已经创建了一个机器学习模型，可以识别基于钌的抗生素候选药物。通过288种抗菌有机金属化合物的小型训练集，该算法扫描了数百万种结构，选择对耐药细菌最有效的结构。对最有希望的候选药物进行了测试，显示出的抗生素活性几乎是训练集的六倍。
来自瑞士伯尔尼大学的主要作者Angelo Frei说，抗生素已经成为“大多数现代医学的基石，因为许多医院的治疗都依赖抗生素作为控制感染的一种措施”。然而，越来越多的细菌对这些药物的耐药性已经成为一个严重的问题。最近，研究人员已经认识到金属基抗菌剂的潜力——包括钌络合物。Frei解释说，与传统的有机碳基化学物质相比，金属化合物对细菌的活性可能要高10倍，而且对人类的毒性不一定更大。他补充说:“它们代表了一个庞大的化合物类别，在很大程度上尚未被用于医学用途。”钌化合物也很容易合成，这使得它们更容易成为候选药物。
Frei说，该团队首先使用了由合著者Wee Han Ang开发的组合化学方法来创建288种钌化合物的文库，然后对这些化合物进行了抗甲氧西林金黄色葡萄球菌(MRSA)的测试。他补充说:“我们发现了相当数量的活跃菌(9.4%)，并且……利用这些数据训练机器学习模型来预测抗MRSA的活性。”在迈出第一步之后，研究人员建立了一个包含7700万个钌络合物的虚拟库。然后，该算法确定了200万个潜在的活跃结构。为了验证这些预测，研究小组收集了54个结构的小样本，并在实验室中对它们进行了抗MRSA的测试。Frei评论说:“53.7%的化合物是有效的，这比最初筛选的命中率高5.7倍。”
人工智能训练的钌配合物的组合合成反应方案
西班牙萨拉戈萨化学合成和均相催化研究所的金属药物专家Concepción Gimeno解释说:“与传统的有机抗生素相比，有机金属化合物通常具有独特的作用机制，这可能有利于克服现有的耐药机制。”Gimeno补充说，钌配合物的有趣特性包括“与其他金属配合物相比，其生物相容性和毒性非常低”。钌复合物已经在癌症的临床试验中进行了研究。
Nils Metzler-Nolte是德国波鸿鲁尔大学的生物无机化学专家，他很欣赏这种方法的多功能性。他解释说:“基于Ang团队之前在组合化学方面的工作……一个简单的一锅反应可以产生250多种具有截然不同3D形状和性质的化合物。”“当你考虑到用这些化合物绘制的三维空间时，这是无与伦比的。”Metzler-Nolte说:“这是有机金属配合物的一个吸引人的方面——‘具有全新结构和化学性质的化合物可以为抗生素提供新的、前所未有的作用模式。’”
虽然钌相对昂贵和稀缺，但合成只需一到三个步骤，与市售药物相比，这是非常经济的。“此外，药物发现和开发的成本不是由合成成本决定的，而是由临床试验的巨大成本决定的，”梅茨勒-诺尔特指出。
Gimeno说，后续研究“将涉及一系列实验和计算验证，以确认和改进预测，然后是合成、表征、生物测试、迭代设计等等。”也许最重要的是，分子模拟将有助于理解这些金属复合物的不寻常的抗生素作用模式，以及观察到的任何耐药性。弗雷说:“一些研究表明，对金属基化合物的耐药性发展非常低，甚至根本不存在，但我认为低估细菌是愚蠢的。”“我们的第一个目标是生成更多的数据和更大的库……覆盖更多的元素周期表……预测更具体的性质，比如活性程度和毒性。”
费尔南多Gomollón贝尔是一位科学作家和传播者
出生于英国剑桥。查看完整档案
