但德拉富恩特正使用 AI 开创不一样之前景。
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。
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。
他主要聚焦多肽，柯林斯则专注小分子发觉。
他之研讨于出者意料之地方找到之具备潜力之候选分子。
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。
二十年过往，此一疑难并未灭，反而变得更加严峻。
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。
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。
但抗菌肽具备独特优势，因者体本身就于用此类形而下。
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。
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。
研讨者从用预测模型转向掘发生成式法门。
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。
但分子架构或异常繁。
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。
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。
他表示，此一模型整顿之化学、因子组学与言辞模型之认知。
他说，此就为吾等今日所处之全球，令者难以置信。
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。
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。
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。
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。
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。
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。
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。
但该领域仍处于发觉阶段。
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。
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。
他被公认为将 AI 用于处置现状疑难之领军者物。
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。
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。
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。
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。
他说自己喜应战，而此正为终极应战。
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。
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。
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。
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。
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。
他相信，借助 AI，苍生研讨者今有机会直面此一威胁。
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。
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。
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。
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。
几十年来，研讨者主要依靠蛮力式之机械法门开展工。
Command。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。
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。
两种化合物均安康有效地治愈之感染。
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。
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。
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。
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。
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”。
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。
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。
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。
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”。
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。
（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。
生成式法门则提供之另一种或，即从头设计全新分子。
作为对比，寰宇上之沙粒数量约为 10 之 18 次方。
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。
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。
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。
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。
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。
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。
他评议道，塞萨尔才智出众，极具革新神气。
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。
德拉富恩特表示，从实际应用来看，目前仍未达到宗旨。
为此，他之团队正掘发一名名为 ApexOracle 之多模态模型。
上一篇：马特奥·佩莱格里诺：“吾等保之耐心并得到之回报” 下一篇：美图2025业绩预告：预计经调归母净赢利同比增益约60%至66%