{"id":6778,"date":"2025-08-14T17:00:00","date_gmt":"2025-08-14T15:00:00","guid":{"rendered":"https:\/\/aitrends.center\/mit-researchers-use-ai-to-design-novel-antibiotics-against-drug-resistant-bacteria\/"},"modified":"2025-08-14T17:00:00","modified_gmt":"2025-08-14T15:00:00","slug":"mit-forscher-entwickeln-mit-hilfe-von-ki-neue-antibiotika-gegen-arzneimittelresistente-bakterien","status":"publish","type":"post","link":"https:\/\/aitrendscenter.eu\/de\/mit-researchers-use-ai-to-design-novel-antibiotics-against-drug-resistant-bacteria\/","title":{"rendered":"MIT-Forscher entwickeln mithilfe von KI neuartige Antibiotika gegen arzneimittelresistente Bakterien"},"content":{"rendered":"

Forscher des MIT haben sich die Macht der generativen k\u00fcnstlichen Intelligenz zunutze gemacht, um einen gro\u00dfen 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<\/em> und den multiresistenten Medikamenten Staphylococcus aureus<\/em> (MRSA). Das Besondere an diesem Projekt ist die Tatsache, dass die neuen antibiotischen Verbindungen strukturell einzigartig sind und \u00fcber noch nie dagewesene Mechanismen wirken.<\/p>\n

Dank k\u00fcnstlicher Intelligenz konnte das MIT-Team \u00fcber 36 Millionen potenzielle chemische Verbindungen generieren und diese mit einem fortschrittlichen Screening-Verfahren auf ihre antimikrobielle Aktivit\u00e4t hin untersuchen. James Collins, der Kopf dieser Initiative, erkl\u00e4rte mit sp\u00fcrbarer Begeisterung: \u201cUnsere Arbeit zeigt die Leistungsf\u00e4higkeit der KI aus der Sicht des Wirkstoffdesigns und erm\u00f6glicht es uns, viel gr\u00f6\u00dfere chemische R\u00e4ume zu erschlie\u00dfen, die zuvor unzug\u00e4nglich waren.\u201d<\/p>\n

In der Vergangenheit wurden bei der Entdeckung neuer Antibiotika haupts\u00e4chlich leicht ver\u00e4nderte Varianten bestehender Medikamente entwickelt. Angesichts der F\u00e4higkeit von Bakterien, Resistenzen gegen diese modifizierten Medikamente zu entwickeln, stellte dies ein massives Problem dar, das j\u00e4hrlich sch\u00e4tzungsweise 5 Millionen Todesopfer forderte. Durch den Einsatz von k\u00fcnstlicher Intelligenz zum Durchsuchen chemischer Datenbanken kann die MIT-Antibiotika-AI-Projekt <\/a> hat vielversprechende Kandidaten hervorgebracht, wie z. B. Halicin<\/a> und abaucin<\/a>.<\/p>\n

In ihrer j\u00fcngsten Studie wagte sich das Team von Collins noch weiter von der Norm ab und begab sich in unbekannte chemische Bereiche. Mit Hilfe der KI gelang es ihnen, v\u00f6llig neue Molek\u00fcle zu erfinden, die in keiner der aktuellen Datenbanken oder Bibliotheken vorhanden sind. Der Schwerpunkt ihrer Studie lag auf zwei Aspekten: erstens auf dem Bakterium, das f\u00fcr Gonorrhoe verantwortlich ist, N. gonorrhoeae<\/em>; und zweitens, die Bek\u00e4mpfung von S. aureus<\/em>, ein Bakterium, das daf\u00fcr ber\u00fcchtigt ist, gegen mehrere Antibiotika resistent zu sein.<\/p>\n

Konfrontieren N. gonorrhoeae<\/em>, Das Team begann mit einer Bibliothek von 45 Millionen bekannten chemischen Fragmenten und filterte diese mit Hilfe von Modellen des maschinellen Lernens auf nur 1 Million Kandidaten herunter. Ziel war es, alle Verbindungen auszuschlie\u00dfen, die bestehenden Antibiotika \u00e4hneln oder die eine vorhergesagte Toxizit\u00e4t f\u00fcr menschliche Zellen aufweisen. Aus diesem Prozess ging eine Verbindung mit der Bezeichnung \u2018NG1\u2019 hervor, die eine starke Aktivit\u00e4t gegen N. gonorrhoeae<\/em> unter Laborbedingungen und in einem Mausmodell.<\/p>\n

Der Ansatz, der f\u00fcr S. aureus<\/em> unterschiedlich, wobei die KI v\u00f6llige Freiheit hatte, Molek\u00fcle ohne vorgegebene Fragmente zu entwerfen. Hier zeigte der herausragende Kandidat, \u2018DN1\u2019, eine starke antibakterielle Aktivit\u00e4t und war erfolgreich bei der Behandlung von MRSA-Hautinfektionen bei M\u00e4usen.<\/p>\n

W\u00e4hrend Collins und sein Team ihre bahnbrechende Forschung fortsetzen, hat sich Phare Bio, ein Partner des Antibiotika-KI-Projekts, vorgenommen, sowohl NG1 als auch DN1 f\u00fcr weitere Tests zu verfeinern. Gleichzeitig plant das MIT-Team, den Scheinwerfer seiner KI-Plattform auf eine Vielzahl gef\u00e4hrlicher Krankheitserreger zu richten, darunter Mycobacterium tuberculosis<\/em> und Pseudomonas aeruginosa<\/em>.<\/p>\n

Diese revolution\u00e4re Arbeit wird von einer Reihe von Organisationen unterst\u00fctzt, 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<\/a>.<\/p>","protected":false},"excerpt":{"rendered":"

Researchers at MIT have harnessed the power of generative artificial intelligence to make a major leap in our battle against antibiotic resistance. The team has devised a novel approach using AI to develop unique antibiotics that show promising results against two notoriously drug-resistant bacterial infections: Neisseria gonorrhoeae and the multi-drug-resistant Staphylococcus aureus (MRSA). What sets this project apart and adds to its brilliance is the fact that the new antibiotic compounds are structurally unique, working through never-before-seen mechanisms. Thanks to AI, the MIT team was able to generate over 36 million potential chemical compounds and used an advanced screening process […]<\/p>\n","protected":false},"author":4,"featured_media":6779,"comment_status":"","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[46,47],"tags":[],"class_list":["post-6778","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai-automation","category-ai-news","post--single"],"_links":{"self":[{"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/posts\/6778","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/comments?post=6778"}],"version-history":[{"count":0,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/posts\/6778\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/media\/6779"}],"wp:attachment":[{"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/media?parent=6778"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/categories?post=6778"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/tags?post=6778"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}