洗、揭、补、全……六十三载，重复道道工序；精益求精，锤炼修复技艺。张孝宅一心扑在文物修复工作上，把延续古书画的“寿命”当成自己的使命。

　　技艺重要，责任心更重要。正是对古书画、对文物修复工作的责任心，让张孝宅一辈子坚守这看似枯燥的工作，不辞辛苦，甘之如饴。

　　为保护书画的命纸，在修补工作中，他决不图省事，宁愿用“笨办法”；为攻克疑难问题，他遍览群书、冥思苦想，创新推出了“热气渗透法”；为修旧如旧，他特意留心整理修补材料，集纳成一个“百宝箱”……张孝宅以拯救病患的医生自比，对书画的“寿命”负责，他的修复工作经受住了时间的考验。

　　古书画记录历史，传承文化，是不可再生的珍贵资源。一代又一代文物工作者，用自己的坚持与热爱，让许许多多的古书画得以留存和复原。相信随着越来越多人的加入和越来越多技艺的创新，我们能够看到更多古书画的原始风貌，感受传承千百年的文化魅力。

　　《 人民日报 》（ 2024年05月21日 07 版）

(责编：牛镛、岳弘彬)

新华社北京1月1日电 美国麻省理工学院近日发布新闻公报说，该校研究人员参与的国际团队利用人工智能深度学习模型，发现了可治疗耐药细菌感染的新型化合物。这些化合物有潜力成为新型抗生素药物。

麻省理工学院和哈佛大学等机构研究人员首先测试了约3.9万种化合物对耐甲氧西林金黄色葡萄球菌的抗菌活性，并利用测试数据以及这些化合物的化学结构等信息来训练深度学习模型。研究团队采用了一种被称为蒙特卡洛树搜索的算法，不仅使模型可以预测每个分子的抗菌活性，还能预测分子的哪些化学亚结构可能导致这种活性。为进一步缩小候选药物范围，他们还训练了另外三个深度学习模型来预测这些化合物对三种人体细胞是否具有毒性。

接下来，研究人员利用上述模型的集合预测了约1200万种化合物的抗菌活性和细胞毒性，确定了五类化合物对耐甲氧西林金黄色葡萄球菌有抗菌活性。他们从中选取280种化合物在培养皿进行抗耐甲氧西林金黄色葡萄球菌实验，最终挑选出属于同一类化合物的两种候选抗生素。小鼠实验结果显示，这两种化合物都对治疗耐甲氧西林金黄色葡萄球菌感染效果显著。

研究人员表示，新研究的一个关键创新在于打开了这类深度学习模型的“黑匣子”，弄清楚模型使用哪种信息来预测抗生素效力，这将有助于研究人员设计出比模型识别出的化合物效果更好的候选药物。未来他们还将更详细地分析上述两种化合物的化学性质和潜在临床用途，并利用这类深度学习模型设计更多候选药物，寻找能杀死其他细菌的化合物。

相关论文已发表在新一期英国《自然》杂志上。

(责编：林凡巽、姜洁)