大多數(shù)抗生素通過(guò)干擾關(guān)鍵功能（例如DNA復(fù)制或細(xì)菌細(xì)胞壁的構(gòu)建）起作用。然而，這些機(jī)制僅代表抗生素全部作用的一部分。

在一項(xiàng)關(guān)于抗生素作用的新研究中，麻省理工學(xué)院的研究人員開(kāi)發(fā)了一種新的機(jī)器學(xué)習(xí)方法，以發(fā)現(xiàn)一種有助于某些抗生素殺死細(xì)菌的其他機(jī)制。該次級(jí)機(jī)制涉及激活細(xì)胞需要復(fù)制其DNA的核苷酸的細(xì)菌代謝。

“由于藥物壓力，對(duì)細(xì)胞有巨大的能量需求。這些能量需求需要代謝反應(yīng)，一些代謝副產(chǎn)物有毒，有助于殺死細(xì)胞，”Termeer教授James Collins說(shuō)。研究人員表示，利用這種機(jī)制可以幫助研究人員發(fā)現(xiàn)可與抗生素一起使用的新藥，以提高其殺傷能力。

（圖片來(lái)源：Www.pixabay.com）

Collins和Walker多年來(lái)研究了抗生素作用的機(jī)制，他們的研究表明，抗生素治療往往會(huì)產(chǎn)生大量細(xì)胞應(yīng)激，對(duì)細(xì)菌細(xì)胞產(chǎn)生巨大的能量需求。在這項(xiàng)新研究中，柯林斯和楊決定采用機(jī)器學(xué)習(xí)方法來(lái)研究這種情況是如何發(fā)生的以及后果是什么。

在他們開(kāi)始計(jì)算機(jī)建模之前，研究人員在大腸桿菌中進(jìn)行了數(shù)百次實(shí)驗(yàn)。他們用三種抗生素中的一種 - 氨芐青霉素，環(huán)丙沙星或慶大霉素處理細(xì)菌，在每次實(shí)驗(yàn)中，他們還添加了約200種不同代謝物中的一種，包括一系列氨基酸，碳水化合物和核苷酸（DNA的構(gòu)建模塊） ）。對(duì)于抗生素和代謝物的每種組合，他們測(cè)量了對(duì)細(xì)胞存活的影響。

“我們使用了各種代謝擾動(dòng)，這樣我們就可以看到擾亂核苷酸代謝，氨基酸代謝和其他代謝子網(wǎng)的影響。我們希望從根本上了解哪些以前未被描述的代謝途徑對(duì)我們理解抗生素如何殺死可能是重要的。”

許多其他研究人員使用機(jī)器學(xué)習(xí)模型來(lái)分析來(lái)自生物實(shí)驗(yàn)的數(shù)據(jù)，通過(guò)訓(xùn)練算法以基于實(shí)驗(yàn)數(shù)據(jù)生成預(yù)測(cè)。然而，這些模型通常是“黑盒子”，這意味著它們不會(huì)揭示構(gòu)成其預(yù)測(cè)的機(jī)制。為了解決這個(gè)問(wèn)題，麻省理工學(xué)院的團(tuán)隊(duì)采用了一種新穎的方法，他們稱之為“白盒子”機(jī)器學(xué)習(xí)。他們不是直接將數(shù)據(jù)輸入機(jī)器學(xué)習(xí)算法，而是先通過(guò)Palsson實(shí)驗(yàn)室描述的大腸桿菌代謝的基因組規(guī)模計(jì)算機(jī)模型進(jìn)行運(yùn)行。這允許它們產(chǎn)生由數(shù)據(jù)描述的“代謝狀態(tài)”陣列。然后，他們將這些狀態(tài)轉(zhuǎn)換為機(jī)器學(xué)習(xí)算法，該算法能夠識(shí)別不同狀態(tài)之間的聯(lián)系以及抗生素治療的結(jié)果。

“我們?cè)谶@里展示的是，通過(guò)讓網(wǎng)絡(luò)模擬首先解釋數(shù)據(jù)然后讓機(jī)器學(xué)習(xí)算法為我們的抗生素致死性表型構(gòu)建預(yù)測(cè)模型，由該預(yù)測(cè)模型自己選擇的項(xiàng)目直接映射到我們的路徑上“我已經(jīng)能夠通過(guò)實(shí)驗(yàn)驗(yàn)證，這非常令人興奮”。（生物谷Bioon.com）

資訊出處：Painting a fuller picture of how antibiotics kill

原始出處：Jason H. Yang, Sarah N. Wright, Meagan Hamblin, Douglas McCloskey, Miguel A. Alcantar, Lars Schrübbers, Allison J. Lopatkin, Sangeeta Satish, Amir Nili, Bernhard O. Palsson, Graham C. Walker, James J. Collins. A White-Box Machine Learning approach for Revealing Antibiotic Mechanisms of Action. Cell, 2019; DOI: 10.1016/j.cell.2019.04.016