这项研究的创新之处在于，研究人员能够弄清深度学习模型在预测抗生素效力时所依据的信息。这不仅有助于科学家们设计出更多的药物，而且可以更好地理解这些药物的机理。
研究团队首先使用大量数据训练深度学习模型，这些数据包括约3.9万种化合物的抗菌活性和化学结构信息。然后，他们利用蒙特卡洛树搜索算法来预测每种化合物的抗菌活性，并确定哪些化学亚结构可能产生这种活性。
为了进一步筛选候选药物，研究人员还训练了其他三种深度学习模型，以预测化合物是否对三种不同类型的人类细胞具有毒性。通过将这些信息与抗菌活性预测相结合，他们发现了一些既能杀死微生物，又能对人体产生最小不良影响的化合物。
利用这一系列模型，研究人员筛选了大约1200万种化合物，并最终确定了五种不同类别的化合物，这些化合物预计对MRSA具有抗菌活性。
在实验中，研究人员购买了大约280种化合物进行测试，并确定了两种非常有希望的候选抗生素。在两种小鼠模型中进行的测试表明，这两种化合物都能将MRSA的数量减少10倍。
这两种化合物似乎是通过破坏细菌在细胞膜上维持电化学梯度的能力来杀死它们的。许多关键的细胞功能都需要这种梯度，包括产生ATP的能力。这种新的结构类药物选择性地攻击细菌细胞膜，而不会对人类细胞膜造成实质性损害。
这项研究的成果为开发新的抗生素提供了有力支持，同时也为深度学习模型在药物发现领域的应用提供了新的见解。
