生成式人工智能(AI)模型经常产生幻觉，并创造出不符合事实或无法从原始材料中引用的信息。这种行为通常是一种弱点，特别是考虑到人工智能产生的错误信息的兴起。但在细菌的世界里，幻觉正在帮助研究人员发现新的救命药物。
斯坦福大学医学院和麦克马斯特大学的研究人员开发了一种人工智能模型，揭示了致命抗生素耐药细菌的可能解决方案。
该研究报告称，该模型名为SyntheMol，是合成分子的缩写，它创造了“六种新药的结构和化学配方，旨在杀死鲍曼不动杆菌的耐药菌株，鲍曼不动杆菌是导致抗菌素耐药性相关死亡的主要病原体之一。”
研究估计，全球每年有近500万例死亡与抗菌素耐药性有关。生物医学数据科学副教授、该研究的合著者詹姆斯·邹(James Zou)说:“快速开发新的抗生素对公共卫生有巨大的需求。”
“我们的假设是，有很多潜在的分子可能是有效的药物，但我们还没有制造或测试它们。这就是为什么我们想用人工智能来设计自然界中从未见过的全新分子。”
可能化合物的数量呈指数增长。在像SyntheMol这样的模型出现之前，研究人员仍然使用算法对药物库进行分类，以寻找潜在的解决方案，但这样做的速度和规模只是必要的一小部分。SyntheMol的计算能力——以及它产生幻觉的事实——使研究人员能够以全新的效率探索抗菌素耐药性的解决方案。
邹说:“这个人工智能真的在设计和教授我们人类以前从未探索过的化学领域的全新部分。”
研究人员对SyntheMol进行了“分子构建模块”和化学反应库的训练。他们将目前哪些化学物质对鲍曼不动杆菌有效的数据作为指导。根据斯坦福大学的说法，该模型“在不到9小时的时间内生成了大约25000种可能的抗生素和配方。”
最初，SyntheMol有点过于富有想象力，创造了不可能存在的化合物，所以研究人员增加了护栏。结果要真实得多。为了确保细菌不会对这些新配方产生抗药性，研究人员过滤掉了与目前有效抗生素相似的化合物。
“现在我们不仅有了全新的分子，而且有了如何制造这些分子的明确指示，”邹说。
研究人员缩小了SyntheMol建议的化合物的可行性。化学公司Enamine能够在实验室中制造出58种化合物。在测试中，六种能够杀死一种耐药菌株，两种已经进入小鼠试验阶段。
这些新化合物在对抗其他可能产生抗生素耐药性的感染性细菌方面也显示出了希望，这些细菌包括大肠杆菌、耐甲氧西林金黄色葡萄球菌以及那些可能导致脑膜炎和肺炎的细菌。研究人员目前正在调整SyntheMol，并与其他团队合作，看看该模型是否也可以用于发现可能的心脏病药物。
