用AI挖掘古今基因组，科学家寻找抗菌新分子

抗生素耐药性已成为全球公共卫生领域最紧迫的挑战之一。世界卫生组织预测，若不采取有效干预措施，耐药菌感染每年造成的死亡人数到2050年可能超过癌症。在这一背景下，科学界迫切需要突破传统研发框架，寻找全新的抗菌分子来源。

César de la Fuente领导的实验室将目光投向了一个独特的资源库——跨越数百万年的生物基因组。研究团队不仅分析现存动植物和微生物的遗传信息，还尝试从猛犸象、尼安德特人等已灭绝物种的古代基因组中提取潜在的抗菌序列，这一策略被称为「分子考古学」。

为了高效处理如此庞大的基因组数据集，实验室引入了OpenAI的Codex作为编程辅助工具。Codex能够根据研究人员的自然语言描述自动生成数据分析脚本，大幅降低了生物信息学工作的技术门槛，使生物学背景的研究人员也能快速完成复杂的序列比对与筛选任务。

ChatGPT则在研究流程的另一端发挥作用。研究人员利用它梳理海量科学文献、辅助撰写研究假设，并在实验结果出炉后协助进行初步解读。这种将大语言模型嵌入科研工作流的方式，使整个团队能够将更多精力集中于创造性的科学判断，而非重复性的信息处理工作。

目前，该实验室已通过这一方法识别出若干具有抗菌活性的候选肽段，部分已在体外实验中展现出对耐药菌株的抑制效果。研究人员表示，AI工具的加入并非取代科学家的判断，而是充当「加速器」，帮助团队在更短时间内探索更广阔的分子空间，从而提高发现真正有效抗菌分子的概率。

要点

• César de la Fuente实验室利用Codex和ChatGPT扫描现存及已灭绝生物基因组，寻找抗菌候选分子，为应对耐药菌感染提供新思路。
• Codex主要承担代码生成与数据处理自动化工作，降低了生物信息学分析的技术门槛；ChatGPT则辅助文献梳理、假设生成与结果解读。
• 从已灭绝物种古代基因组中挖掘抗菌分子的「分子考古学」策略，有望开辟传统药物研发之外的全新分子来源。
• AI工具在此场景中扮演科研加速器角色，帮助团队在更短时间内覆盖更广泛的分子搜索空间，而非替代科学家的核心判断。