包括细菌、真菌、寄生虫和病毒在内的耐药微生物正成为日益严重的全球威胁。2021年约五百万例死亡与细菌抗菌素耐药性相关——这一年度负担预计到2050年将翻番。找到有潜力成为抗菌素的分子可能需要数年时间。研究人员正利用AI加速这一早期发现阶段。跨学科实验室寻找抗菌候选物的生物工程师César de la Fuente表示，抗菌素耐药性是人类面临的最大生存威胁之一。他的实验室使用深度学习模型识别生物序列中的模式，在庞大的基因组和蛋白质数据集中搜索潜在抗菌物，将初始搜索从数年缩短至数小时。除了自有AI模型外，该实验室还使用Chat GPT和Codex进行头脑风暴、编写和优化代码、处理数据集、分析结果，并在学科之间建立联系。该方法将生物学视为信息系统，核苷酸和氨基酸构成字母表，用于解读生命的组织原则。基因组中只有一小部分功能明确，更少的部分编码能对抗感染微生物的分子。AI帮助在庞大数据集中识别有希望的信号，优先筛选候选物进行实验验证。然而，发现候选物并不保证它能成为有效药物。科学家必须确认该分子能杀灭目标微生物、确定有效剂量、测试对人体细胞的影响、优化安全性和稳定性、评估毒性和耐药性发展、确保可生产性。通过这些关卡的候选物仍需接受监管审查和临床试验才能到达患者手中。对de la Fuente而言，AI与实验室生物学必须共同推进，因为地面实况实验对于验证生命科学中的AI预测至关重要。