Mit Künstlicher Intelligenz nach neuen Antibiotika suchen
Die Professoren Ivo Boneca (Institut Pasteur, Paris), Mark Brönstrup (Helmholtz-Zentrum für Infektionsforschung, Braunschweig, und Deutsches Zentrum für Infektionsforschung) und Christophe Zimmer (Universität Würzburg) erhalten gemeinsam einen der renommiertesten europäischen Forschungspreise, den mit elf Millionen Euro dotierten ERC Synergy Grant des Europäischen Forschungsrates (ERC). Das Trio verfolgt einen auf KI basierenden Ansatz, um die systematische Suche nach neuen Antibiotika deutlich effizienter zu machen.
Antibiotika mit neuen Wirkmechanismen gesucht
Antibiotikaresistenzen gehören zu den drängendsten Gesundheitsproblemen unserer Zeit. Um solchen Resistenzen entgegenzuwirken, braucht die Menschheit dringend neue Antibiotika – vor allem solche mit komplett neuartigen Wirkmechanismen.
Bei der Suche nach Antibiotika kommen heute groß angelegte Screening-Verfahren zum Einsatz. Damit lassen sich aus einer Vielzahl potenzieller Wirkstoffe relativ schnell Verbindungen identifizieren, die das Bakterienwachstum beeinträchtigen. „Doch die üblichen Verfahren können nicht vorhersagen, wo genau die Wirkstoffe die Bakterien angreifen und mit welchen Mechanismen“, erklärt Brönstrup. Dafür seien bislang weitere, oft sehr zeitaufwändige Arbeitsschritte nötig.
Die Kooperationspartner wollen deshalb ein weitgehend neues Verfahren für die systematische Antibiotika-Suche zu entwickeln. Es soll neue Antibiotika-Kandidaten identifizieren und gleichzeitig Informationen über deren Bioaktivität und Wirkmechanismen liefern.
Sieben wichtige Krankheitserreger im Fokus
Zunächst will das Team insgesamt sieben Bakterienspezies, darunter gefährliche Krankheitserreger, mit modernsten Methoden analysieren, um ihre zellulären und molekularen Merkmale zu bestimmen: Bacillus subtilis, Escherichia coli, Helicobacter pylori, Mycobacterium abscessus, Pseudomonas aeruginosa, Staphylococcus aureus und Yersinia pseudotuberculosis. Im Ergebnis sollen Datensätze in noch nie dagewesenem Umfang generiert werden, die detaillierte Informationen über diese Bakterien und deren genetische Mutanten enthalten.
Deep-Learning-Analysen sollen dann dafür sorgen, dass aus diesem Datenschatz Angriffsziele für Antibiotika mit neuartigen Wirkmechanismen aufgedeckt werden. „Mit diesem Ansatz werden wir synthetische Molekülbibliotheken und Naturstoffe vielleicht sogar aus komplexen Mischungen zielgenau daraufhin untersuchen, ob sie potenzielle neue antibiotische Wirkstoffe enthalten und um ihre molekularen Mechanismen rechnerisch vorherzusagen“, sagt Zimmer.
Projektdauer beträgt sechs Jahre
Das ERC-Projekt „Deep learning analysis of imaging and metabolomic data to accelerate antibiotic discovery against antimicrobial resistance (AI4AMR)” startet 2025 und läuft sechs Jahre.
