MIT nutzt KI zur Entdeckung neuer Antibiotika gegen Superkeime

Jahrelang standen Ärzte vor der Herausforderung, Bakterien zu bekämpfen, die zunehmend resistent gegen bestehende Antibiotika werden. Forscher des MIT haben jedoch einen Durchbruch erzielt: Sie nutzen Deep Learning, um eine neue Klasse von Verbindungen zu identifizieren, die den Verlauf dieses anhaltenden Kampfes verändern könnte. In einer bahnbrechenden Studie, veröffentlicht in Nature, entdeckten diese Wissenschaftler Verbindungen, die in Laborversuchen das berüchtigte MRSA (methicillin-resistenter Staphylococcus aureus) effektiv abtöten konnten, wobei sie gleichzeitig eine geringe Toxizität gegenüber menschlichen Zellen aufwiesen. Diese vielversprechende Eigenschaft macht sie zu potenziellen Kandidaten für neue Medikamente.

MRSA verursacht jährlich über 80.000 Infektionen in den USA, wobei schwere Verläufe zu ernsthaften Gesundheitskomplikationen wie Sepsis führen können, einer lebensbedrohlichen Erkrankung, die durch Blutvergiftung gekennzeichnet ist. Um dieses dringende öffentliche Gesundheitsproblem anzugehen, trainierte das Forschungsteam des MIT ein anspruchsvolles Deep-Learning-Modell mit robusten Daten, die aus Tests von 39.000 Verbindungen auf ihre antibiotische Wirkung gegen MRSA stammen. Sie ergänzten diesen Datensatz mit detaillierten Informationen zu den chemischen Strukturen dieser Verbindungen, wodurch das Modell potenzielle Arzneikandidaten identifizieren konnte.

Um ihre Suche weiter zu verfeinern, entwickelten die Forscher drei zusätzliche Deep-Learning-Modelle, die vorhersagten, welche Verbindungen für menschliche Zellen toxisch sein könnten. Dieser multifacettierte Ansatz ermöglichte es ihnen, Verbindungen zu identifizieren, die MRSA effektiv beseitigen können, ohne Risiken für die menschliche Gesundheit darzustellen. Mithilfe dieser KI-Modelle screente das Team beeindruckende 12 Millionen kommerziell erhältlicher Verbindungen und isolierte letztendlich solche, die zu fünf unterschiedlichen Klassen gehörten, die vermutlich gegen MRSA wirksam sind. Nach diesem Hochdurchsatz-Screening traten zwei vielversprechende Kandidaten in rigorosen Laboruntersuchungen hervor.

Die innovative Studie wird von Felix Wong vom MIT und Harvard sowie Erica Zheng, Absolventin der Harvard Medical School, geleitet. Ihre Forschung ist Teil des Antibiotics-AI-Projekts im Collins Lab des MIT, das das Ziel verfolgt, sieben neue Klassen von Antibiotika zu entwickeln, die auf einige der tödlichsten Bakterien der Welt abzielen.

Die anvisierten Superbugs umfassen:

- E. coli

- Klebsiella pneumoniae

- Acinetobacter baumannii

- Pseudomonas aeruginosa

- Neisseria gonorrhoeae

- Staphylococcus aureus

- Mycobacterium tuberculosis

Das Labor hat sich verpflichtet, eine umfassende Trainingsbibliothek von 100.000 Verbindungen zu schaffen, die gegen diese sieben Pathogene untersucht werden, um aktive Moleküle zu identifizieren. Diese wertvollen Daten sollen dazu dienen, die maschinellen Lernmodelle weiter zu trainieren, die auf umfangreiche computerbasierte Bibliotheken mit über einer Milliarde Molekülen angewendet werden, mit dem letztendlichen Ziel, neuartige Antibiotika zu entdecken und zu entwerfen.

Laut den Centers for Disease Control wird alle 11 Sekunden in den USA bei einer Person eine antibiotikaresistente Infektion diagnostiziert, wobei alle 15 Minuten ein Todesfall aufgrund solcher Infektionen eintritt. Der weitverbreitete Missbrauch von Antibiotika bei Menschen und Tieren hat dieses Problem verschärft und zu einer globalen Krise in der Antibiotikaresistenz geführt. Das Labor hebt die dringende Notwendigkeit neuer Antibiotika hervor und betont, dass Pharmaunternehmen ihren Fokus weitgehend von diesem kritischen Bereich abgezogen und sich profitableren Märkten zugewandt haben. Die im Rahmen dieses Projekts entwickelten Antibiotika würden die ersten neuen Klassen seit über drei Jahrzehnten darstellen und verdeutlichen den dringenden Innovationsbedarf in diesem Bereich.