AI 不筛药了，它开始亲手「造」抗生素

抗生素的故事，过去是"从泥土和霉菌里碰运气"——筛天然分子，再半合成改良。耐药菌年年加码，这条路越来越慢。2026 年 10 月，一篇 Nature Communications 把玩法改了：研究者用深度学习从头设计一类叫抗菌脂肽的分子，不是从已知库里挑，而是让模型直接"写"出候选。

他们的策略叫"链即提示"：把肽链当成模型要生成的序列，条件约束住抗菌活性、稳定性这些要求。最硬的结果在实验端——合成出的 46 条里，44 条在测试中显示了活性；其中 LP630 不仅广谱，还在小鼠伤口感染模型里真的压制了感染。

图1：从序列生成到湿实验的高命中率

脂肽好在哪

脂肽是"肽链 + 一条脂尾巴"的分子，脂尾巴帮它插进细菌的膜。模型设计的正是这类结构，好处是作用机制与很多传统抗生素不同，对部分耐药菌可能仍有效。当然，动物模型有效不等于人类可用，后面还有毒性、药代、临床试验的长路。

和"AI 写蛋白"是同一股潮流

今天另一篇讲 Pinal 用自然语言造功能蛋白，本篇是用深度学习造小分子/肽类。两者内核一致：AI 从"在已知里挑"转向"在未知里写"。区别在于，Pinal 面向蛋白这种超大搜索空间，脂肽设计则更接近"可控地造一类已知管用的分子"——离药物更近半步。

图2：从"挑"到"写"，是造药逻辑的变化

关联推荐

• 细菌 tRNA 上第一个 PLP 依赖酶，通向耐药新靶点 — 理解耐药战场上的另一处突破口
• AI 从头设计酶：AlphaProtein Novo 把「生成」接上了「实验」 — 同是 AI 造分子的进路

来源：Nature Communications 2026-10-17 (DOI 10.1038/s41467-026-78763-8)