在应对疾病、能源需求和气候变化等复杂全球挑战的过程中，科学家们，包括麻省理工学院（MIT）的研究人员，纷纷借助人工智能以及定量分析和建模技术，设计并构建具备新功能的工程细胞。这些工程细胞能够被编程为新型治疗手段，帮助抵抗甚至根除疾病。

詹姆斯·J·柯林斯是合成生物学领域的奠基人之一，同时也是系统生物学的领先研究者。系统生物学是一种跨学科方法，利用数学分析和复杂系统建模来深入理解生物系统。他的研究推动了新型诊断和治疗方法的发展，涵盖了埃博拉、寨卡病毒、SARS-CoV-2及抗药性细菌等病原体的检测与治疗。作为MIT医学工程与科学特尔米尔教授、生物工程教授，柯林斯还是MIT医学工程与科学研究所（IMES）的核心教员，MIT阿卜杜勒·拉蒂夫·贾米尔健康机器学习诊所的主任，以及MIT和哈佛布罗德研究所成员，同时也是哈佛怀斯生物启发工程研究所的创始核心教员。

在本次问答中，柯林斯教授分享了他最新的研究工作和未来目标。

问：您以跨机构合作著称，这些合作关系对您的研究有何帮助？

答：合作是我实验室工作的核心。在MIT贾米尔健康机器学习诊所，我与Regina Barzilay（MIT电气工程与计算机科学系Delta Electronics教授，IMES兼职教员）和Tommi Jaakkola（电气工程与计算机科学Thomas Siebel教授，数据、系统与社会研究所成员）合作，利用深度学习发现新型抗生素。我们结合了人工智能、网络生物学和系统微生物学的专业知识，成功发现了halicin，这是一种对多种多药耐药细菌具有强效的全新抗生素。该成果于2020年发表在《Cell》杂志上，展示了多学科协作应对全球健康挑战的巨大潜力。

在怀斯研究所，我与Donald Ingber教授紧密合作，利用其器官芯片技术测试AI发现和设计的抗生素的疗效。这些平台让我们能够在类人体组织环境中研究药物行为，补充传统动物实验，提供更细致的治疗潜力评估。

这些合作的共同点是将计算预测与先进实验平台相结合，加速从理论到验证新疗法的过程。

问：您的研究在利用生成式AI和深度学习设计新型抗生素方面取得了哪些进展？未来有哪些突破值得期待？

答：2025年，我们实验室在《Cell》发表了一项研究，展示了如何利用生成式AI从零开始设计全新抗生素。我们采用遗传算法和变分自编码器生成了数百万候选分子，涵盖基于片段的设计和完全开放的化学空间。经过计算筛选、逆合成建模和药物化学评审后，我们合成了24种化合物并进行了实验测试，其中7种表现出选择性抗菌活性。领先候选NG1针对多药耐药淋病奈瑟菌，能根除包括对一线疗法耐药的菌株，同时保护共生菌群。另一种DN1针对耐甲氧西林金黄色葡萄球菌（MRSA），通过广泛的膜破坏机制清除小鼠感染。两者均无毒性且耐药率低。

未来，我们将利用深度学习设计具备药物特性的抗生素，使其更适合临床开发。通过将AI与高通量生物测试结合，我们希望加速发现和设计新颖、安全且有效的抗生素，推动其进入实际治疗应用。这种方法有望彻底改变我们应对耐药细菌的策略，从被动反应转向主动预防。

问：您是非营利组织Phare Bio的联合创始人，该组织利用AI发现新抗生素。柯林斯实验室还与Phare Bio合作启动了Antibiotics-AI项目。您能介绍一下这些合作的目标及其与您研究的关联吗？

答：我们成立Phare Bio，旨在将MIT Antibiotics-AI项目中最有前景的抗生素候选药物推进临床阶段。我们的目标是通过与生物技术公司、制药企业、AI公司、慈善机构、其他非营利组织乃至国家合作，弥合发现与开发之间的鸿沟。Akhila Kosaraju领导Phare Bio，协调各方高效推进候选药物。

近期，我们获得了ARPA-H的资助，利用生成式AI设计15种新抗生素并开发为临床前候选药物。该项目直接基于我们实验室的研究，结合计算设计与实验验证，创造出可供进一步开发的新型抗生素。通过整合生成式AI、生物学和转化合作，我们希望建立一个快速响应全球抗药性威胁的药物研发管线，最终为患者带来急需的新疗法。