近日,河南农业大学王亚楠教授在《Science》发表题为“Leveraging AI for AMR control—Promise and Peril”的eLetter文章,针对人工智能(AI)设计噬菌体研究提出新见解:强化全球数据协作,利用AI提升对侵袭性沙门菌和ESKAPE耐药性的监测与防控能力。河南农业大学王亚楠教授为第一作者兼通讯作者,上海市疾病预防控制中心许学斌教授为共同作者;河南农业大学为第一完成单位和通讯单位。

抗微生物药物耐药性(AMR)已成为当前全球最严峻的公共卫生挑战之一,并被世界卫生组织列为全球十大健康威胁之一。2026年5月,第79届世界卫生大会正式通过《2026—2036年抗微生物药物耐药性全球行动计划》,标志着全球AMR治理进入新阶段。面对这场“无声的大流行”,AI正在开辟一条全新路径。2026年8月,美国斯坦福大学与Arc研究所团队在《Science》发表新研究,首次利用基因组语言模型,从零设计出具有完整功能的噬菌体基因组,从成千上万个候选序列中成功设计出16个具有活性的噬菌体,能有效杀灭大肠杆菌。然而,AI生成大量候选却仅产出16个活性噬菌体,暴露了一个重要问题:基因组语言模型学习的是进化统计学规律,但噬菌体的存活依赖复杂相互作用,统计模式无法完全解释“为什么某些基因组成功而另一些失败”。

尽管如此,AI辅助的抗菌发现正在加速。科学家从数百万细菌基因组中挖掘出近12万个裂解性噬菌体,机器学习从全球微生物组中预测出近百万个抗菌肽,深度学习也助力发现了新结构式的抗生素。但是,AI训练数据高度偏向高收入国家,对中低收入国家的医院及环境中的AMR威胁覆盖不足。

ESKAPE 病原体(包括 Enterococcus faecium、Staphylococcus aureus、Klebsiella pneumoniae、Acinetobacter baumannii、Pseudomonas aeruginosa 和 Enterobacter spp.)以及侵袭性沙门菌的抗生素耐药性,已成为当前全球AMR领域最紧迫的威胁之一。因此,王亚楠教授和许学斌教授在《Science》发表的eLetter文章中呼吁全球协同努力,聚焦AI赋能侵袭性沙门菌与ESKAPE等“超级细菌”防控,对来自代表性不足地区的细菌、噬菌体及微生物组进行测序,建立开放共享的数据平台,确保AI驱动的抗菌药物研发服务全人类,而非仅限于少数地区和某些病原体。

文章链接:

https://www.science.org/doi/10.1126/science.aec2657