科学家发现新抗生素类别 可有效对抗耐药细菌

科学家发现新抗生素类别 可有效对抗耐药细菌 抗生素是现代医学的基础，在上个世纪极大地改善了全世界人民的生活质量。如今，我们往往认为抗生素是理所当然的，并严重依赖抗生素来治疗或预防细菌感染，例如，在癌症治疗、侵入性手术和移植过程中，以及在母亲和早产儿身上，抗生素可以降低感染风险。然而，全球抗生素耐药性的增加日益威胁着抗生素的有效性。为了确保未来能够获得有效的抗生素，开发不存在抗药性的新型疗法至关重要。乌普萨拉大学的研究人员最近在《美国国家科学院院刊》（Proceedings of the National Academy of Sciences of the USA）上发表了他们的研究成果，介绍了作为多国联合体的一部分而开发的一类新型抗生素。他们描述的这类化合物以一种名为LpxH的蛋白质为靶标，这种蛋白质是革兰氏阴性细菌合成其最外层保护层（即脂多糖）的途径。并非所有细菌都会产生这一层，但那些会产生这一层的细菌包括世界卫生组织确定为最需要开发新型疗法的生物，其中包括已经对现有抗生素产生抗药性的大肠埃希菌和肺炎克雷伯菌。研究人员能够证明，这种新型抗生素对耐多药细菌具有很强的活性，并能治疗小鼠模型中的血液感染，从而证明了这种抗生素的前景。重要的是，由于这一类化合物是全新的，而 LpxH 蛋白尚未被用作抗生素的靶点，因此这一类化合物不会产生抗药性。这与目前临床开发中的许多"同类"抗生素形成了鲜明对比。虽然目前的研究结果很有希望，但在这类化合物进入临床试验之前，还需要做大量的工作。DOI: 10.1073/pnas.2317274121编译来源：ScitechDaily ... PC版： 手机版：

【美国研究人员通过深度学习等AI技术发现新型抗生素】

【美国研究人员通过深度学习等AI技术发现新型抗生素】 据12 月 25 日报道，美国麻省理工学院布罗德研究所和哈佛大学科学家利用深度学习等 AI 技术发现了一类新型抗生素。这类抗生素能杀死两种不同类型的耐药细菌，为应对全球性的抗生素耐药性挑战带来了新希望。据介绍，研究人员使用了大幅扩展的数据集训练了一个深度学习模型，并测试了大约 3.9 万种化合物对金黄色葡萄球菌和来自肝脏、骨骼肌和肺部的 3 种人体细胞的影响，再将测试数据用以训练 AI 模型。通过训练，AI 模型将能够预测化合物的抗菌活性和对人体细胞的潜在毒性，研究人员发现了既能够杀死微生物，又能把对人体产生不良影响降到最低的化合物。 快讯/广告 联系 @xingkong888885

麻省理工学院揭幕"质子之舞"： 开拓能源新时代

麻省理工学院揭幕"质子之舞"： 开拓能源新时代 麻省理工学院的化学家们首次详细描绘了这些质子耦合电子转移是如何在电极表面发生的。他们的研究成果可以帮助研究人员设计出更高效的燃料电池、电池或其他能源技术。麻省理工学院化学和化学工程教授、该研究的资深作者 Yogesh Surendranath 说："我们在这篇论文中取得的进展是研究和理解了这些电子和质子如何在表面部位耦合的性质，这与催化反应有关，而催化反应在能量转换装置或催化反应中非常重要。"在他们的研究成果中，研究人员能够准确追踪电极周围电解质溶液 pH 值的变化如何影响电极内质子运动和电子流动的速度。麻省理工学院研究生诺亚-刘易斯（Noah Lewis）是这篇论文的第一作者，论文最近发表在《自然-化学》上。麻省理工学院前博士后 Ryan Bisbey、麻省理工学院研究生 Karl Westendorff 和耶鲁大学研究科学家 Alexander Soudackov 也是这篇论文的作者。质子传递质子耦合电子转移是指一种分子（通常是水或酸）将质子转移到另一种分子或电极表面，从而刺激质子接受者也接受一个电子。这种反应已被广泛应用于能源领域。"这些质子耦合电子转移反应无处不在。它们通常是催化机制中的关键步骤，对于制氢或燃料电池催化等能量转换过程尤为重要，"Surendranath 说。在制氢电解槽中，这种方法用于从水中去除质子，并在质子上添加电子以形成氢气。在燃料电池中，当质子和电子从氢气中移出并加入氧气形成水时，就会产生电能。施加电势会导致质子从氢离子（右图）转移到电极表面。利用具有分子定义质子结合位点的电极，麻省理工学院的研究人员为这些界面质子耦合电子转移反应建立了一个通用模型。图片来源：研究人员提供质子耦合电子转移在许多其他类型的化学反应中都很常见，例如二氧化碳还原（通过添加电子和质子将二氧化碳转化为化学燃料）。当质子接受体是分子时，科学家们可以精确控制每个分子的结构，并观察电子和质子如何在分子间传递，因此他们已经对这些反应的发生过程有了很多了解。然而，当质子耦合电子转移发生在电极表面时，这一过程就更难研究了，因为电极表面通常非常异质，质子有可能与许多不同的位点结合。为了克服这一障碍，麻省理工学院的研究小组开发出一种设计电极表面的方法，使他们能够更精确地控制电极表面的组成。他们的电极由石墨烯薄片组成，表面附着有机含环化合物。每个有机分子的末端都有一个带负电荷的氧离子，它可以接受周围溶液中的质子，从而使电子从电路流入石墨表面。Surendranath 说："我们可以创造出一种电极，它不是由各种各样的位点组成，而是由单一类型的非常明确的位点组成的统一阵列，每个位点都能以相同的亲和力结合质子。由于我们拥有这些非常明确的位点，这让我们能够真正揭示这些过程的动力学"。利用这个系统，研究人员能够测量流向电极的电流，从而计算出平衡状态下质子向表面氧离子转移的速率质子向表面捐赠的速率和质子从表面转移回溶液的速率相等的状态。他们发现，周围溶液的 pH 值对这一速率有显著影响： 最高速率出现在 pH 值的两端酸性最强的 pH 值为 0，碱性最强的 pH 值为 14。为了解释这些结果，研究人员根据电极可能发生的两种反应建立了一个模型。在第一种反应中，强酸性溶液中高浓度的氢离子（H3O+）将质子传递给表面的氧离子，生成水。在第二种情况下，水将质子传递给表面氧离子，生成氢氧根离子（OH-），氢氧根离子在强碱性溶液中浓度较高。不过，pH 值为 0 时的速度比 pH 值为 14 时的速度快四倍，部分原因是氢离子释放质子的速度比水快。需要重新考虑的反应研究人员还惊奇地发现，这两个反应的速率并不是在中性 pH 值为 7（氢铵和氢氧根的浓度相等）时相等，而是在 pH 值为 10（氢氧根离子的浓度是氢铵的 100 万倍）时相等。该模型表明，这是因为涉及氢𬭩或水提供质子的前向反应比涉及水或氢氧化物去除质子的后向反应对总速率的贡献更大。研究人员说，关于这些反应如何在电极表面发生的现有模型假定，前向反应和后向反应对总速率的贡献相同，因此新发现表明，可能需要重新考虑这些模型。Surendranath说："这是默认的假设，即正向和逆向反应对反应速率的贡献相同。我们的发现确实令人大开眼界，因为这意味着人们用来分析从燃料电池催化到氢进化等一切问题的假设可能是我们需要重新审视的。"研究人员目前正在利用他们的实验装置研究向电极周围的电解质溶液中添加不同类型的离子会如何加快或减慢质子耦合电子流的速度。刘易斯说："通过我们的系统，我们知道我们的位点是恒定的，不会相互影响，因此我们可以读出溶液的变化对表面反应的影响。"编译自//scitechdaily ... PC版： 手机版：

哈佛和麻省理工学院科学家发现肠道中能破坏胆固醇的微生物

哈佛和麻省理工学院科学家发现肠道中能破坏胆固醇的微生物 研究发现，在胆固醇水平降低的人群中，有多种细菌能代谢胆固醇。肠道微生物群的变化与一系列疾病有关，如 2 型糖尿病、肥胖症和炎症性肠病。现在，麻省理工学院和哈佛大学布罗德研究所以及麻省总医院的一个研究小组发现，肠道中的微生物也可能影响心血管疾病。在发表于《细胞》（Cell）杂志的一项研究中，研究小组确定了在肠道中消耗胆固醇的特定细菌种类，它们可能有助于降低人体内的胆固醇和心脏病风险。拉姆尼克-泽维尔实验室、布罗德代谢组学平台的成员和合作者分析了弗拉明汉心脏研究（Framingham Heart Study）1400 多名参与者的代谢物和微生物基因组。研究小组发现，一种名为"颤螺旋菌"（oscillibacter）的细菌会吸收并代谢周围环境中的胆固醇，肠道中这种微生物含量较高的人胆固醇水平较低。他们还确定了这种细菌可能用来分解胆固醇的机制。这些结果表明，以特定方式操纵微生物组的干预措施有朝一日可能有助于降低人体内的胆固醇。这些发现还为更有针对性地研究微生物组的变化如何影响健康和疾病奠定了基础。泽维尔是布罗德研究所的核心成员、免疫学项目主任和传染病与微生物组项目联合主任。他还是哈佛医学院和麻省总医院的教授。泽维尔实验室的博士后研究员李晨皓和研究科学家马丁-斯特拉扎尔是这项研究的共同第一作者。在过去的十年中，其他研究人员发现了肠道微生物组的组成与心血管疾病因素之间的联系，如人的甘油三酯和餐后血糖水平。但科学家们还无法针对这些联系采取治疗措施，部分原因是他们对肠道内的代谢途径缺乏全面的了解。在这项新研究中，布罗德团队更全面、更详细地了解了肠道微生物对新陈代谢的影响。他们将枪式元基因组测序技术与代谢组学技术相结合，枪式元基因组测序技术能分析样本中所有微生物的DNA，代谢组学技术能测量数百种已知和数千种未知代谢物的水平。他们利用这些工具研究了弗雷明汉心脏研究的粪便样本。斯特拉扎尔说："项目成果强调了高质量、经过整理的患者数据的重要性。这使我们能够注意到那些非常微妙且难以测量的效果，并直接对其进行跟踪。"这种方法发现了微生物与代谢特征之间的 16000 多种关联，其中有一种关联特别强烈：与缺乏相关属种细菌的人相比，体内有几种颤螺旋菌属细菌的人胆固醇水平较低。研究人员发现，该属细菌在肠道中的数量惊人，平均每 100 个细菌中就有 1 个。研究人员随后想弄清微生物分解胆固醇的生化途径。为此，他们首先需要在实验室中培养这种生物。幸运的是，实验室多年来一直在收集粪便样本中的细菌，为此他们建立了一个独特的菌种库，其中也包括颤螺旋菌。在成功培育出这种细菌后，研究小组利用质谱法确定了细菌中胆固醇代谢最可能产生的副产品。这使他们能够确定细菌降低胆固醇水平的途径。他们发现，细菌将胆固醇转化为中间产物，然后再由其他细菌分解并排出体外。接下来，研究小组利用机器学习模型确定了负责这种生化转换的候选酶，然后在实验室中的某些颤螺旋菌中检测到了这些酶和胆固醇分解产物。研究小组发现了另一种肠道细菌 - 产粪甾醇真杆菌（Eubacterium coprostanoligenes），它也有助于降低胆固醇水平。这种细菌携带一种基因，科学家们此前已经 先前已经证明参与胆固醇代谢。在新的研究中，研究小组发现，Eubacterium 可能与Oscillibacter对胆固醇水平有协同作用，这表明，研究细菌物种组合的新实验可能有助于揭示不同微生物群落如何相互作用影响人类健康。人类肠道微生物组中的绝大多数基因仍未定性，但研究小组相信，他们在确定胆固醇代谢酶方面取得的成功，为发现受肠道微生物影响的其他类似代谢途径铺平了道路，这些代谢途径可以作为治疗靶点。"有许多临床研究试图进行粪便微生物组转移研究，但对微生物之间以及微生物与肠道之间如何相互作用却不甚了解，"李说。"我们希望先退一步，专注于一种特定的微生物或基因，我们就能系统地了解肠道生态学，并提出更好的治疗策略，比如针对一种或几种微生物进行治疗。""由于肠道微生物组中存在大量功能未知的基因，我们预测代谢功能的能力还存在差距，"他补充说。"我们的工作强调了肠道微生物可能改变其他固醇代谢途径的可能性。我们可能会有很多新发现，这些发现将使我们更接近于从机理上理解微生物是如何与宿主相互作用的。"编译自:ScitechDaily ... PC版： 手机版：

麻省理工学院的新型人工智能模型能准确预测人类行为

麻省理工学院的新型人工智能模型能准确预测人类行为 要建立能与人类有效协作的人工智能系统，首先要有一个良好的人类行为模型。但是，人类在做出决策时往往会有一些次优行为。这种非理性尤其难以建模，通常归结为计算上的限制。人类不可能花几十年的时间去思考一个问题的理想解决方案。开发新的建模方法麻省理工学院和华盛顿大学的研究人员开发了一种为代理（无论是人类还是机器）的行为建模的方法，这种方法考虑到了可能妨碍代理解决问题能力的未知计算限制。他们的模型只需看到代理之前的一些行为痕迹，就能自动推断出代理的计算限制。其结果，即一个代理的所谓"推理预算"，可用于预测该代理的未来行为。实际应用和模型验证在一篇新论文中，研究人员展示了他们的方法如何用于从先前的路线推断某人的导航目标，以及预测棋手在国际象棋比赛中的后续行动。他们的技术与另一种用于此类决策建模的流行方法不相上下，甚至更胜一筹。最终，这项工作可以帮助科学家教会人工智能系统人类的行为方式，从而使这些系统能够更好地回应人类合作者。电子工程与计算机科学（EECS）研究生、这一技术相关论文的第一作者阿图尔-保罗-雅各布（Athul Paul Jacob）说，能够理解人类的行为，然后从这种行为推断出他们的目标，会让人工智能助手变得更有用。"如果我们知道人类即将犯错，看到他们以前的行为方式，人工智能代理可以介入并提供更好的方法。或者，人工智能代理可以适应人类合作者的弱点。"他说："能够为人类行为建模，是建立一个能够真正帮助人类的人工智能代理的重要一步。"雅各布与华盛顿大学助理教授阿比舍克-古普塔（Abhishek Gupta）以及资深作者雅各布-安德烈亚斯（Jacob Andreas）共同撰写了这篇论文，雅各布-安德烈亚斯是电子工程科学系副教授和计算机科学与人工智能实验室（CSAIL）成员。这项研究将在学习表征国际会议（International Conference on Learning Representations）上发表。行为建模几十年来，研究人员一直在建立人类行为的计算模型。许多先前的方法都试图通过在模型中加入噪音来解释次优决策。模型可能会让代理人在 95% 的情况下做出正确的选择，而不是让代理人总是选择正确的选项。然而，这些方法可能无法捕捉到这样一个事实，即人类并不总是以同样的方式做出次优行为。麻省理工学院的其他人还研究了在决策不理想的情况下制定计划和推断目标的更有效方法。为了建立他们的模型，雅各布和他的合作者从之前对国际象棋选手的研究中汲取了灵感。他们注意到，棋手在走简单的棋步时，在行动前花费的思考时间较少，而在具有挑战性的比赛中，实力较强的棋手往往比实力较弱的棋手花费更多的时间进行规划。雅各布说："最后，我们发现，规划的深度，或者说一个人思考问题的时间长短，可以很好地代表人类的行为方式。"他们建立了一个框架，可以从先前的行动中推断出代理的规划深度，并利用该信息来模拟代理的决策过程。方法的第一步是在一定时间内运行算法，以解决所研究的问题。例如，如果研究的是一场国际象棋比赛，他们可能会让下棋算法运行一定步数。最后，研究人员可以看到算法在每一步做出的决定。他们的模型会将这些决策与解决相同问题的代理行为进行比较。它将使代理的决策与算法的决策保持一致，并确定代理停止规划的步骤。由此，模型可以确定代理的推理预算，或该代理将为这一问题计划多长时间。它可以利用推理预算来预测该代理在解决类似问题时会如何反应。可解释的解决方案这种方法非常高效，因为研究人员无需做任何额外工作，就能获取解决问题的算法所做的全部决策。这一框架也可应用于任何可以用某一类算法解决的问题。"对我来说，最令人震惊的是，这种推理预算是非常可解释的。它是说，更难的问题需要更多的规划，或者说，成为一名强者意味着需要更长时间的规划。"雅各布说："我们刚开始着手做这件事的时候，并没有想到我们的算法能够自然而然地发现这些行为。"研究人员在三个不同的建模任务中测试了他们的方法：从先前的路线推断导航目标、从某人的语言暗示猜测其交流意图，以及预测人与人国际象棋比赛中的后续棋步。在每次实验中，他们的方法要么与流行的替代方法相匹配，要么优于后者。此外，研究人员还发现，他们的人类行为模型与棋手技能（国际象棋比赛）和任务难度的测量结果非常吻合。展望未来，研究人员希望利用这种方法为其他领域的规划过程建模，例如强化学习（机器人技术中常用的一种试错方法）。从长远来看，他们打算在这项工作的基础上继续努力，以实现开发更有效的人工智能合作者这一更远大的目标。编译来源：ScitechDaily ... PC版： 手机版：

中国研究人员的最新进展为研制抗超级细菌抗生素创造了条件

中国研究人员的最新进展为研制抗超级细菌抗生素创造了条件 对多种药物产生抗药性的细菌感染是一项重大的世界性挑战，现有的抗生素都无法治疗这种感染。来自中国的一个研究小组在《展望化学》（Angewandte Chemie）杂志上发表了一种创新抗生素的新策略，旨在抗击这些耐药细菌。这种方法利用蛋白质成分与荧光脂链相结合来开发药物。抗生素的处方往往过于随意。在许多国家，抗生素不经处方就被分发，并在工厂化养殖中使用：预防感染和提高性能。因此，抗药性在不断增加，对储备抗生素的抗药性也在增加。开发创新型替代品至关重要。我们可以从微生物本身吸取一些教训。脂蛋白是带有脂肪酸链的小分子蛋白质，细菌在与微生物竞争者的斗争中广泛使用这种蛋白质。许多脂蛋白已被批准用作药物。活性脂蛋白的共同点包括带正电荷和两亲结构，即它们有排斥脂肪的部分，也有排斥水的部分。这使它们能够与细菌膜结合，并穿透细菌膜进入内部。上海华东师范大学程义云领导的研究小组旨在通过用氟原子取代脂链中的氢原子来放大这种效应。这使得脂链同时具有憎水性（疏水性）和憎脂性（疏脂性）。它们特别低的表面能加强了与细胞膜的结合，而它们的疏脂性则破坏了膜的内聚力。研究小组利用氟化碳氢化合物和肽链合成了一个氟化脂肽谱系（物质库）。为了将两部分连接起来，他们使用了氨基酸半胱氨酸，通过二硫桥将它们结合在一起。研究人员通过测试这些分子对耐甲氧西林金黄色葡萄球菌（MRSA）的活性，对这些分子进行了筛选。MRSA 是一种广泛存在的高危菌株，几乎对所有抗生素都有抗药性。他们发现最有效的化合物是"R6F"，这是一种由六个精氨酸单位和由八个碳原子和十三个氟原子组成的脂质链构成的多氟脂肪肽。为了提高生物相容性，R6F 被包裹在磷脂纳米颗粒中。在小鼠模型中，R6F 纳米粒子对 MRSA 引起的败血症和慢性伤口感染非常有效。没有观察到任何毒副作用。纳米粒子似乎以多种方式攻击细菌：它们抑制重要细胞壁成分的合成，促进细胞壁的崩溃；它们还刺穿细胞膜并破坏其稳定性；破坏呼吸链和新陈代谢；增加氧化应激，同时破坏细菌的抗氧化防御系统。这些作用结合在一起，就能杀死细菌其他细菌和 MRSA。似乎不会产生抗药性。这些见解为开发治疗多重耐药细菌的高效荧光多肽药物提供了起点。编译来源：ScitechDaily ... PC版： 手机版：