KI entdeckt das erste neue Antibiotikum seit über 60 Jahren

Ein Deep-Learning-Algorithmus hat Wissenschaftlern dabei geholfen, neue Verbindungen zu identifizieren, die gegen antibiotikaresistente Bakterien wirksam sind – eine Bedrohung für die öffentliche Gesundheit, die jedes Jahr Tausende von Todesfällen verursacht.

Ärzte befürchten, dass Antibiotika seit der ersten Reinigung von Penicillin durch Fleming im Jahr 1928 immer unwirksamer werden Tausende von Todesfällen weltweit ist jedes Jahr eine willkommene Veranstaltung.

Mithilfe eines Deep-Learning-Algorithmus konnten Wissenschaftler das erste neue Antibiotikum seit über einem halben Jahrhundert identifizieren und so das Potenzial künstlicher Intelligenz im medizinischen Bereich demonstrieren und eine Lösung dafür aufzeigen Antibiotika Resistenz, die zu den größten globalen Bedrohungen für die menschliche Gesundheit zählt.

Um die Auswahl dieser neuen Klasse von Antibiotika-Kandidaten zu verfeinern, hat ein Team im Labor von James Collins vom Broad Institute des Massachusetts Institute of Technology und der Harvard University nutzte eine Art von KI namens Deep Learning, um 12 Millionen Verbindungen auf antibiotische Aktivität zu untersuchen.

Nach der Analyse durch Computersimulationen fanden die trainierten KI-Modelle dann 3646 Verbindungen mit idealen arzneimittelähnlichen Eigenschaften.

.@delafuenteupenn teilte mit, wie künstliche Intelligenz (#Ai) kann dabei helfen, die Entwicklung von Neuem zu leiten #Antibiotika, einschließlich neuer Erkenntnisse, die das Konzept des Deep Learning nutzen, um neue Antibiotika zu entdecken, eine Praxis, die im Labor von de la Fuente angewendet wird. @sciam https://t.co/eFGmY0ZLHo

— Penn Medicine (@PennMedicine) 26. Dezember 2023

Zusätzliche Berechnungen identifizierten die chemischen Unterstrukturen, die die Eigenschaften jeder Verbindung erklären könnten (nämlich, ob sie für den menschlichen Körper schädlich sind oder nicht), die Wissenschaftler verglichen, bevor sie 238 davon an Mäusen testeten.

Dabei entdeckten sie fünf verschiedene ungiftige Wirkstoffe, die sich als vielversprechend gegen Methicillin-Resistenzen erwiesen Staphylococcus aureus (MRSA) und Vancomycin-resistent Enterococcus – das sind einige der hartnäckigsten, am schwersten abzutötenden Krankheitserreger, die wir kennen.

„Unser Ziel in dieser Studie war, die Blackbox zu öffnen“, sagt er Felix Wang, ein Autor des Studie die in veröffentlicht wurde Natur letzten Monat.

„Unsere [KI-]Modelle sagen uns nicht nur, welche Verbindungen eine selektive antibiotische Aktivität haben, sondern auch warum, im Hinblick auf ihre chemische Struktur.“

Die Entwicklung baut auf früheren Forschungen zur Leistungsfähigkeit der Technologie zur Bekämpfung der anhaltenden Antibiotikaresistenzkrise auf.

Im Fall von Deep Learning nutzen Wissenschaftler es immer häufiger, um die Identifizierung potenzieller Medikamentenkandidaten zu beschleunigen, ihre Eigenschaften vorherzusagen und den Prozess zu optimieren, wie sie zu bedürftigen Patienten gelangen.

„Diese Modelle bestehen aus sehr vielen Berechnungen, die neuronale Verbindungen nachahmen, und niemand weiß wirklich, was unter der Haube vor sich geht“, fährt Wong fort.

„Unsere Arbeit bietet einen Rahmen, der zeiteffizient, ressourceneffizient und vom Standpunkt der chemischen Struktur aus mechanistisch aufschlussreich ist, wie wir es bisher noch nicht hatten.“