Wissenschaft: KI findet neue Antibiotika-Klasse gegen MRSA

Die weltweite Medizin steht schon lange vor einem ernsten Problem: Antibiotikaresistenzen. Bakterien entwickeln sich schneller weiter, als wir neue Medikamente finden können. Doch nun gibt es einen entscheidenden Wendepunkt.

Einem Forscherteam, unter anderem vom Massachusetts Institute of Technology (MIT) und der Harvard University, ist es gelungen, mithilfe von „Deep Learning“ eine völlig neue Klasse von Antibiotika zu identifizieren, die selbst gegen extrem widerstandsfähige Erreger wirksam ist.

Die stille Pandemie und das Scheitern der klassischen Pharmaforschung

Seit Jahrzehnten ist die Entdeckung neuer Antibiotika ins Stocken geraten. Die meisten „neuen“ Medikamente sind lediglich leichte Variationen bereits bekannter Wirkstoffe. Währenddessen prognostiziert die Weltgesundheitsorganisation (WHO), dass antimikrobielle Resistenzen (AMR) bis zum Jahr 2050 jährlich 10 Millionen Todesopfer fordern könnten, wenn keine neuen Lösungen gefunden werden.

Das Problem: Die Suche nach neuen chemischen Strukturen ist extrem zeitaufwendig, teuer und oft erfolglos. Hier kommt die Künstliche Intelligenz ins Spiel, die diesen Prozess radikal beschleunigt.

In einer Ende 2023 in der Fachzeitschrift Nature veröffentlichten Studie präsentierten Forscher um James Collins (MIT) einen Meilenstein. Sie nutzten KI, um Methicillin-resistenten Staphylococcus aureus (MRSA) zu bekämpfen. MRSA ist ein berüchtigter Krankenhauskeim, der jedes Jahr Tausende von Todesfällen verursacht.

Das Team identifizierte eine neue Strukturklasse von Antibiotika, die effektiv gegen MRSA wirkt. In Mausmodellen zeigten zwei der identifizierten Kandidaten eine signifikante Reduktion der Bakterienlast – sowohl bei Hautinfektionen als auch bei systemischen Infektionen.

Die Methode: „Erklärbare“ KI (Explainable AI)

Der entscheidende Unterschied zu früheren KI-Versuchen lag in der Transparenz der Algorithmen. Früher war KI in der Wirkstoffforschung oft eine „Black Box“: Das System sagte voraus, dass ein Molekül wirkt, aber die Wissenschaftler wussten nicht, warum.

Bei diesem neuen Ansatz nutzten die Forscher Graph Neural Networks (GNNs):

Training: Die KI wurde mit Daten von ca. 39.000 chemischen Verbindungen trainiert, die auf ihre antibiotische Wirkung gegen MRSA getestet worden waren.
Transparenz: Die Forscher passten das Modell so an, dass es nicht nur Vorhersagen traf, sondern auch anzeigte, welche spezifischen chemischen Substrukturen für die Wirkung verantwortlich waren.
Screening: Mit diesem Wissen durchforstete die KI digitale Bibliotheken mit rund 12 Millionen kommerziell erhältlichen Verbindungen.
Ergebnis: Das Modell identifizierte Verbindungen, die für menschliche Zellen nur eine geringe Toxizität aufwiesen, aber hochwirksam gegen die Bakterien waren.

Durch das Verständnis der zugrundeliegenden chemischen Strukturen („Rationale“) konnten die Forscher gezielt Moleküle auswählen, die sich strukturell von herkömmlichen Antibiotika unterscheiden. Dies senkt das Risiko, dass Bakterien bereits resistent dagegen sind.

Warum ist das revolutionär?

Die Bedeutung dieser Entdeckung geht über die gefundenen Substanzen hinaus. Es ist der Beweis für ein neues Paradigma in der Medizin:

Geschwindigkeit: Was früher Jahre dauerte, kann nun in Tagen oder Wochen gescreent werden.
Kosteneffizienz: Teure Labortests müssen nur noch für die vielversprechendsten Kandidaten durchgeführt werden.
Neuartigkeit: Die KI findet Muster, die das menschliche Auge oder klassische Screening-Verfahren übersehen, und entdeckt so völlig neue Wirkmechanismen.

Frühere Erfolge: Halicin und Abaucin

Dieser Erfolg baut auf früheren Pionierarbeiten auf. Bereits 2020 entdeckte das Team um Collins mithilfe von KI das Antibiotikum Halicin, das gegen viele resistente Bakterienarten wirksam ist. Im Jahr 2023 identifizierten Forscher der McMaster University und des MIT zudem Abaucin, ein Antibiotikum, das spezifisch gegen den gefährlichen Erreger Acinetobacter baumannii wirkt.

Der aktuelle Durchbruch gegen MRSA verfeinert diese Methoden jedoch durch den Fokus auf die Erklärbarkeit der KI-Entscheidungen („White Box“-Ansatz), was das Vertrauen und die Präzision in der Wirkstoffentwicklung massiv erhöht.

Fazit

Die Entdeckung der neuen Antibiotika-Klasse gegen MRSA ist ein Hoffnungsschimmer im Kampf gegen die Resistenzen. Zwar müssen diese Wirkstoffe nun noch strenge klinische Studien am Menschen durchlaufen, was Jahre dauern kann, doch die Methode selbst ist der eigentliche Triumph.

Die Verbindung von Biologie und fortgeschrittener Informatik gibt der Menschheit ein mächtiges Werkzeug an die Hand, um im evolutionären Wettrüsten gegen Superkeime wieder die Oberhand zu gewinnen.

Quellenangaben:

Wong, F. et al. (2023): „Discovery of a structural class of antibiotics with explainable deep learning.“ Nature.
MIT News: „Artificial intelligence helps researchers discover a new class of antibiotics.“
World Health Organization (WHO): Berichte zu Antimikrobiellen Resistenzen (AMR).
Stokes, J. M. et al. (2020): „A Deep Learning Approach to Antibiotic Discovery.“ Cell.