Forscher des MIT haben sich die Macht der generativen künstlichen Intelligenz zunutze gemacht, um einen großen Schritt im Kampf gegen Antibiotikaresistenzen zu machen. Das Team hat einen neuartigen Ansatz entwickelt, bei dem KI eingesetzt wird, um einzigartige Antibiotika zu entwickeln, die vielversprechende Ergebnisse gegen zwei notorisch arzneimittelresistente bakterielle Infektionen zeigen: Neisseria gonorrhoeae und den multiresistenten Medikamenten Staphylococcus aureus (MRSA). Das Besondere an diesem Projekt ist die Tatsache, dass die neuen antibiotischen Verbindungen strukturell einzigartig sind und über noch nie dagewesene Mechanismen wirken.
Dank künstlicher Intelligenz konnte das MIT-Team über 36 Millionen potenzielle chemische Verbindungen generieren und diese mit einem fortschrittlichen Screening-Verfahren auf ihre antimikrobielle Aktivität hin untersuchen. James Collins, der Kopf dieser Initiative, erklärte mit spürbarer Begeisterung: “Unsere Arbeit zeigt die Leistungsfähigkeit der KI aus der Sicht des Wirkstoffdesigns und ermöglicht es uns, viel größere chemische Räume zu erschließen, die zuvor unzugänglich waren.”
In der Vergangenheit wurden bei der Entdeckung neuer Antibiotika hauptsächlich leicht veränderte Varianten bestehender Medikamente entwickelt. Angesichts der Fähigkeit von Bakterien, Resistenzen gegen diese modifizierten Medikamente zu entwickeln, stellte dies ein massives Problem dar, das jährlich schätzungsweise 5 Millionen Todesopfer forderte. Durch den Einsatz von künstlicher Intelligenz zum Durchsuchen chemischer Datenbanken kann die MIT-Antibiotika-AI-Projekt hat vielversprechende Kandidaten hervorgebracht, wie z. B. Halicin und abaucin.
In ihrer jüngsten Studie wichen Collins’ Team noch weiter von der Norm ab und wagten sich in unbekanntes chemisches Terrain vor. Mithilfe von KI gelang es ihnen, völlig neue Moleküle zu entwickeln, die in keiner der derzeitigen Datenbanken oder Bibliotheken zu finden sind. Der Schwerpunkt ihrer Studie lag auf zwei Aspekten: Erstens auf der Bekämpfung des für Gonorrhö verantwortlichen Bakteriums, N. gonorrhoeae; und zweitens, die Bekämpfung von S. aureus, ein Bakterium, das dafür berüchtigt ist, gegen mehrere Antibiotika resistent zu sein.
Konfrontieren N. gonorrhoeae, begann das Team mit einer Bibliothek von 45 Millionen bekannter chemischer Fragmente und nutzte Modelle des maschinellen Lernens, um diese auf lediglich 1 Million Kandidaten einzugrenzen. Das Ziel bestand darin, alle Verbindungen auszuschließen, die bestehenden Antibiotika ähnelten oder bei denen eine Toxizität für menschliche Zellen vorhergesagt wurde. Aus diesem Prozess ging eine Verbindung namens ‘NG1’ hervor, die eine starke Wirksamkeit gegen N. gonorrhoeae unter Laborbedingungen und in einem Mausmodell.
Der Ansatz, der für S. aureus unterschieden sich, wobei der KI völlige Freiheit bei der Entwicklung von Molekülen ohne vorgegebene Fragmente eingeräumt wurde. Hier zeigte der herausragende Kandidat ‘DN1’ eine starke antibakterielle Wirkung und erwies sich bei der Behandlung einer MRSA-Hautinfektion bei Mäusen als erfolgreich.
Während Collins und sein Team ihre bahnbrechende Forschung fortsetzen, hat sich Phare Bio, ein Partner des Antibiotika-KI-Projekts, vorgenommen, sowohl NG1 als auch DN1 für weitere Tests zu verfeinern. Gleichzeitig plant das MIT-Team, den Scheinwerfer seiner KI-Plattform auf eine Vielzahl gefährlicher Krankheitserreger zu richten, darunter Mycobacterium tuberculosis und Pseudomonas aeruginosa.
Diese revolutionäre Arbeit wird von einer Reihe von Organisationen unterstützt, darunter die U.S. Defense Threat Reduction Agency, die National Institutes of Health, das Audacious Project und mehrere private Spender. Einen tieferen Einblick in die Originalstudie erhalten Sie unter MIT-Nachrichten.
Diese Website verwendet Cookies.