César de la Fuente的使命是透過自然界的解決方案來對抗抗微生物藥物抗性。
當他還是個青少年，正思考人生方向時，他列出世界上最大的問題，並依政府投入資金多少反向排序，抗微生物藥物抗性位居榜首。
二十年過去，這個問題不但未消失，反而惡化。由細菌、真菌和病毒演化出逃避治療方式的感染，每年造成超過400萬人死亡，根據《刺胳針》期刊最新分析，2050年死亡數可能超過800萬。在2025年7月發表於《物理評論快報》的文章中，de la Fuente與合成生物學家James Collins警告即將來臨的「後抗生素時代」，常見細菌如大腸桿菌或金黃色葡萄球菌的耐藥感染，過去可用藥物治療的情況將變致命。他們指出：「抗生素發現管線極度匱乏，受限於高昂開發成本、漫長時程及低投資回報。」
但de la Fuente利用人工智慧帶來不同未來。他在賓夕法尼亞大學的團隊訓練AI工具，深入搜尋基因組中具抗菌肽特性的序列。他的願景是組合這些由最多50個胺基酸連結而成的肽，形成各種配置，甚至包括自然界未曾出現的結構。希望結果能防禦傳統治療無效的微生物。
他的探索在意想不到的地方發現有潛力的候選肽。2025年8月，他帶領16位科學家的機器生物學團隊發現古老單細胞生物古菌基因碼中隱藏的肽。之前，他們從蛇、黃蜂和蜘蛛的毒液中挖掘候選肽。在一項名為「分子復活」的計畫中，他與合作者掃描已滅絕物種的公開基因序列，尋找可能具功能的分子。這些物種包括尼安德塔人、丹尼索瓦人等古人類，以及長毛象、古斑馬和企鵝等大型動物。de la Fuente推論，地球生命史上某些生物可能演化出今日仍有用的抗菌防禦。這些已消失的基因碼催生出復活的化合物，如來自長毛象DNA的mammuthusin-2、巨樹懶的mylodonin-2和古海牛的hydrodamin-1。近年來，這波分子挖掘讓de la Fuente累積超過百萬種基因配方庫。
40歲的de la Fuente已獲美國微生物學會、美國化學學會等多項獎項肯定。（2019年，本刊曾將他列為「35位35歲以下創新者」之一，表彰他將計算方法應用於抗生素發現。）他被廣泛視為利用AI解決實際問題的領導者。MIT的Collins表示：「他確實是這領域的先驅。」（兩人未在實驗室合作，但Collins長期領先AI藥物發現，包括抗生素搜尋。2020年，Collins團隊利用AI模型預測出廣譜抗生素halicin，目前正處於臨床前開發階段。）
Collins指出，抗生素開發需要極大創意與創新，de la Fuente在肽類研究上的推動讓領域前進：「César非常有天賦且創新。」
de la Fuente形容抗微生物藥物抗性是「幾乎不可能」的問題，但他認為「幾乎」留有探索空間。他說：「我喜歡挑戰，這是終極挑戰。」
他指出，抗生素的使用、過度使用和誤用推動抗藥性問題，且因傳統尋找、製造和測試藥物方式成本高昂且常陷入死胡同，問題持續惡化。「過去許多嘗試開發抗生素的公司最終倒閉，因為投資回報不佳。」
抗生素發現歷來混亂且充滿偶然與不確定性，長期依賴蠻力機械方法。「科學家挖掘土壤和水域，從複雜有機物中提取抗菌分子。」
但分子極其複雜。研究估計可合成的有機組合約10的60次方，地球沙粒約10的18次方。加拿大麥克馬斯特大學化學生物學家Jonathan Stokes表示：「藥物發現本質是統計遊戲，需要足夠嘗試才能成功。」他與Collins合作開發halicin，並利用生成式AI設計可合成的新抗生素。
但嘗試必須精準，AI正好能提升研究者的準確度。de la Fuente解釋，生物學是資訊來源：「就像一段程式碼。」DNA有四個字母，蛋白質和肽有20個字母，每個代表一種胺基酸。他的工作是訓練AI模型辨識編碼抗菌肽（AMP）的序列。「這樣想，你可以設計演算法挖掘程式碼，找出具功能的分子，可能是抗菌、抗瘧疾或抗癌分子。」
實際上，這些肽尚未轉化為可用藥物，還需解決劑量、傳遞和特定目標等細節。de la Fuente說，AMP吸引人之處在於人體本身已使用它們，作為免疫系統重要且常為第一道防線。與通常只有單一殺菌機制的傳統抗生素不同，AMP通常具多重機制，可能破壞細胞壁、基因物質及多種細胞過程。細菌可能對單一機制抗藥，但難以抵抗多重攻擊。
de la Fuente團隊是眾多利用AI推進抗生素研究的團隊之一。他專注肽類，Collins則研究小分子，Stokes也在麥克馬斯特利用模型預測新分子及合成可能性。Collins說：「AI在藥物發現的有意義應用才幾年時間。」
斯坦福大學計算機科學家James Zou與Stokes、Collins合作指出，工具已從預測模型轉向生成式方法。預測模型篩選已知有潛力的候選庫，生成式則能從零設計新分子。去年，de la Fuente團隊用生成式AI設計合成肽，並用另一模型評估，測試兩種化合物於感染抗藥性Acinetobacter baumannii的小鼠，成功且安全治療感染。該細菌被世界衛生組織列為抗微生物抗性研究「關鍵優先」病原體。
但該領域仍處於發現階段。de la Fuente目前致力讓候選藥物更接近臨床測試，團隊開發名為ApexOracle的多模態模型，能分析新病原體、找出基因弱點、匹配抗菌肽，並預測由肽組成的抗生素在實驗室測試的表現。他說：「它融合化學、基因組學與語言理解。」雖仍初步，但即使不完美，也將引導下一代AI模型朝抗藥性目標前進。
他相信，利用AI，人類研究者有機會迎頭趕上這巨大威脅。這項技術已節省數十年研究時間，現在他希望它也能拯救生命：「這就是我們今天生活的世界，令人驚嘆。」