Künstliche Intelligenz gegen multiresistente Keime
Ein unsichtbarer Feind in Krankenhäusern: Multiresistente Keime bedrohen das Leben von Patienten. Doch nun gibt es eine neue Hoffnung. Mit Hilfe künstlicher Intelligenz haben Forschende ein bahnbrechendes Antibiotikum entdeckt, das gezielt gegen den gefährlichen Erreger Acinetobacter baumannii vorgeht.
Ein Durchbruch in der Antibiotikaforschung: Neues Hoffnungsmittel gegen Acinetobacter baumannii entdeckt.
Foto: PantherMedia / Kzenon
Forschende der McMaster University und des Massachusetts Institute of Technology haben künstliche Intelligenz verwendet, um ein neues Antibiotikum zu entdecken, das gegen multiresistente Keime eingesetzt werden könnte.
Was sind multiresistente Keime?
Multiresistente Keime stellen eine ernsthafte Bedrohung für die öffentliche Gesundheit dar. Diese Bakterienstämme haben eine Resistenz gegen eine Vielzahl von Antibiotika entwickelt und sind daher schwer zu behandeln. Sie können lebensbedrohliche Infektionen verursachen und sind besonders in Krankenhäusern und anderen medizinischen Einrichtungen verbreitet. Dies kann zu längeren Krankenhausaufenthalten, schwerwiegenderen Krankheitsverläufen und einer höheren Sterblichkeitsrate führen.
So wurde Acinetobacter baumannii von der Weltgesundheitsorganisation als eines der weltweit gefährlichsten antibiotikaresistenten Bakterien identifiziert. Sie können Lungenentzündung, Meningitis und Wundinfektionen verursachen und den durch Krankheit geschwächten Körper stark belasten, was zum Tod führen kann. Der Erreger von A. baumannii kann DNA von anderen Bakterienarten aufnehmen, einschließlich Antibiotikaresistenzgenen.
Mit anderen Worten: Es geht um die entwickelten Antibiotikaresistenzen. Deshalb ist es enorm wichtig, Mittel gegen diese Bakterien zu finden, die sie effektiv bekämpfen können.
KI findet antibakterielle Moleküle
Dank des Einsatzes künstlicher Intelligenz wurden nun antibakterielle Moleküle entdeckt, die spezifisch auf Acinetobacter baumannii abzielen und somit das Problem der Multiresistenz nicht verschärfen. Denn: Durch moderne algorithmische Ansätze ist es möglich, eine enorme Anzahl von Molekülen mit antibakteriellen Eigenschaften zu durchsuchen.
„Diese Arbeit bestätigt die Vorteile des maschinellen Lernens bei der Suche nach neuen Antibiotika“, kommentierte Jonathan Stokes, Hauptautor der Studie und Assistenzprofessor am Department für Biomedizin und Biochemie der McMaster University. „Mit Hilfe von KI können wir schnell weite Bereiche des chemischen Raums erkunden und dadurch die Chancen erhöhen, grundlegend neue antibakterielle Moleküle zu entdecken“, erklärte Stokes.
„Wir wissen, dass Breitbandantibiotika suboptimal sind und dass Erreger die Fähigkeit haben, sich an jede von uns angewendete Methode anzupassen und sich weiterzuentwickeln“, sagt Stokes. „KI-Methoden ermöglichen es uns, die Rate, mit der wir neue Antibiotika entdecken, erheblich zu steigern, und das zu geringeren Kosten. Dies ist ein wichtiger Erkundungsweg für neue Antibiotika.“
Wie abaucin entdeckt wurde
Das neu entdeckte Molekül, das gegen Acinetobacter baumannii wirksam ist, wurde nun als abaucin bezeichnet und wurde bereits erfolgreich zur Bekämpfung von Infektionen bei Mäusen eingesetzt.
In dieser Studie haben die Forschenden etwa 7.500 Moleküle auf ihre Fähigkeit getestet, das Wachstum von A. baumannii in vitro („In vitro“ ist lateinisch und bedeutet „im Glas“) zu hemmen. Sie haben ein neuronales Netzwerk mit diesen Daten des Wachstumshemmungstests trainiert und in silico (mit Computer) Vorhersagen für strukturell neue Moleküle mit Aktivität gegen A. baumannii durchgeführt. Durch diesen Ansatz wurde abaucin entdeckt, eine antibakterielle Verbindung mit enger spektraler Aktivität gegen A. baumannii.
Weitere Forschungsarbeiten zeigten, dass abaucin den Transport von Lipoproteinen durch Beeinflussung des LolE-Mechanismus stört, wie es in dem veröffentlichten Bericht zur Studie steht.
Diese Studie unterstreicht den Nutzen des maschinellen Lernens bei der Entdeckung von Antibiotika und beschreibt eine vielversprechende Verbindung mit gezielter Aktivität gegen einen anspruchsvollen gramnegativen Erreger.
Ein Beitrag von:
