研究人员如何使用Codex和ChatGPT来寻找新的抗微生物分子
原题:How a researcher uses Codex and ChatGPT to search for new antimicrobial molecules
内容导读
César de la Fuente的实验室使用Codex和ChatGPT搜索活体和已灭绝的基因组来寻找抗微生物候选人来对抗抗药性感染.

全文阅读
来源:OpenAI即会翻译
2026年9月10日 (中文(简体) ).
应用AI研究人员如何使用Codex和ChatGPT来寻找新的抗微生物分子
César de la Fuente和他的实验室对活生物体和已灭绝生物体的基因组进行了探测,这些基因组可以帮助对抗抗药性感染.
抗药微生物包括细菌,真菌,寄生虫和病毒,是全球日益严重的威胁.大约500万人死于2021年的细菌抗微生物抗药性,预计到2050年每年的死亡人数将增加一倍。可能要花几年时间才能找到有可能成为抗微生物的分子.研究人员正在利用AI加速这个早期的发现.
“在我看来,抗微生物抵抗是对人类生存的最大威胁之一,”César de la Fuente ⁇ (在新窗口打开)说,他是一名生物工程师,他跨专业的实验室搜索抗微生物候选人。“然而,50年来,我们还没有新的抗生素。 ”
现代的抗微生物发展大多侧重于修改现有药物或寻找熟悉的化学品类别。但是,这种做法带来的回报正在减少。
De la Fuente 的实验室开始于更不探索的地方:生命的代码。工作背后的核心思想是生物学是一个信息系统.“组成DNA的核苷酸以及组成蛋白质和肽的氨基酸,有点像字母表。”“将生物学视为信息,使我们能够制定方法,开始破解导致一个功能分子的生命组织原理。”
实验室的深层学习模型经过了培训,以识别生物序列中的规律,使其能够搜索出庞大的基因组和蛋白质数据集来寻找潜在的抗微生物.这种方法可以将候选分子的初始搜索从数年减少到数小时.
实验室除了自己的AI模型外,还使用ChatGPT和Codex来集思广益假说,编写并完善代码,处理数据集,分析结果,并连接跨科学学科的思想.
探索生物学的未读空间
基因组中只有一分之一具有清晰理解的功能,而能够与传染微生物相抗衡的编码分子也更少.挑战在于找出使一分子具有功能或生物活性的模式,然后确定哪些具有与传染微生物相抗衡的潜力。
科学家们早就在植物,动物,微生物,昆虫,水和土壤中寻找抗微生物.它们收集样本,隔离或预测候选分子,并在一个可能需要数年的迭接过程中对其进行测试.
现在,数字基因组和蛋白质数据库让科学家在生命之树上搜索新的化合物,大大地扩大了可供探索的数据库的广度。但是,这种丰富的信息伴随着其自身的挑战:在众多可能性中找到有希望的信号。
AI特别适合这种"针入"("针入")的任务.它可以扫描出庞大的数据集,确定可能难以被研究人员发现的规律,并优先排列一组可管理的候选人进行实验测试.
但确定一个有希望的候选人并不一定意味着它将成为有效的药物。
科学家必须首先确认候选分子会杀死目标微生物,确定有效所需的数量,并测试它如何影响人类细胞.化学家们可能会优化它,以提高其有效性、安全性或稳定性。
进一步测试评估候选者中毒的剂量,微生物如何轻易地形成对分子的抗药性,以及候选者如何通过身体移动.团队也决定了制造分子的可靠方法.清除这些障碍的候选人仍然面临监管审查和临床试验,然后才能将病人作为核准的抗微生物药物接触。
对de la Fuente来说,这就是AI和实验室生物学必须共同进步的原因.他说,“全面真实的实验对于验证AI的预测至关重要。”“如果我们要继续刮去我们对生物学的理解的表面,这是外面最复杂的事物,这将对今后几年的生命科学至关重要。”
一个不断发展的合作者
他的实验室为候选分子探索活生物体和已灭绝生物体的基因组.搜索这些基因组,了解它们编码的蛋白质是如何形成和作用的,并确定这些分子做什么需要跨越多个领域的专门知识.
我们是一个高度跨学科的团体, 所以我们有来自生物学、化学、计算机科学、工程学的人。一些实验室成员是强力的程序员,但对生物学或化学的了解较少,反之亦然.Codex和ChatGPT帮助弥补了这些差距,使生物学家能够建立程序和程序员来解决生物问题.从这个意义上讲,AI降低了科学学科之间的障碍.
它帮助实验室成员审查他们多学科工作需要的不熟悉的专题,澄清术语,对各领域的方法进行比较,并为药物发现组织想法。其他人则使用AI下载,整理并预处理大型基因组数据集.ChatGPT也让实验室成员用自己的母语工作,降低障碍来加速工作流程.
De la Fuente将ChatGPT作为集思广益的合作伙伴.他继续和同僚们一起发展思想,但他重视AI帮助他塑造一个假说的能力.他也喜欢用一击按钮来获取世界信息。
我们的ChatGPT工作空间正在接受来自所有这些不同人的投入,实验室成员喂食他们的好坏想法,使其成为一种合作的探空板.
但他告诫不要只依靠AI.“显然,你必须始终对准确性进行双重检查,”de la Fuente说。
他仍赞赏AI帮助研究人员探索科学学科间界限的能力.“这就是这些突破有待发现的地方。他们基本上处在人们很少去的田地之间的边缘。
他认为这项工作是更长久的科学传统的一部分.“我们一直依靠工具和机器来了解我们周围的世界,”de la Fuente说。“望远镜照亮了宇宙,显微镜照亮了无形的世界。” 机器现在帮助研究人员了解、预测和工程师生物学。他说,“这就是我们工作的目的。”
- 代码
- 聊天游戏
- 2026
作者
继续读

应用AISep 8, 2026

应用AIAug 13, 2026

应用联合活动un 23, 2026
原文及图片版权归原作者或相应权利人。文中观点是原作者的,与即会无关。