KI entwickelt neuartige Antibiotika, die gegen arzneimittelresistente Superkeime wirken

Die globale Krise der Antibiotikaresistenz erfordert völlig neue Ansätze in der Wirkstoffforschung. Während frühere KI-Methoden erfolgreich antibakterielle Verbindungen aus bestehenden chemischen Bibliotheken identifiziert haben, sind sie durch die strukturelle Vielfalt bekannter Moleküle begrenzt. Forscher des MIT haben nun ein revolutionäres generatives KI-Framework entwickelt, das vollständig neuartige Antibiotika von Grund auf entwirft und damit potenziell Zugang zu den weitgehend unerforschten Bereichen des chemischen Raums eröffnet.

Das Team verfolgte zwei komplementäre Ansätze: eine fragmentbasierte Methode, bei der über 45 Millionen chemische Fragmente gegen Neisseria gonorrhoeae und Staphylococcus aureus getestet und vielversprechende Fragmente anschließend zu vollständigen Molekülen ausgebaut wurden; sowie einen uneingeschränkten Ansatz, der vollständig neue Verbindungen generierte. Beide Methoden nutzten ausgefeilte KI-Modelle, darunter genetische Algorithmen und variationelle Autoencoder, und erzeugten schließlich über 36 Millionen bislang unbekannte Verbindungen mit vorhergesagter antibakterieller Wirkung.

Von 24 für Synthese und Tests ausgewählten Verbindungen zeigten sieben selektive antibakterielle Aktivität. Zwei herausragende Verbindungen, bezeichnet als NG1 und DN1, wiesen eine bemerkenswerte Wirksamkeit gegen multiresistente Bakterienstämme auf. Entscheidend ist, dass diese Verbindungen über Wirkmechanismen verfügen, die sich von bestehenden Antibiotika unterscheiden, und damit bestehende Resistenzmechanismen möglicherweise umgehen können. In Maus-Infektionsmodellen reduzierten beide Verbindungen die Bakterienlast bei vaginalen Gonorrhoe-Infektionen sowie bei Hautinfektionen mit methicillinresistentem S. aureus erfolgreich.

Der Durchbruch geht über die bloße Entdeckung neuer Antibiotika hinaus. Die Forscher bestätigten, dass ihr KI-System zuverlässig chemische Bereiche erkunden kann, die der Wirkstoffforschung bisher unzugänglich waren, und eröffnen damit Wege zu völlig neuen Klassen antimikrobieller Wirkstoffe. Dies stellt einen Paradigmenwechsel dar – weg vom Screening bestehender Molekülbibliotheken, hin zur gezielten Entwicklung neuartiger chemischer Substanzen, die durch biologische Ergebnisse geleitet wird.

Obwohl vielversprechend, müssen die Verbindungen noch umfangreiche Weiterentwicklungen durchlaufen, darunter die Optimierung für den menschlichen Einsatz, Sicherheitstests und klinische Studien. Dennoch belegt dieser Machbarkeitsnachweis, dass generative KI den geschätzten Raum von 10^60 möglichen wirkstoffähnlichen Molekülen erfolgreich durchsuchen kann, um genuinen neuartige therapeutische Kandidaten zu identifizieren.