引言：尽管在分子生物学、遗传学和药物化学方面取得了进展，传染病仍然对全球公共卫生构成重大威胁。抗菌素耐药性的出现、流行病的不可预测性以及病原体的快速传播，凸显了开发更强有力解决方案的必要性。在此背景下，人工智能（AI）成为加速药物发现、改进诊断以及增强对感染生物学理解的关键工具。Broad研究所James Collins撰写综述探讨了AI与系统生物学及合成生物学相结合，如何改变传染病防治的格局，包括发现新的抗感染药物、解读复杂的宿主-病原体相互作用、以及支持疫苗开发。
1. AI在抗感染药物发现中的应用：
o 人工智能，特别是机器学习（ML），通过加速大规模化合物库的筛选，彻底改变了抗感染药物的发现过程。传统的药物发现方法往往耗时，而AI能够以前所未有的规模预测药物活性、药物-靶点相互作用以及新型治疗设计。
o AI在分析小分子方面的优势尤为突出，而小分子是大多数抗感染药物的基础。通过监督图神经网络和无监督生成模型等AI模型，研究人员可以分析已知药物的化学结构，并生成具有潜在抗感染特性的化合物。
o AI的贡献尤其体现在抗菌素耐药性问题上，现有药物的效果逐渐减弱，机器学习模型识别出新的肽类和分子，能够靶向耐药细菌，一些候选药物已在临床前试验中显示出潜力。
2. AI在感染生物学中的应用：
o AI用于解码宿主和病原体之间复杂的生物学相互作用。通过分析来自核酸、蛋白质和细胞表型的大量数据集，AI模型可以预测感染的进展、免疫反应的触发机制以及参与这些过程的基因和蛋白质。
o 监督和无监督的机器学习模型已被应用于预测病原体的免疫原性、指导疫苗开发，并识别宿主-病原体相互作用中的关键分子网络。AI还促进了新诊断生物标志物的发现，这些标志物有助于临床医生更全面地理解感染生物学。
o 此外，AI通过反向疫苗学加快了疫苗的开发，机器学习模型优化抗原选择，加快了设计疫苗的过程。
3. AI在诊断和合成生物学中的应用：
o 新冠疫情凸显了快速、准确的诊断对控制传染病传播的重要性。AI在基因表达分析、质谱和成像等领域的应用，大幅提高了病原体的检测速度和精度，同时改进了抗微生物敏感性测试（AST）。
o 在合成生物学领域，AI已用于设计可编程的RNA开关、CRISPR引导RNA及其他生物分子工具，这些工具在低资源环境中的诊断开发中至关重要，能够快速适应新出现的病原体。
o AI驱动的诊断工具尤其在预测抗生素耐药性方面表现出色，通过分析细菌蛋白质谱，快速生成准确的耐药性报告。尽管数据质量和模型普适性仍然是挑战，AI正在帮助克服传染病诊断中的关键瓶颈。
AI正在通过加速药物发现、增强我们对感染生物学的理解和改进诊断，改变传染病研究和临床管理的格局。通过与合成生物学和系统生物学的结合，研究人员能够探索新的化学空间，设计更有效的疫苗，并开发先进的诊断工具。尽管数据稀缺、模型偏差和生物系统的复杂性等挑战依然存在，AI的不断进步有望彻底革新传染病的预防、诊断和治疗方式。
AI在传染病管理中的应用潜力巨大。它可以大幅减少药物开发的时间和成本，使得对新出现的病原体和抗菌素耐药性做出更快速的反应成为可能。此外，AI驱动的诊断工具能够改善欠发达地区的医疗服务，提供快速且经济的感染检测。长期来看，AI有可能增强全球对流行病和大流行病的应对能力，确保世界能够更好地管理未来的传染病威胁。
Felix Wong et al. Leveraging artificial intelligence in the fight against infectious diseases. Science. 2023
