深度学习从明场图像中识别抗生素的作用机制

《Nature Communications》：Deep learning recognises antibiotic modes of action from brightfield images

　　抗菌素耐药性危机迫切需要具有新型作用机制（MoA）的抗生素。虽然生长抑制实验可以识别抗生素分子，但会遗漏低于抑制浓度的有前景化合物，并且无法揭示它们的作用机制。基于成像的药物处理细菌分析可以提供作用机制信息，但当前方法通常需要荧光标记和/或抑制浓度，目前尚不清楚具有新型作用机制的化合物能否被可靠地检测到。在此，我们展示了一种深度学习方法来识别未标记图像中的抗生素作用机制。我们训练了一个卷积神经网络，从暴露于覆盖八种作用机制抗生素的大肠杆菌的明场图像中预测处理条件。我们的方法能够检测到亚抑制浓度的药物暴露，即使每个处理条件仅训练八张图像，也能实现近乎完美的作用机制识别。如果作用机制在训练数据中有表示，则先前未见的化合物能以良好的准确性被分配到其正确的作用机制，并且我们的方法可以在所考虑的六种作用机制中的五种中可靠地检测作用机制的新颖性，从而能够实现基于显微镜的新抗生素类别识别。我们还在肺炎克雷伯菌中实现了近乎完美的作用机制识别，表明该方法适用于其他物种。我们的方法补充了生长抑制实验，并有望改进创新抗生素化合物的搜寻。