KI revolutioniert die Entdeckung neuer Antibiotika: Neue AI-Studie entdeckt fast 1 Million weitere neue Antibiotika

MÜNCHEN (IT BOLTWISE) – Eine neue Studie zeigt, dass KI genutzt wurde, um potenziell neue Antibiotika im globalen Mikrobiom vorherzusagen. Dies markiert einen bedeutenden Fortschritt in der Verwendung von Künstlicher Intelligenz in der Forschung zur antimikrobiellen Resistenz.

Wissenschaftler haben einen Algorithmus eingesetzt, um die „gesamte mikrobielle Vielfalt, die wir auf der Erde haben – oder eine große Repräsentation davon – zu durchsuchen und fast 1 Million neue Moleküle zu finden, die in all diesem mikrobiellen Dunkelmaterie versteckt sind“, sagte César de la Fuente, Autor der Studie und Professor an der University of Pennsylvania. De la Fuente leitet die Machine Biology Group, die es sich zum Ziel gesetzt hat, mit Computern Entdeckungen in Biologie und Medizin zu beschleunigen.

Ohne einen solchen Algorithmus hätten Wissenschaftler traditionelle Methoden wie das Sammeln von Wasser- und Bodenproben verwenden müssen, um Moleküle innerhalb dieser Proben zu finden. Das wäre herausfordernd, da Mikroben überall sind – vom Ozean bis zum menschlichen Darm.

„Es hätte viele, viele, viele Jahre gedauert, das zu tun, aber mit einem Algorithmus können wir durch riesige Mengen an Informationen sortieren, und das beschleunigt den Prozess“, sagte de la Fuente.

Die Forschung ist laut dem Autor dringend für die öffentliche Gesundheit notwendig, da antimikrobielle Resistenz im Jahr 2019 mehr als 1,2 Millionen Todesfälle verursachte. Diese Zahl könnte laut der Weltgesundheitsorganisation (WHO) bis 2050 auf 10 Millionen Todesfälle jährlich ansteigen.

Obwohl de la Fuente die Studie, die die „größte Anstrengung zur Entdeckung von Antibiotika aller Zeiten“ hervorbrachte, als einen Wendepunkt in den potenziellen Vorteilen der Künstlichen Intelligenz für die Forschung sieht, räumte er ein, dass böse Akteure möglicherweise „KI-Modelle entwickeln könnten, um Toxine zu entwerfen“.

Sein Labor habe Sicherheitsvorkehrungen getroffen, um sicherzustellen, dass die Moleküle nicht selbstreplizierend sind. Sicherheitsvorkehrungen waren jedoch für diese Studie nicht erforderlich, da es sich um „inaktive Moleküle“ handelte.

Während Künstliche Intelligenz in den letzten Jahren ein heißes Thema geworden ist, sagte de la Fuente, dass er vor etwa einem Jahrzehnt begonnen habe, KI in der Antibiotikaforschung zu nutzen.

„Wir konnten die Entdeckung von Antibiotika einfach beschleunigen“, sagte de la Fuente. „Anstatt fünf, sechs Jahre warten zu müssen, um einen Kandidaten zu finden, können wir jetzt auf dem Computer in nur wenigen Stunden Hunderttausende von Kandidaten finden.“

Bevor die US-amerikanische Food and Drug Administration ein Antibiotikum genehmigt, durchläuft es normalerweise jahrelange Studien durch Laborforschung und klinische Versuche. Diese verschiedenen Phasen können 10 bis 20 Jahre dauern.

Für diese Studie sammelten die Forscher Genome und Metagenome aus öffentlich zugänglichen Datenbanken und suchten nach DNA-Schnipseln, die antimikrobielle Aktivität haben könnten. Um diese Vorhersagen zu validieren, synthetisierten sie chemisch 100 dieser Moleküle im Labor und testeten sie dann, um festzustellen, ob sie tatsächlich Bakterien töten könnten, einschließlich „einiger der gefährlichsten Krankheitserreger in unserer Gesellschaft“, sagte de la Fuente.

79% der Moleküle, die repräsentativ für die 1 Million entdeckten Moleküle waren, konnten mindestens einen Mikroben abtöten – was bedeutet, dass sie als potenzielles Antibiotikum dienen könnten.

Antibiotikaresistenz ist ein zunehmendes Problem aufgrund des Missbrauchs und der übermäßigen Verwendung von antimikrobiellen Mitteln bei Menschen, Tieren und Pflanzen, so die WHO.

Die Studienautoren haben diese Daten und den Code frei zugänglich gemacht, damit jeder darauf zugreifen kann, mit dem Ziel, „die Wissenschaft voranzubringen und der Menschheit zu nützen“, sagte de la Fuente.

Er hofft, dass sein Team und andere Forscher weitere Untersuchungen zu den besten Kandidaten für potenzielle Antibiotika-Medikamente durchführen werden. „Wenn das gut läuft, wird es in Phase-1-Studien übergehen, aber wir sind noch weit davon entfernt“, sagte er.

Dies ist nicht die erste Studie in der Biologie, die Künstliche Intelligenz erheblich genutzt hat. Google DeepMind veröffentlichte kürzlich die neueste Version von AlphaFold, einem Programm, das vorhersagt, wie Proteine mit anderen Molekülen und Ionen interagieren werden, was in Bereichen wie Krebstherapie und Erntebeständigkeit zu Durchbrüchen führen könnte.

Lisa Messeri, eine Anthropologin für Technologie an der Yale University, sagte, dass maschinelles Lernen und KI „sicherlich für einige Projekte in der Wissenschaft ausgezeichnet sind“, aber nicht für alle.

„Wir bitten einfach darum, dass Forscher und Forschungsprogramme weiterhin sorgfältig darüber nachdenken, wann sie diese Methoden anwenden und keine Projekte einschränken, die nicht unbedingt den Einsatz dieser stark beworbenen und fokussierten Werkzeuge erfordern“, sagte sie.

Einige haben Bedenken hinsichtlich der KI geäußert, unter anderem, dass sie Menschen in bestimmten Berufen ersetzen könnte – insbesondere bei der Durchführung wissenschaftlicher Forschung.

De la Fuente argumentiert, dass KI eine Zusammenarbeit zwischen Menschen und Maschinen sein wird.

Anthony Gitter, außerordentlicher Professor für Biostatistik und medizinische Informatik an der University of Wisconsin-Madison, der maschinelles Lernen in biologischen Experimenten einsetzt, sagt, dass die „Bedeutung des Fortschritts“ in der Cell-Veröffentlichung „auf erstklassiger Bioinformatik-Forschung beruhte, im Gegensatz zu automatisierter Wissenschaft, die durch KI ermöglicht wurde“.

„Die Bedeutung dieser Forschung liegt darin, dass sie weit verbreitete mikrobielle genomische Daten erfolgreich nutzt, maschinelles Lernen verwendet, um antimikrobielle Peptidkandidaten zu identifizieren, und diese vorhergesagten Peptide umfassend computergestützt und experimentell untersucht, um zu zeigen, warum sie wertvoll sind“, sagte Gitter.