俄勒冈大学菲尔和彭妮·奈特校区加速科学影响力项目的卡林·普莱萨团队在《科学进展》杂志发表了一项新研究。该研究通过创新技术构建大规模生物数据集，以提升人工智能在生物医学领域的应用潜力，特别是在应对抗生素耐药性方面。

研究团队开发了名为DropSynth的基因合成技术，该技术能够在单个试管中同时生成数千个基因变体。团队成员卡尔·罗曼诺维奇和卡门·雷斯尼克将这项技术应用于研究细菌抗生素耐药性机制。他们以二氢叶酸还原酶基因为研究对象，成功构建了超过1500个来自不同细菌种类的基因变体。

研究采用经过改造的大肠杆菌菌株作为测试系统，通过观察这些基因变体在抗生素甲氧苄啶作用下的表现，绘制出详细的耐药性图谱。罗曼诺维奇表示："这项技术使我们能够系统性地研究数千种微生物基因功能，为应对抗生素耐药性提供了新的研究工具。"

研究结果显示，许多远缘细菌的DHFR变体在大肠杆菌系统中仍能保持功能活性。通过机器学习算法分析这些大规模数据集，研究人员能够识别出与抗生素耐药性相关的关键基因区域。这些生物医学人工智能数据集为预测耐药性进化提供了新的可能性。

目前研究团队已成立SynPlexity公司，致力于推动DropSynth技术的商业化应用。这项生物医学人工智能研究不仅适用于抗生素开发，还可拓展至癌症研究、病毒进化分析和蛋白质设计等多个领域。普莱萨强调："我们创建大规模生物数据集的方法可以应用于生物学的多个研究方向。"

更多信息： Karl J. Romanowicz 等人，通过广泛的突变扫描探索二氢叶酸还原酶蛋白家族不同同源物的抗生素耐药性，Science Advances(2025)。期刊信息： 《科学进展》 、 《柳叶刀》