十几岁时，César de la Fuente正为人生方向迷茫之际，列出了一张全球最大问题的清单。他根据各国政府投入资金的多少，反向排序抗菌药物耐药性（AMR）高居榜首。20年后，这一问题非但未消退，反而愈演愈烈。超级细菌的崛起威胁全球公共卫生，而传统抗生素研发已陷入瓶颈。de la Fuente，这位如今在宾夕法尼亚大学沃顿商学院和佩雷尔曼医学院任职的年轻科学家，正率领团队用AI技术四处'狩猎'新型抗生素，从土壤到海洋，再到人体内部，无所不至。
抗生素耐药性：隐形杀手
抗菌药物耐药性被世界卫生组织（WHO）称为'21世纪最大威胁'。据估计，到2050年，AMR可能导致每年1000万人死亡，经济损失达100万亿美元。过去半个世纪，新抗生素上市数量锐减，仅有少数几种能对抗顽固病原体如耐甲氧西林金黄色葡萄球菌（MRSA）和泛耐药结核分枝杆菌。制药巨头们纷纷退出这一领域，因为研发周期长、回报低。
'当我还是个青少年时，我就意识到这个问题被严重低估了。政府花巨资治病，却忽略预防耐药性。'——César de la Fuente
de la Fuente的灵感源于儿时对科学的热爱。他在西班牙长大，早年移居美国，获得哈佛大学博士学位后，便投身抗生素研究。不同于传统方法——从土壤细菌中筛选活性化合物，他转向大数据和AI。
AI驱动的'全球狩猎'
de la Fuente团队的核心武器是机器学习算法。他们构建了一个庞大数据库，涵盖数百万条来自公共基因组库的序列，包括土壤样本、深海沉积物、热泉微生物，甚至人体肠道菌群。这些'非传统'来源蕴藏着未知的抗菌基因，但手动筛选耗时巨大。
AI模型通过训练识别潜在抗生素肽（AMPs）的模式。这些短链肽能破坏细菌细胞膜，而不易引发耐药性。算法不仅预测基因功能，还模拟分子结构，评估活性与毒性。2023年以来，他们已从全球样本中挖掘出2500多种新型抗生素候选物，其中数十种在实验室验证有效，对抗包括肺炎克雷伯菌在内的'ESKAPE'病原体表现出色。
例如，在一项发表于《Nature Biotechnology》的研究中，团队从人类口腔微生物组中发现了一种名为'口服素'的肽，能有效杀灭口腔常见耐药菌。该发现颠覆了传统认知：人体并非抗生素'沙漠'，而是宝库。
本文由 赢政天下编译整理，原文来自海外媒体 - Winzheng.com。
技术细节与创新
de la Fuente的平台名为' Antibiotic Discovery Engine'，融合深度学习与生成AI。类似于AlphaFold在蛋白质折叠领域的突破，该系统使用Transformer架构处理序列数据，生成虚拟筛选库。补充背景：AI在药物发现的浪潮正席卷行业。DeepMind的AlphaFold3已扩展到小分子模拟，而Insilico Medicine用AI设计出首个临床试验抗纤维化药。de la Fuente的方法更注重'挖掘'而非'设计'，成本低廉，一次计算即可扫描亿级序列。
挑战犹存：实验室验证需时，动物模型转化率不足20%。此外，监管 hurdles 高，新抗生素需证明优于现有药。但de la Fuente乐观：'AI让不可能变为可能，我们正从被动应对转向主动出击。'
编者按：AI或成抗生素复兴钥匙
de la Fuente的故事不仅是个人传奇，更是AI赋能生物医学的缩影。传统制药依赖高通量筛选，年产仅数种新药；AI则指数级加速，潜力无限。中国在这一领域亦不落后，如华为云与药明康德的合作，正用AI优化抗生素设计。未来，随着计算能力提升和数据集扩充，这一'狩猎'将覆盖太空微生物？AMR危机亟需全球协作，de la Fuente的努力提醒我们：科技不仅是工具，更是救赎。
展望2026年，随着更多AI发现进入临床，这一领域或迎来'文艺复兴'。但须警惕伦理风险，如基因编辑滥用。总之，de la Fuente证明：从青少年清单到AI革命，仅需20年。
（本文约1050字）
本文编译自MIT Technology Review
© 2026 Winzheng.com 赢政天下 | 本文由赢政天下编译整理，转载请注明来源。原文版权归原作者所有。