Baidu
map

Nature:应对抗生素耐药性危机:五大策略助力抗生素革命

2024-08-15 生物探索 生物探索 发表于上海

介绍了研究人员在应对抗生素耐药性危机方面所采取的五种创新策略。

引言

在抗生素发现近一个世纪后,抗生素耐药性(antibiotic resistance)危机正逐步成为全球公共卫生的重大挑战。抗生素曾经在对抗细菌感染的战争中帮助人类取得了重要胜利,但随着时间的推移,细菌逐渐演变出抵抗这些药物的能力。近年来,新抗生素的发现越来越少,而现有抗生素的有效性也在逐渐减弱,使得开发新型抗生素的难度和成本不断增加。世界卫生组织(WHO)数据显示,2019年全球约有127万人因抗药性感染死亡,预计到2050年,每年因抗药性感染导致的死亡人数可能高达1000万。

8月13日Nature杂志的报道“Five ways science is tackling the antibiotic resistance crisis”,介绍了研究人员在应对抗生素耐药性危机方面所采取的五种创新策略。这些策略包括通过人工智能(AI)加速新抗生素的发现、利用自然产物开发针对特定细菌的窄谱抗生素、探索药物组合疗法以增强抗菌效果、通过免疫调节减少抗生素的使用、以及提升诊断技术以快速识别感染病原体和耐药性。这些方法不仅旨在加快新抗生素的开发,还试图减缓细菌耐药性的扩散,为人类与微生物之间的军备竞赛带来新的希望。

研究者们相信,通过多管齐下的方式,可以逐步扭转当前不利的局面,甚至可能进入一个新抗生素的发现速度超过耐药性进化速度的新时代。然而,要实现这一目标,需要全球科学界的广泛合作以及大量的资源投入。

图片

抗生素自近一个世纪前被发现以来,一直是人类对抗细菌感染的强有力武器。然而,随着时间的推移,细菌逐渐进化出对抗生素的抵抗力,导致抗生素耐药性(antibiotic resistance)问题的日益严重。根据《柳叶刀》(Lancet)的研究,2019年,全球约有127万人因耐药性感染而死亡,预计到2050年,这一数字可能会飙升至每年1000万人。

为应对这一日益严重的全球健康危机,研究人员正在采取多种策略,以期逆转当前不利的局面。这些策略包括开发新型抗生素、利用人工智能(AI)加速药物发现、通过组合疗法增强抗菌效果、利用免疫调节减少抗生素的使用,以及提升诊断技术的精准性和速度。

新型抗生素的发现

抗生素的发现曾经依赖于从土壤微生物,特别是放线菌(Actinomyces)中提取的天然产物。然而,随着时间的推移,能够有效对抗新型细菌的抗生素越来越难以发现。为了突破这一瓶颈,研究人员开始重新审视那些在过去可能被忽略的抗菌分子。例如,一种由放线菌产生的化合物,hygromycin A,因其在多数微生物中难以进入细胞而未被广泛应用。然而,研究人员发现这种化合物对导致莱姆病的细菌Borrelia burgdorferi具有特异性杀伤力,这一发现为该药物的重新开发提供了契机。

另一个突破性进展是teixobactin的发现,这是一种由难以培养的微生物产生的抗生素,能够通过阻止细菌细胞壁的形成来杀死细菌。目前,teixobactin正在进行动物毒性测试,有望很快进入人体试验阶段。

人工智能的应用

在抗菌药物的发现过程中,人工智能(AI)正在发挥越来越重要的作用。研究人员利用AI来筛选数百万种已知化合物,以预测其中哪些分子可能具有抗菌潜力。例如,研究团队发现了一种名为halicin的化合物,最初被认为是一种治疗糖尿病的药物,但后来发现其能够干扰病原体的能量产生过程,成功治疗了感染耐药性细菌的小鼠。

此外,AI还被用于生成新的化合物,研究人员已开始合成并测试这些新物质,期望这些新型抗生素能够延缓细菌产生耐药性的速度。

组合疗法

组合疗法是一种通过同时使用多种药物来对抗细菌的方法,已在治疗结核病等疾病中广泛应用。这种方法的潜力还在于发现新的药物组合,尤其是那些能够相互协同作用,或阻止细菌对任一药物产生耐药性的组合。此外,组合疗法还可以包含一些单独无效,但能增强抗生素效力的分子。例如,一些化合物能够干扰细菌形成的生物膜,使得抗生素或免疫细胞能够更容易地杀死细菌。

免疫调节

除了开发新的抗生素和辅助分子外,研究人员还在探索如何通过调节人体免疫系统来减缓耐药性的传播。例如,通过重调免疫反应,使得身体能够更有效地应对感染,从而减少对抗生素的需求。英国纽卡斯尔大学的研究人员发现,当患者因使用呼吸机而感染肺炎时,其白细胞通常吞噬微生物的能力减弱。研究人员正在测试一种名为GM-CSF的天然免疫调节剂,旨在增强这些低迷的吞噬细胞的功能。

精准诊断技术

快速准确的诊断对于减少抗生素的使用以及减缓耐药性的进化至关重要。Paulsson团队正在开发一种基于微流控技术的诊断方法,能够在不到十分钟的时间内从血液样本中得出诊断结果,并提供抗生素耐药性分析。这种技术有望显著缩短抗生素的开发时间。

总之,抗生素耐药性危机是一个复杂且紧迫的问题,需要多种策略的综合运用。研究人员的这些创新努力,不仅有望减缓耐药性的扩散,还可能开启一个抗生素发现的新纪元,使人类在与微生物的竞赛中重新占据上风。

参考文献

Antimicrobial Resistance Collaborators. Lancet 399, 629–655 (2022).

Review on Antimicrobial Resistance. Antimicrobial Resistance: Tackling a Crisis for the Health and Wealth of Nations (RAR, 2014).

Pittenger, R. C. et al. Antibiot. Chemother. 3, 1268–1278 (1953).

Leimer, N. et al. Cell. 184, 5405–5418 (2021).

Ling, L. L. et al. Nature 517, 455–459 (2015).

Shukla, R. et al. Nature 608, 390–396 (2022).

Torres, M. D. T. et al. Nature Biomed. Eng. 6, 67–75 (2022).

Maasch, J. R. M. A., Torres, M. D. T., Melo, M. C. R. & de la Fuente-Nunez, C. Cell Host Microbe 31, 1260–1274 (2023).

Wan, F., Torres, M. D. T., Peng, J. & de la Fuente-Nunez, C. Nature Biomed. Eng. https://doi.org/10.1038/s41551-024-01201-x (2024).

Stokes, J. M. et al. Cell 180, 688–702 (2020).

Liu, G. et al. Nature Chem. Biol. 19, 1342–1350 (2023).

Swanson, K. et al. Nature Mach. Intell. 6, 338–353 (2024).

Gadar, K. et al. Commun. Biol. 6, 937 (2023).

Morris, A. C. et al. Am. J. Respir. Crit. Care Med. 180, 19–28 (2009).

Pinder, E. M. et al. Thorax 73, 918–925 (2018).

Dance A. Five ways science is tackling the antibiotic resistance crisis. Nature. 2024 Aug;632(8025):494-496. doi: 10.1038/d41586-024-02601-4. PMID: 39138306.

https://www.nature.com/articles/d41586-024-02601-4

版权声明:
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
评论区 (1)
#插入话题
  1. [GetPortalCommentsPageByObjectIdResponse(id=2220231, encodeId=a6962220231cb, content=<a href='/topic/show?id=d3a024808e0' target=_blank style='color:#2F92EE;'>#人工智能#</a> <a href='/topic/show?id=13235544294' target=_blank style='color:#2F92EE;'>#抗生素耐药性#</a> <a href='/topic/show?id=3f4f11e90210' target=_blank style='color:#2F92EE;'>#创新策略#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=78, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=24808, encryptionId=d3a024808e0, topicName=人工智能), TopicDto(id=117902, encryptionId=3f4f11e90210, topicName=创新策略), TopicDto(id=55442, encryptionId=13235544294, topicName=抗生素耐药性)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=cade5395722, createdName=梅斯管理员, createdTime=Thu Aug 15 11:34:53 CST 2024, time=2024-08-15, status=1, ipAttribution=上海)]

相关资讯

Nature Medicine:人工智能与传统技术在IVF胚胎选择中的首次对决:效率提升与临床成效的探索

研究旨在评估深度学习算法是否能够在胚胎选择过程中达到或超过传统形态学评估的效果,同时探索其在提高操作效率、减少评估时间等方面的潜在优势。

Nature Medicine:人工智能助力痴呆症精准诊断:多模态数据综合应用的突破

该模型综合了人口统计信息、个人和家族病史、药物使用情况、神经心理评估、功能评估以及多模态神经影像数据,从而识别个体痴呆症的病因。

【协和医学杂志】人工智能在医患共同决策中的应用

从开发和实施层面探讨AI决策辅助应用于SDM领域的潜在问题和挑战,提出可能的解决措施,为后续AI决策辅助的研发与实施提供参考。

【论著】| 基于深度学习算法的病理学图片淋巴细胞浸润检测

采用变分自编码模型预训练的方法,对淋巴细胞浸润的病理学图片进行浸润检测,可获得比直接训练更优的模型表现;并且通过Unet去除肿瘤坏死区域的影响能够进一步提高模型的性能。

Diagnostics:人工智能对CBCT口腔成像中金属伪影的影响

研究人工智能(AI)降噪算法对口腔锥形束计算机断层扫描(CBCT)图像中金属伪影和图像质量参数的影响。

NAR:基于人工智能技术在非编码DNA中发现新型癌症驱动突变

这项研究颠覆了人们对DNA的传统认识,将研究视角扩展到了之前被忽视的非编码区域。

人工智能在医学影像分析迈出重要一步!Nature子刊发表赵世华教授团队研究成果

基于人工智能的多中心、大样本的临床研究成果——《基于磁共振成像的人工智能筛选和诊断心血管疾病》,填补了人工智能在心脏磁共振诊断领域的空白。

问诊分析:28岁男博士查出微小结节,焦虑至此!极高分辨率CT用于筛查,到底带来的是益处还是坏处?

今天分享的这位结友才28岁,是一位博士,但就是由于此类微小结节搞得焦头烂额。

Cureus:人工智能通过牙龈临床表现检测贫血研究

全世界有数百万人患有贫血症,贫血等全身性疾病危害口腔健康。本研究旨在评估三种不同的AI学习方法,利用患者牙龈的临床口腔内图片来自动检测贫血。

远程监控、人工智能将在心脏病学的未来发挥关键作用

医疗保健创新正在以前所未有的速度加速,心脏病学正处于使用新形式的远程监控和人工智能 (AI) 进行变革的边缘。

Baidu
map
Baidu
map
Baidu
map