292.

Lloydwilliams J， Robinson A T. The treatment of infections in general-practice with magnapen - a multicenter trial[J]. J Int Med Res， 1980， 8（6）： 417-423.

Lomovskaya O， Warren M S， Lee A， et al. Identification and characterization of inhibitors of multidrug resistance efflux pumps in Pseudomonas aeruginosa： Novel agents for combination therapy[J]. Antimicrob Agents Ch， 2001， 45（1）： 105-116.

Zurawski D V， Mclendon M K. Monoclonal antibodies as an antibacterial approach against bacterial pathogens[J]. Antibiotics-Basel， 2020， 9（4）：155.

Tsao L C， Force J， Hartman Z C. Mechanisms of therapeutic antitumor monoclonal antibodies[J]. Cancer Res， 2021， 81（18）： 4641-4651.

Dejnirattisai W， Wongwiwat W， Supasa S， et al. A new class of highly potent， broadly neutralizing antibodies isolated from viremic patients infected with dengue virus[J]. Nat Immunol， 2015， 16（2）： 170-177.

Wilcox M H， Gerding D N， Poxton I R， et al. Bezlotoxumab for prevention of recurrent clostridium difficile infection[J]. N Engl J Med， 2017， 376（4）： 305-317.

Twort F W. An investigation on the nature of ultra-microscopic viruses[J]. Lancet， 1915， 2：1241-1243.

Adesanya O， Oduselu T， Akin Ajani O， et al. An exegesis of bacteriophage therapy： An emerging player in the fight against anti-microbial resistance[J]. AIMS microbiol， 2020， 6（3）： 204-230.

Dedrick R M， Guerrero-Bustamante C A， Garlena R A， et al. Engineered bacteriophages for treatment of a patient with a disseminated drug-resistant mycobacterium abscessus[J]. Nat Med， 2019， 25（5）： 730-733.

Petty L A， Henig O， Patel T S， et al. Overview of meropenem-vaborbactam and newer antimicrobial agents for the treatment of carbapenem-resistant Enterobacteriaceae[J]. Infect Drug Resist， 2018， 11： 1461-1472.

Chopra T. The place of meropenem-vaborbactam in the management of carbapenem-resistant Gram- negative infections[J]. Infect Dis Therapy， 2021， 10（2）： 633-635.

Kocsis B， Gulyas D， Szabo D. Delafloxacin， finafloxacin， and zabofloxacin： Novel fluoroquinolones in the antibiotic pipeline[J]. Antibiotics-Basel， 2021， 10（12）： 1506.

Chahine E B， Sucher A J. Lefamulin： The first systemic pleuromutilin antibiotic[J]. Ann Pharmacother， 2020， 54（12）： 1203-1214.

王玉麗， 張洪兵， 劉昌孝， 等. 回顧分析：2011—2020年美國批準上市的抗感染藥物[J]. 中國抗生素雜志， 2022， 47（1）： 1-14.

Stegemann M， Trost U. Erratum zu： Neue entwicklungen in der bek?mpfung bakterieller infektionen[J]. Die Innere Medizin， 2023， 64（11）： 1123-1128.

Zhang J W， Wang R， Liang X， et al. Novel gene clusters for natural product synthesis are abundant in the mangrove swamp microbiome[J]. Appl Environ Microb， 2023， 89（6）： e00102-23.