OpenAI 抗菌药物发现将搜索从数年缩短至数小时

随着 César de la Fuente 的实验室在数百万条生物序列中寻找潜在的抗感染分子，OpenAI 抗菌药物发现正迎来一场关键检验。Codex 和 ChatGPT 帮助研究人员开发代码、处理数据集、比较方法并形成假设。矛盾很清楚：软件可以将候选分子的搜索从数年压缩到数小时，但无法证明预测出的分子是一种安全药物。

这项工作所在的领域几乎容不得虚假的信心。世界卫生组织估计，2021 年全球有超过 470 万例死亡与细菌抗菌药物耐药性相关。该组织还报告称，2023 年约每六例经实验室确诊的细菌感染中，就有一例对抗生素耐药。

De la Fuente 团队正在挑战传统的搜索路径，后者通常从土壤、植物、动物或微生物的实体样本开始。他们的替代方案从数字化基因组和蛋白质组入手，即与生物体相关的全部基因和蛋白质集合。这一扩展搜索涵盖现存物种、古人类近亲，以及数千年前灭绝的动物。

变化并不只是研究人员多了一个聊天机器人。该实验室正将专门的生物学模型与通用 AI 工具结合，使跨学科的计算工作变得更易开展。决定性问题在于：更快的计算究竟能产生更好的实验候选物，还是只会带来更多需要昂贵实验室审查的预测结果。

OpenAI 抗菌药物发现拓展搜索空间

最直接的变化，是从生物数据到值得测试的分子候选清单的路径更快了。

OpenAI 于 2026 年 9 月 10 日发布了这项合作的介绍。该公司描述了宾夕法尼亚大学的一个研究团队如何将生物学视为信息系统。DNA 使用核苷酸序列，而蛋白质和肽使用氨基酸序列。

肽是由氨基酸组成的短链，能够执行生物功能。一些肽可以破坏微生物膜，或干扰感染性生物体赖以生存的过程。这些特性使抗菌肽成为有吸引力的候选物，但抗微生物活性并不自动意味着一种肽适用于患者。

该实验室训练深度学习模型，以识别与抗菌活性相关的模式。研究人员随后可以将这些模型应用于大量基因组和蛋白质序列集合。模型会对候选物进行排序，使科学家能将有限的实验室资源集中在较小的候选群体上。

Codex 和 ChatGPT 在这一流程中承担支持层角色。根据这篇研究人员案例研究，实验室成员使用它们来构思假设、编写和完善代码、预处理基因组数据集、分析结果，并连接不同领域的概念。

这一区别至关重要。OpenAI 并未表示 Codex 独立发现了一种获批药物。实验室拥有自己的生物学模型和实验方法。通用 AI 帮助研究人员构建和运行周边工作流程。

这种协助仍可能改变谁来从事计算生物学。一位不常编程的生物学家可以请 Codex 起草数据处理脚本。一位程序员则可以在与实验室同事讨论模型前，利用 ChatGPT 澄清陌生的生物学术语。

实验科学家 Angela Cesaro 描述了自己如何使用 Codex 编写脚本，以便在不同实验中一致地绘制数据。Erik Hartman 称其为能够快速实现想法的副驾驶。这些例子展现了一项比自主科学发现更聚焦、也更可信的实际益处。

搜索本身的范围异常广泛。数字数据库让研究人员无需亲自采集每一种生物，就能检视生物材料。即便从未进化为常规抗生素的蛋白质片段，仍可能含有与抗菌行为相关的模式。

灭绝生物进一步拓展了这片领域。它们重建出的蛋白质序列形成可搜索的“灭绝蛋白质组”，即与灭绝物种相关的可用蛋白质信息。该方法提出的问题是：编码于已消失生物体中的分子，是否能够对抗如今正在传播的病原体。

这一模型颠倒了传统探索的顺序。研究人员不再从分离一种天然物质并询问其作用开始，而是从存储的生物序列入手，预测哪些片段值得关注，再合成选定候选物进行测试。

该方法改变了最早期搜索阶段的经济性。计算机可以在科学家花时间制造实体分子之前，排除大量不太可能有效的序列。这不会消除实验室工作，但会将其集中在模型预测价值更高的方向。

它也带来了严苛的数据管理问题。团队必须跟踪模型版本、脚本、参数、候选物身份、测定结果和失败的想法。可搜索的技术知识库可以帮助不同专业人员保存这一决策轨迹。

结果是一种混合型发现流程。机器学习提供大规模筛选，Codex 帮助将研究意图转化为软件，ChatGPT 则支持跨学科推理。人类研究人员决定该提出什么问题，以及哪些预测值得进行实体实验。

耐药性使搜索速度至关重要

更快的筛选之所以重要，是因为抗菌药物耐药性正在加剧，而药物研发管线依然薄弱。

抗菌药物耐药性是指细菌、病毒、真菌或寄生虫不再响应原本用于控制它们的药物。耐药感染更难治疗，而当可靠的感染控制失效时，常规医疗程序也会变得风险更高。

当前负担已十分沉重。WHO 更新后的抗菌药物耐药性事实说明指出，耐药性会增加疾病、残疾、治疗复杂性和死亡。该说明还将抗菌药物的误用和过度使用列为主要驱动因素。

可及性也是问题的一部分。一些社区无法获得适当的诊断、疫苗或药物，另一些地方则不必要地使用抗生素。这两种情况都会削弱全球维持有效治疗手段的能力。

药物发现本身也存在瓶颈。研究人员可能要花费数年采集样本、分离化合物、表征其性质并重复实验。许多候选物会失败，因为其活性不足、会伤害人体细胞、降解过快，或无法到达感染部位。

De la Fuente 认为，计算筛选可以将初步搜索从五六年缩短至数小时。这一说法针对的是候选物识别，而不是完整的药物开发周期。其余步骤仍可能需要广泛优化、动物研究、生产工作、监管审查和人体试验。

这一区别将搜索速度与医学进展区分开来。只有当更快的筛选器在后续测试中选出的候选物优于常规选择时，它才具有价值。如果筛选器产生大量看似吸引人、却在生物系统中失败的高分结果，其影响就会减弱。

因此，压力落在两类团队身上。传统抗菌药物项目必须证明较慢且较窄的筛选方法仍有其合理性。以 AI 为中心的项目则必须证明，它们的速度经得起化学、活组织和不断进化的病原体检验。

这种比较并不是主张放弃野外采样。土壤、水、植物、动物和微生物群落仍是宝贵的化学来源。实体样本也包含序列数据库可能无法捕捉的环境关系。

相反，计算筛选改变的是研究人员如何分配注意力。一个模型可以检查的序列远多于实验室能够合成的数量。科学家随后可以选择一组多样化的预测候选物，而非只追随熟悉的化学家族。

这一更广泛的搜索之所以重要，是因为对现有抗生素的反复改造可能带来递减回报。细菌已经接触过许多既有机制，耐药性可通过突变或交换遗传物质传播。通过较不熟悉机制起效的分子，或许能够提供不同的起点。

抗菌肽就是其中一条路径。许多抗菌肽作用于微生物膜，因此可能对多种生物体有效。然而，肽也带来开发挑战，包括不稳定性、毒性、生产限制，以及在生理条件下活性降低。

OpenAI 的这一故事出现之际，公共机构正同时强调管理与创新。2026 年，WHO 成员通过了一项覆盖 2026 年至 2036 年的更新版全球计划。其中一个目标是加快抗菌药物研究，同时维持涵盖预防、监测、可及性和负责任使用的更广泛方法。

这一背景避免让 Codex 的故事沦为简单的软件成功叙事。更好的候选物生成只解决复杂健康问题的一部分。它无法取代感染控制、疫苗接种、诊断或谨慎处方。

不过，搜索瓶颈确实存在。如果一个研究团队能够在不按比例扩充编程人员的情况下评估更多生物学领域，它就拥有更多机会发现不同寻常的候选物。当 Codex 抗生素研究同时提升实验吞吐量和候选物多样性时，它才具有意义。

最强的压力落在干实验室与湿实验室科学之间的边界。干实验室工作依靠计算与数据，湿实验室工作则测试实体材料。任何一方都无法独自完成这项任务。

灭绝蛋白质展示了该机制能够产出什么

最有力的证据来自实验室专用模型支持的同行评审实验，而非对话式 AI 工具本身。

最清晰的例子是该实验室在分子去灭绝方面的工作。这一方法从灭绝生物的重建生物序列中搜索能够解决当代问题的分子。它复原的是分子信息，而不是整个生物体。

在 2024 年发表于 Nature Biomedical Engineering 的一项研究中，该团队介绍了 APEX，这是一套用于挖掘灭绝蛋白质组的多任务深度学习系统。蛋白质组是一个生物体产生或编码的全部蛋白质集合。

研究人员从 208 个灭绝物种中汇集了 12,860 条蛋白质序列。去除冗余后，他们保留了 5,190 种蛋白质。他们将这些蛋白质划分为包含 8 至 50 个氨基酸残基的片段。

这一操作生成了 10,311,899 条可供计算评估的肽序列。APEX 预测其中 37,176 条具有广谱抗菌活性。在这些预测序列中，有 11,035 条未出现在研究人员所考察的现存生物体中。

排序步骤将超过 1,000 万种可能性缩减为更易管理的候选池。随后，团队选定了 69 种肽进行合成和实验测试。这些实体实验确认了它们对细菌病原体的抗菌活性。

这项经同行评审的灭绝组研究还报告称，领先候选物在小鼠皮肤脓肿或大腿感染模型中发挥了作用。该团队测试了与猛犸象、巨型树懒、古代海牛和已灭绝巨鹿等生物相关的肽。

多种候选物似乎通过使其细胞质膜去极化来杀死细菌。去极化会破坏细胞维持正常功能所需的电平衡。研究人员将这种活性与已知抗菌肽进行了对比，后者更常以外膜为靶点。

这些结果表明，经机器排序的古代序列能够产生具有实验活性的分子。但它们并不能证明 Codex 或 ChatGPT 产出了 APEX 的发现成果。专用预测模型、数据集构建、候选物筛选、合成及生物学实验仍是核心环节。

这一界限明确了 OpenAI 抗菌药物发现背后的机制。Codex 可以帮助研究人员生成下载或处理序列的脚本。ChatGPT 则可协助比较方法，或将初步直觉转化为可检验的问题。

实验室自有模型负责进行领域专用的排序。研究人员随后评估这些预测是否符合生物学常识。湿实验团队制造选定肽，并在受控条件下使病原体暴露于这些肽。

实验结果会回流到人工解读和后续模型开发中。这类似于“设计—测试—学习”的循环：计算系统提出候选物，实验进行检验，新证据则改进未来决策。

这一机制有三个杠杆来源。首先，数字化生物数据库提供了广阔的搜索空间。其次，专用模型利用从肽数据中学习到的模式对候选物进行排序。第三，通用 AI 降低了围绕这类分析的编程与沟通负担。

第三个来源是公开叙事中最新的部分。它并不能取代前两者。它的价值在于缩短科学家提出问题与执行分析之间的距离。

De la Fuente 的实验室汇集了生物学家、化学家、计算机科学家和工程师。每个学科使用不同的术语和证据标准。ChatGPT 抗菌研究可帮助成员在咨询相关专家前初步熟悉问题。

同一工具还可以创建不断演进想法的共享记录。De la Fuente 将实验室的 ChatGPT 工作区描述为一个公共交流平台，接收来自以不同方式处理问题的人员的输入。

这种共享语境能够促进意想不到的联系。一位化学家可能会在模型偏好的序列中发现稳定性问题。一位机器学习研究人员则可能在了解实验如何进行后，识别出数据失衡问题。

然而，高效协作需要可追溯性。研究人员需要知道哪一个数据集支持某项主张、哪一段脚本生成某张图表，以及哪一个模型给出了排序结果。没有可审计链条的流畅解释，不能作为科学证据。

因此，最站得住脚的结论是具体而有限的。Codex 和 ChatGPT 似乎提升了实验室制定和执行计算任务的能力。经同行评审的生物学研究表明，更广泛的 AI 辅助流程能够识别具有活性的临床前候选物。

这是有意义的进展，但距离处方药仍十分遥远。这两种结果之间的距离，构成了这一故事的核心张力。

快速预测不等于成品抗生素

决定性检验不在于 AI 是否找到一条有前景的序列，而在于该序列能否通过预测之后的每一个阶段。

候选物发现只是早期筛选。科学家必须确认某个分子能否以实际可用的浓度杀死目标病原体。他们还必须判断它是否会损伤人体细胞或扰乱有益生物。

一种有前景的肽可能在培养皿中有效，却会在血液中迅速降解。酶可能在肽到达感染部位前将其分解。研究人员可能需要化学修饰或递送系统来提高稳定性。

分布同样重要。能够治疗皮肤感染的化合物，未必能以有效浓度抵达肺部、血液、脑部或尿路。每个靶点都会带来不同的生物学和制造要求。

毒性可能在接近有效剂量的水平出现。一种破坏细菌膜的肽，也可能伤害哺乳动物细胞。研究人员需要足够的治疗窗，即有效暴露与有害暴露之间具有实用的间隔。

病原体也可能发生适应。靶向细胞膜的分子或许呈现出与传统抗生素不同的耐药性动态，但“不同”并不意味着不会产生耐药性。实验必须考察在重复暴露下耐药性形成的速度。

动物结果增加了证据，但并不保证对人类安全或有效。小鼠感染模型简化了人类疾病的某些部分。剂量、免疫反应、代谢和感染部位在临床环境中都可能表现不同。

制造环节构成另一道筛选。一条序列可能合成成本高、难以纯化，或在储存过程中不稳定。在监管机构评估其广泛使用价值之前，药物必须能够以合适规模稳定、一致地生产。

这些现实削弱了“数小时计算已经替代多年药物开发”的说法。计算加快的是初筛。它告诉研究人员应当优先关注哪里，这很有价值，但范围更窄。

AI 层还引入了额外的不确定性。生物学训练数据可能包含不一致的实验条件、重复序列、缺失的阴性结果，以及对罕见生物的有限覆盖。模型可能会在学习真正的生物学模式时，一并学习这些失真。

在熟悉基准上衡量的性能也可能高估真实世界的可靠性。高度相关的序列可能同时出现在训练集和测试集中，使模型因相似性获益，而非发现可迁移的规律。

生成自信排序的模型，并不总能很好地表达不确定性。研究人员可能投入资源验证一项评分掩盖了薄弱证据的预测。更好的不确定性估计可以帮助团队选择既有前景、又具有科学信息价值的候选物。

一篇 2026 年关于肽发现局限的研究观点文章指出，工作流碎片化、可解释性有限和实验反馈薄弱仍是持续存在的问题。文章主张建立整合预测、生物学约束、不确定性和重复测试的系统。

这一批评直接适用于 ChatGPT 抗菌研究。通用语言模型可以解释术语并生成有用代码，但也可能生成错误陈述或存在缺陷的实现。流畅性会让错误更容易被忽视。

De la Fuente 明确警告用户要复核 AI 输出。在科学计算中，这意味着不只是仔细阅读回答。研究人员必须检查代码、核实数据来源、复现输出，并将预测与受控实验进行比较。

生成的代码可能引入细微问题。它可能使用错误的序列方向、错误处理缺失值、将测试数据泄漏到训练中，或采用不合适的统计检验。一张整洁的图表可能掩盖其中任何一种错误。

实验室的跨学科结构提供了一种防线。生物学家可以质疑不合理的输出，程序员可以审查实现细节，化学家可以评估一条序列是否实用。没有任何单一模型或研究人员承担全部证据负担。

尽管如此，OpenAI 的叙述仍是一份由公司制作的案例研究。它解释客户如何使用其产品，并包含参与者证词。它并不是对生产力、代码质量、发现产出或临床结果的受控评估。

这一故事没有提供对照试验，说明同一实验室在没有 Codex 和 ChatGPT 时会如何表现。它没有量化各项目节省的时间，也未披露生成建议被拒绝的频率。这些缺失的测量限制了更广泛的结论。

已发表叙述中也没有任何获批药物被归因于这一特定工作流。最强结果涉及通过实验室更大规模计算平台发现的临床前候选物。无论何时讨论这一案例，这一区别都应保持清晰。

公平的比较不是 AI 与人类科学家之间的对比，而是整合式工作流与更慢、更割裂工作流之间的对比。整合式版本只有在计算、专家审查和实体实验持续相互纠正时才能成功。

因此，对 Codex 抗生素研究的评价应基于下游转化。多少建议的分析能够正确运行？多少排序候选物展现出可重复的活性？多少候选物在优化后仍保持可接受的安全性和稳定性？

没有转化的速度可能增加噪声。经过严格验证的速度，则可扩大实验室开展可信实验的数量。下一批证据必须显示究竟出现了哪种结果。

三个信号将显示该工作流是否有效

下一阶段取决于可重复性、临床前推进，以及通用 AI 层带来的可衡量收益。

第一个信号是独立实验重复。其他实验室应能够合成领先肽、遵循披露的方法，并观察到针对相关病原体的可比活性。重复结果将强化模型正在发现可迁移生物学信号的主张。

即使原始排序看起来令人印象深刻，未能重复也会削弱这一论点。实验条件差异可以解释部分变动，但巨大的差距会引发对数据质量、候选物选择或所报告机制的疑问。

第二个信号是从早期动物模型向前推进。研究人员需要药代动力学数据，即描述化合物如何进入、在体内移动以及离开人体的数据。他们还需要更广泛的毒性、稳定性、给药和耐药性研究。

某个候选物进入正式临床前开发并不保证获批。但这将表明至少有一个分子通过了计算新颖性之外的多道筛选。这种转变将提供比又一个庞大预测数量更有力的证据。

第三个信号是对 Codex 和 ChatGPT 贡献的直接测量。实验室可以比较采用这些工具前后的任务完成时间、代码审查错误、可重复性或成功分析数量。它还可以分别评估有经验的程序员和湿实验科学家。

这类证据将明确这些工具主要是在加速专家、扩大参与范围，还是改善跨学科沟通。它也会揭示人工审查在哪些环节消耗了最初节省下来的时间。

OpenAI 较早的实验室介绍包含了脚本在数秒内出现、分子在数小时内被识别等生动案例。下一份有价值的叙述需要在这些体验之外加入结果指标。

无论任何单一产品如何，更广泛的科学趋势都将持续。基因组数据库正在增长，肽模型正在改进，实验室正将计算与自动化实验更紧密地连接起来。竞争者也可以借助其他编程助手和科学模型构建类似工作流。

这使通用 AI 在产品层面可被替代，却能在工作流层面产生深远影响。持久的变化在于，更多研究人员能够将问题转化为计算流程，不必再等待独立的软件开发排期。

优势将属于那些在加快速度的同时仍保持科学严谨性的团队。他们会记录提示词，审查生成的代码，对数据集进行版本管理，预先注册假设，并公开足够的细节，以便他人检验其工作。

读者应避免得出两种误导性的结论。其一是，聊天机器人已经解决了抗生素耐药性问题。其二是，因为实验室验证仍不可或缺，就否定编程辅助的价值。

这两种看法都忽略了其中的机制。检索、优先级排序和跨学科转译，都是现实存在的科研瓶颈。降低这些障碍，能让研究人员获得更多机会去开展那些真正决定某种分子是否有效的实验。

因此，OpenAI 的抗菌药物发现工作更应被视为对科学协作能力的一次检验。专用模型用于搜索生物学信息，通用 AI 帮助人们操作整条流程，而实验决定哪些预测能够经受检验。

最终的衡量标准，不会是筛选了多少序列或生成了多少脚本，而是有多少可复现的候选物能够推进至安全性、稳定性、生产制造和临床评估阶段。

对研究人员和 AI 用户而言，有一个实际问题值得带入每一项科研工作流：这个工具是在制造更多主张，还是在帮助产出更好的证据？关注那些得到重复验证的实验、持续推进的候选物，以及可量化的工作流提升。这些信号将说明，一次在数小时内完成的搜索，最终能否改善医疗。