一种基于代谢信息的神经网络识别影响抗菌剂联合用药效力与毒性的途径

这对日常健康有何意义

随着越来越多的感染对常用抗生素失去响应，医生愈发倾向于使用药物组合。但配伍用药亦有利弊：合适的组合能清除顽固细菌，而不当组合可能损伤肾脏和肝脏等器官。本研究提出了一种新的计算方法，称为 CALMA，旨在帮助科学家和临床医生找到既能强效抑菌又对患者更温和的药物组合。

在不靠盲测的情况下对抗病菌

传统上，发现有效的抗生素组合意味着在实验室和患者身上测试大量的药对或三联用药。可选组合随着每增加一种药物爆炸性增长，使得全面实验检测变得不现实。此外，现有的大多数工具仅关注组合对细菌的杀灭强度，忽视了它们对人体组织的潜在损害。作者认为，为了设计更好的疗法，我们必须同时考虑两方面：对病原体的效力与对人的安全性。

一种理解细胞化学的智能模型

CALMA 结合了两大核心思想。其一，它利用详细的细胞代谢图谱，描述生物体如何将营养物质转化为能量和构建材料。这些图谱（为大肠杆菌和结核分枝杆菌等细菌构建）可以模拟在药物存在时数千个化学反应如何改变。其二，CALMA 将这些模拟结果输入到一种其结构模仿代谢途径的人工神经网络中。通过根据已知的生物学通路（例如能量产生或核苷酸回收）来分组信息，模型学会识别将特定途径与有效杀菌或对人体细胞有害的副作用联系起来的模式。

扫描药物混合的全景图

研究人员利用以往实验数据和大型安全性数据库，训练 CALMA 为每种药物组合分配两个评分：一个衡量其抑制细菌的强度，另一个衡量其在人体中产生毒性的可能性。将这两个评分绘制成图，就形成了一个景观：最佳候选位于左下方——对微生物强效且对人类细胞温和。当他们将 CALMA 应用于 35 种临床相关药物时，该工具将近 600 种可能的配对缩小到一小部分有前景的选项，使实验搜索空间约缩减了 97%。排名靠前的建议包括涉及常用抗生素如阿奇霉素、万古霉素、异烟肼和甲氧苄啶的组合。

从计算预测到实验室验证与真实患者

团队超越模拟，在线粒体与肝细胞系中测试了若干预测的组合。他们发现某些组合（包括阿奇霉素与万古霉素、异烟肼与甲氧苄啶）对人类细胞的毒性低于单独用药，同时仍保留对大肠杆菌的活性。CALMA 的设计还使研究者能够探查哪些代谢通路驱动毒性。一个回收 DNA 构件的通路，即核苷酸补救通路，浮现为关键因素：在细胞实验中调节该通路会改变某些组合的有害性。最后，作者分析了数十万名患者的健康记录，观察到同时接受阿奇霉素与万古霉素的患者比仅接受万古霉素的相似患者有更少记录到的肾脏问题，这与实验室发现相呼应。

这对未来治疗意味着什么

对非专业人士而言，CALMA 可被视为一个智能过滤器，它理解足够多的生物学知识以建议哪些药物组合值得优先测试。研究人员不必盲目混合抗生素寄希望于好运，而可集中于模型预测能攻击细菌弱点同时避免损及易感人体通路的组合。尽管该方法依赖于现有数据且并非完美，但它为设计联合疗法提供了更合理的路径。随着时间推移，像 CALMA 这样的工具有望帮助医生更安全地治疗耐药感染，减少药物开发中的试错过程，并能被改造用于其他以组合疗法与副作用管理为核心的疾病领域。

引用: Arora, H.S., Lev, K., Robida, A. et al. A Metabolism-Informed Neural Network Identifies Pathways Influencing the Potency and Toxicity of Antimicrobial Combinations. npj Drug Discov. 3, 11 (2026). https://doi.org/10.1038/s44386-026-00042-9

关键词: 抗生素组合, 药物毒性, 人工神经网络, 代谢, 抗菌耐药