MIT 與 Jameel Research 揭曉 300 萬美元計畫，旨在工程化抗生素的未來

在人工智慧與生物技術交匯的里程碑式進展中，麻省理工學院（MIT）正式啟動了一項耗資 300 萬美元的研究計畫，旨在對抗日益加劇的全球抗菌藥物耐藥性（Antimicrobial Resistance，簡稱 AMR）危機。該項目由著名的 Jim Collins 教授領導，代表了藥物開發的範式轉移，從傳統的化學篩選轉向使用生成式 AI（Generative AI）與 合成生物學（synthetic biology） 進行「可程式化抗菌劑」的從頭設計（de novo design）。這項由 Jameel Research 資助的計畫尋求創造一種新型精準藥物，其進化速度能夠超過它們旨在消滅的超級細菌。

這一公告發布於全球健康的關鍵時刻。由於抗生素耐藥性每年直接導致超過 120 萬人死亡，並與另外近 500 萬人死亡相關，開發新型治療策略的需求從未如此迫切。傳統的研發管道已經枯竭，近幾十年來幾乎沒有新的抗生素類別獲得批准。MIT 的計畫旨在透過工程化生物藥物——即旨在輸送 AI 生成的蛋白質，專門針對並中和耐藥病原體的微生物——來打破這一僵局。

生成式 AI 與合成生物學的融合

這一新計畫的核心創新在於融合了兩項變革性技術：生成式人工智慧與合成生物學。雖然 AI 先前已被用於篩選現有的化學庫以尋找潛在的候選藥物（這種方法曾因發現 Halicin 而聞名），但此計畫採取了更主動的方法。團隊不再在大海撈針，而是使用生成模型來設計「針」本身。

MIT 醫學工程與科學 Termeer 教授、合成生物學先驅 Jim Collins 教授強調了從發現到設計的轉變。該計畫利用適用於生物學的高階大型語言模型（LLMs）來生成自然界中不存在的蛋白質序列。這些蛋白質旨在干擾細菌生存所必需的特定功能。一旦 AI 識別出有效的候選藥物，合成生物學便開始發揮作用。團隊工程化無害細菌作為輸送載體，直接在感染部位產生這些治療性蛋白質。

從頭設計蛋白質

本研究中使用的 生成式 AI（generative AI） 模型運作方式與用於生成文本或圖像的模型相似，但它們是在龐大的生物序列和結構數據集上進行訓練的。AI 預測哪些氨基酸序列將摺疊成能夠破壞病原體內特定標靶（如其細胞膜或關鍵代謝酶）的結構。這種能力使研究人員能夠繞過自然進化和化學庫的限制，探索潛在治療方法的虛擬無限設計空間。

作為輸送系統的工程化微生物

該計畫最雄心勃勃的方面之一是輸送機制。傳統抗生素是分布於全身的小分子，通常會對有益的腸道微生物群造成附帶損害。MIT 團隊的合成生物學方法旨在工程化可供患者攝取的「益生菌」細菌。這些工程化微生物被編程為偵測感染的存在，並僅在需要之處和之時分泌 AI 設計的抗菌蛋白質。這種「可程式化」的特性提供了以往在傳染病治療中無法達到的精準度。

應對全球健康危機

抗菌藥物耐藥性（Antimicrobial resistance） 常被描述為「沉默的大流行」。抗生素的過度使用和誤用加速了對當前治療方法具有免疫力的細菌進化。據估計，如果不採取干預措施，到 2050 年 AMR 每年可能導致多達 1,000 萬人死亡，超過癌症成為首要死因。經濟影響同樣是毀滅性的，由於住院時間延長和生產力損失，潛在成本可能高達數兆美元。

與 Abdul Latif Jameel 國際網路旗下的 Jameel Research 的合作，凸顯了這一挑戰的全球性質。該計畫不僅僅是關於科學發現，更是關於創造可以部署到世界各地的可轉化解決方案，特別是在診斷基礎設施有限且 AMR 負擔最重的低收入和中等收入國家。

Abdul Latif Jameel 主席 Mohammed Abdul Latif Jameel 強調了這種夥伴關係的必要性，並指出應對 AMR 需要「雄心勃勃的科學和持續的合作」。為期三年、共計 300 萬美元的資金將支持 MIT 生物工程系和醫學工程與科學研究所（IMES）的多學科團隊，提供在臨床前模型中驗證這些 AI 設計療法所需的資源。

變革藥物研發：對比分析

為了理解這一轉變的規模，必須將傳統的抗生素發現管道與 MIT 首創的 AI 驅動合成生物學方法進行比較。下表概述了方法論、精準度和潛在影響方面的關鍵差異。

表 1：傳統 vs. AI 驅動合成生物學抗生素發現

「生物藥物」的角色

「生物藥物（Living medicines）」的概念是該計畫長期願景的核心。與靜態的化學藥丸不同，工程化微生物是一個動態系統。它可以感知環境，根據感染的嚴重程度調節其輸出，並在任務完成後可能啟動「自殺程序」以防止環境污染。這種適應性對於對抗以善於進化耐藥機制而聞名的超級細菌至關重要。

透過使用生成式 AI，如果確實出現了耐藥性，團隊可以快速更新治療性蛋白質的設計。如果病原體進化出新的防禦機制，可以促使 AI 生成應對措施，然後將其剪接至輸送微生物中。這創造了一個響應式的治療平台，而非固定的藥物，從根本上改變了人類與細菌之間的軍備競賽。

技術挑戰與安全性

儘管前景廣闊，但前進之路並非沒有挑戰。工程化微生物以使其在人體內安全運作需要嚴格的圍堵策略。團隊正在實施多層生物圍堵機制（通常稱為「自殺開關」），以確保工程化細菌無法在人體宿主之外生存，或與野生細菌交換基因。此外，必須驗證 AI 模型以確保其設計的蛋白質對人體細胞無毒，這一過程涉及廣泛的濕實驗室測試與計算預測。

未來展望與產業影響

這項 300 萬美元計畫的啟動標誌著製藥和生物技術產業的一個更廣泛趨勢：AI 在未來醫學中不可或缺的角色。隨著生成式 AI 模型變得更加複雜，它們「讀寫」生命代碼的能力可能會從抗生素擴展到腫瘤學、自體免疫疾病和代謝紊亂。

對於 AI 領域而言，該計畫是生成模型在硬科學中實用性的高調概念驗證。它證明了 AI 不僅僅是提高效率的工具，更是基礎創新的驅動者，能夠構思出僅憑人類直覺可能永遠無法達到的解決方案。

Collins 教授認為，這個計畫反映了一種信念，即應對巨大的全球威脅需要「大膽的科學構想」。如果成功，MIT 開發的平台可以作為對抗未來細菌大流行的快速反應系統藍圖，確保人類不再在微觀威脅面前束手無策。

隨著三年時間表的推進，科學界將密切關注。這項計畫的成功可能標誌著抗生素發現空白期的結束，以及一個可程式化、智慧化醫療新時代的開始。