KI-gestützte Entdeckungen im Kampf gegen Antibiotika-resistente Bakterien
In einer bahnbrechenden Studie, veröffentlicht in Nature, haben Forscher des MIT mithilfe von Deep Learning, einer Form der künstlichen Intelligenz, neue Verbindungen entdeckt, die einen gefürchteten Feind besiegen können: Methicillin-resistenter Staphylococcus aureus (MRSA). Dieser für jährlich über 10.000 Todesfälle in den Vereinigten Staaten verantwortliche Bakterienstamm ist häufig resistent gegen mehrere Antibiotika.
Das Team des MIT, geleitet von James Collins, Professor am Institute for Medical Engineering and Science, identifizierte mehrere Verbindungen mit starker Wirkung gegen MRSA. Diese Verbindungen zeigen eine geringe Toxizität gegenüber menschlichen Zellen und sind daher vielversprechende Kandidaten für zukünftige Medikamente. Diese Entdeckung ist Teil des Antibiotics-AI-Projekts am MIT, das darauf abzielt, neue Antibiotikaklassen gegen verschiedene tödliche Bakterien über sieben Jahre hinweg zu entdecken.
Aufdecken der “Black Box” der KI in der Arzneimittelforschung
Ein einzigartiger Aspekt dieser Studie ist die Fähigkeit des Teams, zu entschlüsseln, wie das Deep-Learning-Modell seine Vorhersagen zur Antibiotikawirksamkeit trifft. Traditionelle KI-Modelle in der Arzneimittelforschung funktionieren oft als “Black Boxes” – ihre Denkprozesse und internen Abläufe bleiben unbekannt. Durch Anpassung eines Algorithmus, bekannt als Monte-Carlo-Baumsuche, der auch in anderen KI-Systemen wie AlphaGo verwendet wird, machten die MIT-Forscher die Vorhersagen ihres Modells nachvollziehbarer.
Sie trainierten das Modell mit einem erweiterten Datensatz von etwa 39.000 Verbindungen, indem sie jede auf ihre antibiotische Aktivität gegen MRSA testeten. Indem sie dem Modell Informationen über die chemischen Strukturen dieser Verbindungen und ihre antibakteriellen Eigenschaften zuführten, ermöglichten sie es, die Wahrscheinlichkeit vorherzusagen, dass eine neue Molekülverbindung ein wirksames Antibiotikum ist.
Der Durchbruch kam, als das Modell spezifische molekulare Substrukturen identifizierte, die für die antimikrobielle Aktivität verantwortlich sind. Diese Einsicht ist entscheidend, da sie Forscher bei der Entwicklung wirksamerer Antibiotika anleitet.
Mithilfe einer Reihe von Modellen durchsuchten die Forscher etwa 12 Millionen kommerziell erhältliche Verbindungen und identifizierten mehrere vielversprechende Klassen, die gegen MRSA wirksam zu sein schienen. Labortests und anschließende Experimente in zwei Mausmodellen der MRSA-Infektion bestätigten die Wirksamkeit dieser Verbindungen. Sie scheinen zu wirken, indem sie die Fähigkeit der Bakterien stören, ihren kritischen elektrochemischen Gradienten über Zellmembranen aufrechtzuerhalten.
Diese Entdeckung eröffnet neue Wege im Kampf gegen antibiotikaresistente Bakterien. Die Forscher haben ihre Ergebnisse bereits mit Phare Bio, einer gemeinnützigen Organisation, die mit dem Antibiotics-AI-Projekt verbunden ist, geteilt, um das klinische Potenzial dieser Verbindungen weiter zu untersuchen. Inzwischen arbeitet das Labor von Collins daran, auf Grundlage der neuen Studienergebnisse zusätzliche Arzneimittelkandidaten zu entwickeln und ihre Modelle zur Identifizierung von Verbindungen, die andere Bakterienarten abtöten können, zu erweitern.
Der Erfolg dieser Studie stellt einen bedeutenden Schritt nach vorne in der Antibiotikaentdeckung dar und zeigt das immense Potenzial der KI in der medizinischen Forschung. Es geht nicht nur darum, neue Medikamente zu finden, sondern auch zu verstehen, wie und warum sie wirken, um den Weg für gezieltere und wirksamere Behandlungen gegen die stetig wachsende Bedrohung durch antibiotikaresistente Bakterien zu ebnen.
