在疾病防控、能源需求与气候变化等复杂挑战交织的背景下，科研人员正更多借助人工智能以及定量分析与建模方法，设计并构建具备新颖特性的工程细胞，并尝试将其编程为新的治疗手段，用于对抗乃至根除疾病。

詹姆斯·J·柯林斯（James J. Collins）是合成生物学领域的创始人之一，也是系统生物学研究者。系统生物学强调跨学科方法，利用数学分析与复杂系统建模理解生物系统。根据介绍，他的研究推动了多种诊断与治疗路径的发展，相关工作涉及埃博拉、寨卡、SARS-CoV-2以及耐抗生素细菌等病原体的检测与治疗。

柯林斯现任麻省理工学院（MIT）医工科学特米尔教授、生物工程学教授，是MIT医工科学研究所（IMES）核心教员，并担任MIT阿卜杜勒·拉蒂夫·贾米尔健康机器学习诊所主任；同时，他也是MIT与哈佛大学布罗德研究所成员，以及哈佛怀斯生物启发工程研究所核心创始教员。

在一场围绕其最新研究进展的问答中，柯林斯表示，跨团队合作是其实验室工作的关键组成部分。在MIT贾米尔健康机器学习诊所，他与雷吉娜·巴尔齐莱（Regina Barzilay）及汤米·雅科拉（Tommi Jaakkola）合作，利用深度学习开展新型抗生素发现。

他提到，这一研究整合了人工智能、网络生物学与系统微生物学等方向的能力，发现了对多种耐多药细菌病原体有效的抗生素候选物halicin。相关成果发表于2020年《Cell》，并被其用来说明互补技能协同在应对全球健康挑战中的作用。

在哈佛怀斯研究所层面，柯林斯表示其与唐纳德·英格伯（Donald Ingber）合作，借助器官芯片技术测试由人工智能发现或生成的抗生素疗效。他称，这类平台可在类人体组织环境中观察药物表现，作为传统动物实验的补充，从而提供更细致的治疗潜力信息。

谈及生成式人工智能与深度学习在抗生素设计中的应用，柯林斯介绍，团队在2025年发表于《Cell》的一项研究展示了生成式人工智能在相关方向的能力。其中特别提到两个候选药物：NG1具有高度窄谱性，可根除多药耐药的淋病奈瑟菌（包括对一线疗法耐药的菌株），同时保护共生菌群；DN1则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。柯林斯称，两者均显示无毒性且耐药率低。

对于下一步工作，他表示团队正利用深度学习设计更具“药物样”特性的抗生素，以提升其作为临床开发候选者的潜力，并通过将人工智能与高通量生物测试结合，加速发现与设计新颖、安全且有效的抗生素，推动其进入实际治疗应用。

在转化与合作层面，柯林斯还是非营利组织Phare Bio的联合创始人。其介绍称，Phare Bio旨在推动MIT“抗生素-AI项目”中最有前景的候选药物向临床阶段发展，并通过与生物技术公司、制药合作伙伴、人工智能公司、慈善机构、其他非营利组织以及国家层面的合作，弥合从发现到开发之间的差距。他同时提到，阿基拉·科萨拉朱（Akira Khosla Raju）负责领导Phare Bio并协调推进相关工作。

柯林斯还表示，团队近期获得ARPA-H资助，将利用生成式人工智能设计15种新抗生素并将其开发为临床前候选药物。该项目基于其实验室研究，结合计算设计与实验测试，目标是形成更快速响应全球抗生素耐药威胁的研发管道，并最终为患者提供新的治疗选择。

本文信息源自麻省理工学院新闻网站授权转载内容。