Codex助攻UPenn 抗生素筛选周期缩至小时

时间：2026年9月10日 地点：美国费城宾夕法尼亚大学 Machine Biology Group；美国旧金山 OpenAI 人物：宾大生物工程学 Presidential Associate Professor César de la Fuente；OpenAI Codex/ChatGPT 团队；湿实验技术员 Angela Cesaro、化学家 Marcelo Der Torossian Torres、博士后 Erik Hartman、Jianing Bai、Tianang Leng 等 事件详情：OpenAI 于 9 月 10 日发布最新案例文章，介绍宾大 Machine Biology Group 在 de la Fuente 带领下将 ChatGPT 与 Codex 全面嵌入抗菌药物研发流程。实验室把 ChatGPT 当作"集体大脑"用于跨学科假设生成、文献检索、思路整合；用 Codex 为湿实验科学家写算法脚本、批处理多组学数据、可视化结果。原本需要 5-6 年才能完成的临床前候选分子筛选，被压缩到一杯咖啡的数小时。 背景：抗微生物耐药性（AMR）已成全球公共卫生危机，《柳叶刀》研究显示 2021 年全球约 500 万人死亡与细菌 AMR 相关，预计到 2050 年将翻倍至年均 1000 万级别；过去 50 年没有任何全新类别的抗生素问世。De la Fuente 实验室首创了首个在动物模型中有效的计算机设计抗生素，并已通过训练模型挖掘人类蛋白组、微生物组、古菌域，发现超 100 万个候选抗菌肽并全部开源。其自研 APEX、ApexGO、ApexDuo、ApexOracle 工具栈将筛选速度提升百万倍。 影响：Codex 让从未写过代码的实验科学家也能直接参与计算生物学，把湿实验与干实验真正融合，使抗微生物候选分子从序列到活性验证的迭代周期从年压缩到小时级。该案例也是 OpenAI 在 2026 年 4 月发布生命科学专用推理模型 GPT-Rosalind、并与 Amgen、Moderna、Thermo Fisher、礼来等药企达成合作之后，在科研端又一次标志性的真实落地证据。 总结：从泥土挖菌的传统"dirt mining"升级为对生命密码的数字挖掘，ChatGPT 与 Codex 正在成为下一代抗微生物药物研发的"接口层"，为 50 年未解的抗生素危机带来新的解题路径。 参考来源： 1. OpenAI 官方博客：https://openai.com/index/using-codex-chatgpt-to-search-for-new-antimicrobials 2. OpenAI 加速抗生素发现案例：https://openai.com/index/accelerating-antibiotic-discovery/ 3. The Lancet AMR 全球死亡研究：https://www.thelancet.com/journals/lancet/article/PIIS0140-6736(24)01867-1/fulltext 4. AGI Hunt 报道（UPenn × OpenAI Forum 直播预告）：https://agihunt.info/en/p/1a071fd902545052b6f67a4d33a 5. Daily Synapse 转载 MIT Technology Review：https://dailysynapse.com/news/artificial-intelligence-antibiotic-peptide-discovery 6. OpenAI Forum 直播：https://forum.openai.com/home/events/how-scientists-use-chatgpt-to-accelerate-drug-discovery-4xlsq48f80 7. de la Fuente Lab 主页：https://delafuentelab.seas.upenn.edu/ 8. OpenAI 生命科学模型 GPT-Rosalind：https://openai.com/zh-Hant-HK/index/introducing-gpt-rosalind/