抗生素：从青霉素奇迹到耐药性危机
打破一个常见误解
"抗生素能治感冒"是一个广泛存在的错误认知。抗生素只对细菌感染有效，对病毒感染（如普通感冒、流感）完全无效。 滥用抗生素不仅无法治愈病毒性疾病，反而会杀死体内有益细菌、破坏微生物组平衡，并加速耐药菌株的筛选和传播。每一次不必要的抗生素使用，都在为超级细菌的诞生铺路。
感冒是病毒的活广告：症状来自免疫反应，不是细菌壁。开一盒阿莫西林，对病程几乎没有正效应，对肠道菌群和社区耐药率却有。门诊里"总要开点药"的压力，把医院变成筛选器。农用促生长把同样的分子送进畜舍，排泄物再进水和土壤。人医和兽医是同一场选择实验的两个房间。WHO 后来用 AWaRe 把药物分成可及、观察、储备三档，就是为了不让最后防线变成默认处方。分级不是道德口号，是把选择压强从广谱挪回窄谱。
青霉素的发现：一个意外改变了世界
1928年，苏格兰细菌学家亚历山大·弗莱明（Alexander Fleming）在度假归来后发现，实验室中一个被遗忘的培养皿上，霉菌（青霉菌，Penicillium notatum）周围的细菌菌落被溶解了。弗莱明意识到霉菌分泌了某种抗菌物质，并将其命名为"青霉素"。
弗莱明在1929年发表的论文中报告了这一发现，但由于化学提纯技术的限制，他无法将青霉素发展为临床药物。直到1940年，霍华德·弗洛里（Howard Florey）和恩斯特·钱恩（Ernst Boris Chain）在牛津大学成功提纯了青霉素，并在小鼠实验里证明它能从致死剂量的链球菌感染中救人。1941年2月，牛津警察阿尔伯特·亚历山大（Albert Alexander）因刮脸划伤继发严重感染，成为最早接受提纯青霉素的病人之一。细菌一度被压下去，药物却在第五天用尽，感染回潮，他随后去世。临床有效和产量不够，是同一场实验的两面。
第二次世界大战加速了青霉素的量产。美国把发酵从表面培养改成深层罐。产量常用牛津单位计，不是"剂"：1943 年初每月还只有数亿单位，战争结束前后可以到每月约 6500 亿单位。把单位写成剂，会把产量夸成天文数字。弗莱明、弗洛里和钱恩因此共同获得 1945 年诺贝尔生理学或医学奖。弗莱明在领奖演说里警告：剂量不足等于亲手筛选耐药菌。这句话比后来的超级细菌新闻更早。青霉素拯救了战场上的伤兵，也把选择压力带进医院和农场。
抗生素的作用机制
抗生素通过多种机制杀灭或抑制细菌：
细胞壁合成抑制：β-内酰胺类抗生素（青霉素、头孢菌素、碳青霉烯）通过与青霉素结合蛋白（PBP）结合，阻断肽聚糖交联，导致细菌细胞壁在渗透压下破裂。万古霉素则通过结合肽聚糖前体的D-丙氨酰-D-丙氨酸末端阻止细胞壁合成。人和动物细胞没有肽聚糖，这是选择性毒性的化学理由。革兰氏阴性菌多一层外膜，许多 β-内酰胺要先穿过孔蛋白才摸得到靶点。外膜既是屏障，也是后来孔蛋白突变耐药的舞台。
蛋白质合成抑制：氨基糖苷类（庆大霉素）与30S核糖体亚基结合，导致mRNA误读；大环内酯类（红霉素）和四环素类与50S亚基结合，阻断肽链延伸。
核酸合成抑制：喹诺酮类（环丙沙星）抑制DNA旋转酶和拓扑异构酶IV；利福平抑制RNA聚合酶。
代谢途径抑制：磺胺类药物抑制叶酸合成途径中的二氢蝶酸合酶，与人类补充叶酸的协同使用是理解药物选择性毒力的经典案例。细菌必须自己造叶酸，人从食物里拿。同一条路径，宿主没有靶点，药物才敢进血液。选择性毒性不是"对细菌更狠"的形容词，是代谢地图上的空缺。后来的耐药可以给细菌换一张图：绕过被堵的酶，或者把药泵出去。理解机制，是为了预判下一处空缺会不会被填上。
核糖体是另一处空缺：细菌 70S、人细胞质 80S，氨基糖苷和大环内酯认的是细菌的亚基。线粒体核糖体更像细菌，这解释了某些药的耳毒和肾毒——选择性从来不是百分之百。剂量窗口写在进化历史上：内共生留下的那台旧机器，仍会误伤。
耐药性：进化在实时发生
弗莱明本人在1945年诺贝尔奖演讲中就警告过，也许有一天普通人能在商店买到青霉素，用量不足就会筛选出耐药菌。这是转述，不是逐字金句；方向被后来的数据一次性兑现。剂量、疗程、是否真有细菌，每一项都是选择压强的旋钮。把旋钮交给"先开了再说"，就是在做费舍尔基本定理的现场实验：可遗传的耐药变异，只要还在种群里，就会被筛到前台。
细菌耐药性的产生是自然选择的教科书案例。在抗生素的选择压力下，携带耐药基因的细菌存活并繁殖，敏感菌株被消灭。耐药性通过以下机制实现：
- 酶解灭活：β-内酰胺酶水解青霉素的β-内酰胺环。超广谱β-内酰胺酶（ESBL）甚至能灭活第三代头孢菌素。
- 靶点修饰：PBP突变使β-内酰胺类无法结合，这是耐甲氧西林金黄色葡萄球菌（MRSA）的主要耐药机制。
- 外排泵：细菌膜上的主动转运蛋白将抗生素泵出细胞。
- 膜通透性降低：外膜孔蛋白突变减少抗生素进入。
更令人担忧的是，耐药基因可以通过水平基因转移在不同细菌种间传播。质粒（plasmid）、转座子（transposon）和整合子（integron）携带的耐药基因盒可在同种甚至不同种细菌间传递，使耐药性像野火一样蔓延。垂直遗传要等分裂，接合、转化和转导可以把一张耐药菜单隔夜送给邻居。医院里密集用药加密集接触，正好是网络枢纽。NDM-1 一类金属酶随旅行和贸易跨过国境，不是隐喻，是分子流行病学已经画过的路线。
1928 年到 1940 年中间隔了十二年。发现不等于药物。提纯、稳定、放大、监管，每一段都会把实验室里的圈圈变成能进血管的粉末。今天管线萎缩，部分原因也在这里：新机制难找，疗程短、利润薄，最后防线还被故意限制使用。研发激励与公共卫生目标拧着劲。跨域节的公地悲剧，说的就是这根拧劲。
超级细菌与后抗生素时代
世界卫生组织将抗生素耐药性列为全球十大公共卫生威胁之一。以下是几种最令人警惕的耐药菌：
MRSA（耐甲氧西林金黄色葡萄球菌）：医院感染的主要病原体之一，仅对万古霉素等少数抗生素敏感。社区获得性MRSA（CA-MRSA）的出现使其不再局限于医院环境。
CRE（碳青霉烯类耐药肠杆菌科）：对"最后防线"抗生素碳青霉烯类耐药，死亡率可高达50%。携带NDM-1（新德里金属β-内酰胺酶）的菌株可将耐药性传播给多种细菌。
XDR-TB（广泛耐药结核分枝杆菌）：对一线和二线抗结核药物均耐药，治疗周期长达两年，治愈率低。
2022年，Murray 等人（GRAM 项目）在《柳叶刀》上发表的全球疾病负担研究估计，2019年细菌抗生素耐药性直接导致全球约127万人死亡，并与约495万人死亡相关——直接死亡数已超过 HIV/AIDS 或疟疾。（这两个数字含义不同：127万是"如果把耐药感染都换成可治感染就能避免"的死亡，495万是耐药感染参与其中的更广义负担。）此外，O'Neill 2016 年那份广为引用的报告警告，若不采取有效措施，到2050年抗生素耐药性每年可能导致约1000万人死亡——需要说明的是，这个 2050 年预测是基于较早模型的情景外推，本身有不确定性。
新型抗生素研发的困境
自1980年代以来，新型抗生素的研发管线急剧萎缩。大型制药公司因抗生素的低利润（一个疗程仅需数天，且新抗生素被保留为"最后防线"使用）而退出研发。从1940年代到1960年代的"抗生素黄金时代"发现了大多数现有抗生素类别，此后几乎没有全新的作用机制被发现。
应对策略包括：噬菌体疗法（利用感染细菌的病毒）、抗菌肽、CRISPR 导向的抗菌、抗毒力药物（不杀死细菌但削弱其致病力），以及用机器学习扩大筛选空间。2020 年，Stokes 等人在《Cell》上报道用深度学习从约 2300 个已知分子学到抗菌活性，再对逾一亿个结构做虚拟筛选，找出结构上不像旧药的 halicin。实验室里它对多种耐药菌有效，离临床上的新一类还隔着毒性、药代和耐药对策。AI 能覆盖人手点不完的化学空间，不能跳过临床试验。
另一条不依赖新分子的路，是把现有药当公共品来管：分级使用、缩短不必要疗程、停掉饲料促生长。丹麦禁促生长剂后，耐药监测下降而产量未垮，说明"不用就会减产"不是定律。保护旧药和发明新药必须同时做，只押其中一头，都会输给分裂速度以分钟计的对手。
抗生素耐药性是一场慢性的全球危机，它提醒我们：医学的每一次进步都不是永久的，与微生物的进化竞赛永无止境。
为什么这很重要
抗生素耐药性被世界卫生组织列为全球十大公共卫生威胁之一。2019年约127万人直接死于细菌耐药性感染，超过HIV/AIDS或疟疾的死亡人数。如果不采取有效措施，预计到2050年每年可能有1000万人死于耐药性感染。抗生素不仅是治疗感染的工具，更是现代医学的基础设施——没有有效的抗生素，手术、化疗和器官移植都无法安全进行。保护现有抗生素的有效性和开发新型抗菌策略是当代医学最紧迫的任务之一。手术、化疗、早产、移植，都把无菌当成默认可选项。这选项是 1940 年代以后才买到的。失去它，不是回到草药时代那么浪漫，而是把常规操作的死亡率重新抬回选择压强更小、也更残酷的基线。耐药性新闻爱用"超级"，机制上它只是被筛过的普通细菌。普通，才难对付。诊断未明就上广谱，等于同时给许多物种上课。培养和药敏要时间，临床却要立刻决定。这道时间差，是耐药的温床之一。快速诊断若能把时间差缩到用药之前，选择压强就可以变窄。管线里缺的不只是新分子，还有能告诉你"这不是细菌"的那张快报。咽拭子、降钙素原、多重 PCR，都是在和那道时间差赛跑。跑赢了，广谱可以不当默认；跑输了，医院里的最后防线会提前退休。诊断速度是抗菌政策的隐藏变量。没有病原体姓名，政策只能用广谱赌。有了姓名，才能把 AWaRe 的"储备"留在储备里。实验室周转时间和处方单是同一场战争的两条战线。战线断开，广谱就会成为社交润滑剂：开了，医患双方都觉得做了点什么。做了点什么，对细菌来说就是一堂选择课。这堂课上完了，留下的是会考试的株。
跨域连接
- 自然选择：耐药性是实时发生的自然选择——抗生素施加选择压力，携带耐药基因的个体存活繁殖，敏感株被清除，弗莱明1945年的警告正是基于这个逻辑。推论：抗生素使用量与耐药率应呈剂量相关；同一种"最后防线"药物被常规化使用之日，就是它失效倒计时的开始。
- 网络科学：质粒、转座子、整合子构成跨物种的耐药基因传播网络——水平转移让耐药性不必逐代垂直积累，而是沿网络横向蔓延。推论：高选择压力、高接触密度的节点（如医院）应成为耐药基因的枢纽——MRSA、CRE集中于医院环境，正是网络枢纽效应的表现。
- 抗生素耐药性：全球疾病负担研究估计2019年约127万人直接死于耐药感染，超过HIV/AIDS或疟疾；到2050年每年千万人死亡的预测则是基于较早模型的情景外推，本身有不确定性。推论：即使打折看待外推数字，"直接死亡已超过两大传染病"这一点也足以把它列为顶级公共卫生威胁。
- 公地悲剧：每一次用药的收益归个人，耐药性传播的代价由全社会分摊——抗生素有效性是被过度放牧的公共资源。推论：纯粹按销量回报的研发生态必然供给不足，需要订阅模式、市场准入奖励这类与用量脱钩的激励机制；丹麦全面禁用饲料促生长剂后耐药菌下降而产量未受显著影响，说明治理是可行的。
- 机器学习：深度学习先在约2300个分子上学会预测抗菌活性，再对逾1亿个分子做虚拟筛选，找出了结构全新的halicin。推论：AI的价值不在加速旧路径，而在覆盖传统化学方法够不到的化学空间——若该判断成立，新机制抗生素的发现率应随虚拟筛选规模上升，而非随人工合成化合物库的速度上升。
参考文献
- Fleming, A. (1929). On the antibacterial action of cultures of a penicillium. British Journal of Experimental Pathology, 10(3), 226–236.
- Murray, C.J.L. et al. (2022). Global burden of bacterial antimicrobial resistance in 2019: a systematic analysis. The Lancet, 399(10325), 629–655.
- Stokes, J.M. et al. (2020). A deep learning approach to antibiotic discovery. Cell, 180(4), 688–702.
- O'Neill, J. (2016). Tackling drug-resistant infections globally: final report and recommendations. Review on Antimicrobial Resistance.
- Blair, J.M.A. et al. (2015). Molecular mechanisms of antibiotic resistance. Nature Reviews Microbiology, 13(1), 42–51.
- Laxminarayan, R. et al. (2013). Antibiotic resistance—the need for global solutions. The Lancet Infectious Diseases, 13(12), 1057–1098.
- Lobanovska, M. & Pilla, G. (2017). Penicillin's discovery and antibiotic resistance: lessons for the future. Yale Journal of Biology and Medicine, 90(1), 135–145.