जीवाश्म-प्रतिरोधी सूक्ष्मजीव, जिसमें बैक्टीरिया, कवक, परजीवी और वायरस शामिल हैं, एक बढ़ता हुआ वैश्विक खतरा हैं। 2021 में लगभग पांच मिलियन मौतें बैक्टीरियल एंटीमाइक्रोबियल प्रतिरोध से जुड़ी थीं—यह वार्षिक बोझ 2050 तक लगभग दोगुना होने की उम्मीद है। एंटीमाइक्रोबियल बनने की क्षमता रखने वाले अणुओं को खोजने में वर्षों लग सकते हैं। शोधकर्ता इस खोज के प्रारंभिक चरण को तेज करने के लिए AI का उपयोग कर रहे हैं। क्रॉस-अनुशासनीय प्रयोगशाला में एंटीमाइक्रोबियल उम्मीदवारों की खोज करने वाले बायोइंजीनियर César de la Fuente ने कहा कि एंटीमाइक्रोबियल प्रतिरोध मानवता के सबसे बड़े अस्तित्वगत खतरों में से एक है। उनकी प्रयोगशाला गहरे सीखने के मॉडल का उपयोग करती है जो जैविक अनुक्रमों में पैटर्न पहचानने के लिए प्रशिक्षित हैं, ताकि विशाल जीनोम और प्रोटीन डेटासेट में संभावित एंटीमाइक्रोबियल खोजे जा सकें, जिससे प्रारंभिक खोज वर्षों से घंटों में कम हो जाती है। अपने स्वयं के AI मॉडल के साथ-साथ, प्रयोगशाला Chat GPT और Codex का उपयोग करती है ताकि परिकल्पनाएं बनाई जा सकें, कोड लिखा और सुधारा जा सके, डेटासेट प्रोसेस किए जा सकें, परिणाम विश्लेषित किए जा सकें और वैज्ञानिक विषयों के बीच विचारों को जोड़ा जा सके। यह दृष्टिकोण जीवविज्ञान को एक सूचना प्रणाली के रूप में देखता है, जहाँ न्यूक्लियोटाइड और अमीनो अम्ल जीवन के संगठनात्मक सिद्धांतों को समझने के लिए एक वर्णमाला बनाते हैं। जीनोम का केवल एक छोटा हिस्सा स्पष्ट रूप से समझी गई कार्य करता है, और और भी कम अणुओं को कोड करते हैं जो संक्रामक सूक्ष्मजीवों से लड़ सकें। AI विशाल डेटासेट में वादेय संकेतों की पहचान करने में मदद करता है, प्रयोगात्मक परीक्षण के लिए उम्मीदवारों को प्राथमिकतता देता है। हालांकि, उम्मीदवार की पहचान यह गारंटी नहीं है कि वह प्रभावी दवा बनेगा। वैज्ञानिकों को पुष्टि करना होगा कि अणु लक्ष्य सूक्ष्मजीव को मारता है, प्रभावी खुराक तय करें, मानव कोशिकाओं पर प्रभाव परीक्षण करें, सुरक्षा और स्थिरता के लिए अनुकूलित करें, विषाक्तता और प्रतिरोध विकास का आकलन करें, और विनिर्माण योग्यता सुनिश्चित करें। इन बाधाओं को पार करने वाले उम्मीदवारों को भी रोगियों तक पहुंचने से पहले नियामक समीक्षा और नैदानिक परीक्षणों का सामना करना होगा। de la Fuente के लिए, AI और प्रयोगशाला जीवविज्ञान को साथ-साथ आगे बढ़ना चाहिए, क्योंकि जीवन विज्ञान में AI भविष्यवाणियों को सत्यापित करने के लिए भूमि-सत्य प्रयोग आवश्यक हैं।