英国初创公司利用行星生物多样性生成AI候选药物

2026/1/13·来源:The Decoder
AI药物发现基因疗法抗生素生物多样性机器学习

英国初创公司Basecamp Research与Nvidia和微软合作,开发了名为Eden的AI模型系列。该模型基于超过100万个微生物物种的进化数据训练,旨在生成潜在的基因疗法和抗生素。Eden已设计出能进行精确DNA插入的酶和对抗耐药细菌的抗菌肽,在测试中显示出高功能性命中率。

英国初创公司Basecamp Research与Nvidia和微软的研究人员合作,开发了名为Eden的AI模型系列。这些模型基于从全球收集的超过100万个微生物物种的进化数据训练,用于生成针对癌症和多重耐药细菌的潜在新疗法。Eden模型家族中最大的模型包含280亿参数,训练使用了9.7万亿个核苷酸标记,且预训练数据集未包含任何人类、实验室或临床数据。

Eden的研究包括AI设计的酶,称为大型丝氨酸重组酶(LSRs),能够执行精确的大基因插入。与基于CRISPR的方法不同,LSRs可以插入超过30,000个碱基对的大DNA序列而不损伤DNA,这使其在治疗应用中可能更安全。研究团队在疾病相关基因组位点上测试了该模型,针对所有测试位点,Eden在仅输入30个碱基对DNA的情况下生成了多个活性酶,功能性命中率达到63.2%。在人类原代T细胞中,AI生成的酶达到了治疗相关的整合水平。

此外,Eden生成了一个抗菌肽库,这些短蛋白链能够杀死细菌,针对世界卫生组织列为关键优先的多重耐药病原体。在测试的33种肽中,97%显示出活性,顶级候选物对鲍曼不动杆菌等病原体实现了单位数微摩尔效力。研究人员强调,据他们所知,这是首次使用DNA基础模型直接设计肽和抗生素,并在真实实验中证明效力。

背景阅读

AI在药物发现领域的应用正日益增长,特别是在利用生物多样性数据生成候选药物方面。传统药物发现过程通常耗时且成本高昂,而AI模型能够通过分析大规模生物数据,加速识别潜在疗法。Basecamp Research的Eden模型基于进化数据训练,这反映了利用自然进化过程优化药物设计的趋势。基因疗法和抗生素开发是当前医疗领域的关键挑战,尤其是针对耐药细菌和遗传疾病。Eden模型的设计酶和抗菌肽展示了AI在精准医疗和抗感染治疗中的潜力。此前,AI已用于蛋白质结构预测和药物筛选,但直接基于DNA基础模型生成活性肽和酶仍属创新。这一进展可能为个性化医疗和新抗生素开发开辟新途径,同时强调了跨学科合作在AI驱动生物研究中的重要性。

评论 (0)

登录后参与评论

加载评论中...