KI entwirft neue Antibiotika aus dem Nichts

Können NG1 und DN1 multiresistente Keime stoppen, wo andere scheitern?

gpt-image-1 | All-AI.de

Künstliche Intelligenz hat zwei neue Antibiotika entworfen, die im Labor und im Tierversuch gegen multiresistente Bakterien wirken. NG1 und DN1 entstanden nicht in klassischen Datenbanken, sondern durch generative Modelle. Beide greifen die Bakterienmembran an und unterscheiden sich strukturell von bekannten Wirkstoffen. Kann dieser Ansatz die stockende Antibiotikaforschung neu beleben?

Vom Molekülfragment zum Wirkstoff

Im ersten Entwicklungsschritt konzentrierte sich das Forschungsteam auf Gonorrhö-Erreger. Als Ausgangspunkt diente ein Fragment mit dem Kürzel F1, das unter 45 Millionen Kandidaten ausgewählt wurde. Die KI generierte daraus etwa sieben Millionen vollständige Moleküle. Nach mehreren Bewertungsrunden blieben 80 realistische Strukturen, zwei wurden schließlich synthetisiert.

Einer der beiden Stoffe, NG1, stoppte im Labor resistente Gonorrhö-Stämme und heilte im Mausmodell eine Infektion. Analysen zeigen, dass NG1 gezielt das Protein LptA blockiert, das für die Bildung der äußeren Bakterienmembran nötig ist. Damit wird der Erreger geschwächt und kann sich nicht weiter ausbreiten.

Zweiter Wirkstoff aus freier Konstruktion

Der zweite Wirkstoff DN1 entstand ohne Startfragment. Ziel war der MRSA-Erreger, bekannt für seine Resistenz gegen viele Antibiotika. Die KI entwarf über 29 Millionen chemisch plausible Moleküle. Nach strenger Auswahl blieben rund 90 vielversprechende Kandidaten, von denen etwa zwei Dutzend im Labor hergestellt wurden. Sechs davon zeigten Aktivität, einer besonders deutlich: DN1.

Im Tiermodell beseitigte DN1 eine MRSA-Hautinfektion vollständig. Anders als NG1 bindet DN1 nicht an ein bestimmtes Protein, sondern stört breiter die Bakterienmembran. Das erschwert es dem Erreger, Resistenzen zu entwickeln. Zusätzlich sind beide Wirkstoffe chemisch so weit von etablierten Substanzen entfernt, dass Kreuzresistenzen unwahrscheinlich sind.

Neuer Weg in der Antibiotikaforschung

Die Methode zeigt, dass generative KI-Modelle völlig neue Substanzklassen erschließen können. Statt sich auf bekannte Strukturen zu stützen, entwirft die Software Moleküle aus Fragmenten oder sogar aus dem Nichts. Das erweitert die Möglichkeiten der frühen Forschung erheblich – besonders bei Krankheitserregern, gegen die kaum noch Medikamente wirken.

Bis zur klinischen Anwendung ist es jedoch ein weiter Weg. Synthetisierbarkeit, Stabilität, Verträglichkeit und Wirksamkeit müssen erst in weiteren Studien belegt werden. Eine gemeinnützige Organisation hat die Wirkstoffe bereits übernommen und bereitet präklinische Tests vor. Parallel soll die Plattform auf andere Keime wie Tuberkulose- oder Pseudomonas-Erreger ausgeweitet werden.

Kostenlose News und Tutorials – mit minimaler Werbung und maximalem Mehrwert. Damit das so bleibt und wir uns stetig verbessern können, freuen wir uns über deine Unterstützung.

Teile diesen Beitrag

Folge uns auf Social Media

Keine KI-News mehr verpassen und direkt kommentieren!

Unterstütze uns direkt

Mit einer YouTube-Mitgliedschaft (ab 0,99 €) oder einmalig über PayPal. So helft ihr uns, unabhängig neue Tools zu testen und noch mehr Tutorials für euch zu erstellen. Vielen Dank für euren Support!