届时，大肠杆菌、金黄色葡萄球菌等常见细菌之耐药菌株所引发之感染，即便目前仍有药物可治疗，前景也或致命。
此项技艺已节省之数十年之研讨光阴，如今，他望它也能拯救命。
（来源：麻省理工科技评论） 现年 40 岁之德拉富恩特，已斩获美国微生物学会、美国化学学会等机构颁发之多项荣誉。
德拉富恩特解释，生物学本身就为一种讯息来源，就像一整套代码。
但德拉富恩特正使用 AI 开创不一样之前景。
团队选取其中两种化合物，于感染耐药鲍曼不动杆菌之小鼠身上进行测试。
邹嘉解释，于预测模式下，研讨者会从已知有潜力之大型候选库中进行筛选。
DNA 代码由四种碱基组成，蛋白质与多肽则由 20 种氨基酸构成，每一名“字母”对应一种氨基酸。
于塞萨尔・德拉富恩特（César de la Fuente）十几岁时，为之筹划日后之职业演进方位，他曾列出一份全球热门行业清单。
2019 年，《麻省理工科技评论》曾将他评为“35 岁以下科技革新 35 者”，以表彰他将计算法门应用于抗生素发觉领域。
原则。他说自己喜应战，而此正为终极应战。
全球康健机构已将此种病菌列为耐药性研讨之 “极重要优先对象”。
他说，此就为吾等今日所处之全球，令者难以置信。
于一项德拉富恩特称之为“分子去灭绝”之延续课题中，他与协作者正扫描已发表之灭绝物种因子序列，寻找具备潜于功能之分子。
此些早已灭之因子序列，让猛犸素-2、厚土懒素-2、远古海牛素-1 等化合物得以“复活”。
抗生素发觉从来皆为一条混乱且充满噪音之路途，依赖偶然发觉，充满不确定性与过失方位。
他于宾夕法尼亚大学之团队正操练 AI 器物，广泛且深入地搜索因子组，寻找具有抗菌特性之多肽。
它们可同时损毁单元壁、内部传代形而下以及多种单元历程。
柯林斯表示，抗生素研发领域需研讨者拿出尽或多之创意与革新。
斯托克斯始终于使用生成式 AI 设计可于实验室合成之新型抗生素候选物，并与柯林斯协作开展哈利辛相关研讨。
德拉富恩特表示，他之工本原上为操练 AI 模型，识别编码抗菌肽之序列。
由细菌、真菌与病毒演进出耐药机制所引发之感染，如今每年造成超过 400 万者亡。
扫黑除恶。但该领域仍处于发觉阶段。
麦克马斯特大学之斯托克斯同样研讨小分子，其模型可筛选出有潜力之新分子，并预测它们能否被合成。
柯林斯表示，研讨者真正将 AI 有效用于药物研发只有短短几年光阴。
发表于《柳叶刀》上之一项近期剖析预测，到 2050 年，此一数术或突围 800 万。
https://www.technologyreview.com/2026/02/16/1132516/cesar-de-la-fuente-using-ai-antibiotics-hunt/ 德拉富恩特将微生物耐药性称为一名“几乎不或处置”之疑难，但他认为“几乎”二字中仍有巨大探求方位。
德拉富恩特之团队为众多推动 AI 抗生素研发边界之团队之一。
铺天盖地。德拉富恩特说，格致家深入土壤与水体，再从此些繁有机物中尝试提取抗菌分子。
他补充说，目前研讨仍处于初步阶段，但即便无法完美运行，也将帮引导下一代 AI 模型朝之攻克耐药性此一最终宗旨进。
与斯托克斯与柯林斯有过协作之斯坦福大学计算机格致家邹嘉（James Zou）表示，即便于此么短之光阴里，相关器物也已生变化。
他说，若从此名角度思考，就可设计算法挖掘此些代码，识别出具备功能之分子，它们可为抗菌药物、抗疟疾药物，也可为抗癌药物。
加拿大麦克马斯特大学之化学生物学家乔纳森・斯托克斯（Jonathan Stokes）表示，任何领域之药物研发皆为一场统计游戏，须有足够多之尝试，才有或命中一名宗旨。
而旧俗之药物发觉、制备与检测法门本金极高，且常常走入死胡同，导致疑难延续恶化。
一种细菌病原体或对旧俗药物之单一作用机制产生耐药性，但未必能抵御抗菌肽之多重攻击。
他之宗旨为将此些由最多 50 名氨基酸连接而成之多肽分子组合成不同架构，其中包括自界中从未现过之样貌。
此些多肽尚未转变为能帮患者之可用药物，剂量、递送方式、实在作用靶点等大量细节仍需梳理。
过往许多尝试开展抗生素研发之公司最终皆以倒闭收场，因最终无法得可观之注资回报。
彼等写道，抗生素研发渠道依旧极度匮乏，高研发本金、漫长周期与低注资回报率共同阻碍之相关进展。
它们为免疫体系之重要组成部分，通常为抵御病原体感染之第一道防线。
过往几年间，此场分子层面之大规模探求，让德拉富恩特积攒之超过百万条因子序列库。
他主要聚焦多肽，柯林斯则专注小分子发觉。
德拉富恩特表示，从实际应用来看，目前仍未达到宗旨。
但抗菌肽具备独特优势，因者体本身就于用此类形而下。
但分子架构或异常繁。
研讨者估算，可被合成之有机组合数量约于 10 之 60 次方量级。
为此，他之团队正掘发一名名为 ApexOracle 之多模态模型。
他相信，借助 AI，苍生研讨者今有机会直面此一威胁。
两种化合物均安康有效地治愈之感染。
他评议道，塞萨尔才智出众，极具革新神气。
如今已为生物营造师与计算生物学家之德拉富恩特，与合成生物学家詹姆斯・柯林斯（James Collins）于 2025 年 7 月《物理评论快报》之文章中警告，一名“后抗生素时代”正逼近。
他望，此些成果能够守护者体，抵御彼些对旧俗疗法产生耐受之微生物。
旧俗抗生素往往只依靠单一机制杀灭细菌，而抗菌肽通常采用多重作用模式。
该模型旨于剖析新病原体，精准定位其因子弱点，匹配或对其有效之抗菌肽，再预测由此些多肽构成之抗生素于实验室测试中之表现。
二十年过往，此一疑难并未灭，反而变得更加严峻。
于当前研讨中，德拉富恩特正勤勉让候选药物更接近临床试验。
任职于麻省理工学院之柯林斯表示，他真正推动之此一领域之开拓。
几十年来，研讨者主要依靠蛮力式之机械法门开展工。
研讨者从用预测模型转向掘发生成式法门。
生成式法门则提供之另一种或，即从头设计全新分子。
他之研讨于出者意料之地方找到之具备潜力之候选分子。
不过此些尝试须为有效之尝试，而 AI 恰好能提升研讨者之精准度。
2025 年 8 月，他所带领之宾夕法尼亚大学机器生物学团队共 16 名格致家，于名为古菌之古老单单元生物之因子序列中发觉之隐藏之多肽。
而德拉富恩特于多肽方面之工推动之整名领域之演进。
德拉富恩特认为，于寰宇命演化史上，某些生物或演进出之如今依然有用之抗菌防御机制。
作为对比，寰宇上之沙粒数量约为 10 之 18 次方。
于此之前，彼等还从蛇、胡蜂与蜘蛛之毒液中筛选出一批候选分子。
例如去岁，德拉富恩特团队用一种生成式 AI 模型设计一系列合成多肽，再用另一种模型进行估量。
2020 年，柯林斯团队使用 AI 模型预测出一种广谱抗生素哈利辛，目前该药物已进入临床前研讨阶段。
两者并未于实验室开展协作，但柯林斯长期处于 AI 药物研发包括抗生素探求之前沿。
他被公认为将 AI 用于处置现状疑难之领军者物。
他按照各国政府投入处置资金之多少反向排序，微生物耐药性排于首位 他表示，抗生素之用、过度用与滥用，共同推动之微生物耐药性之产生。
此些物种包括尼安德特者、丹尼索瓦者等者科物种，猛犸象等知名巨型动物，以及古代斑马与企鹅。
他表示，此一模型整顿之化学、因子组学与言辞模型之认知。