BIGGER PICTURE Bessere Versorgung
Der Antibiotika-Kandidat versteckte sich in einer anderen Wirkstoffsuche
Ein einst gegen Diabetes untersuchtes Molekül tauchte in einer völlig anderen Suche auf. Maschinelles Lernen half, sein antibakterielles Potenzial zu entdecken. Gezielte Experimente zeigten anschließend einen ungewöhnlichen Angriffspunkt bei einem resistenten Krankenhauskeim.

- Durchsuchte Bibliothek
- 6.680 zuvor ungesehene Verbindungen
- Auswahl fürs Labor
- 240 Kandidaten getestet
- Nachweisstufe
- Bakterienkulturen und ein Wundmodell bei Mäusen
So funktioniert die Idee
Wachstumshemmung lernen
Gemessenes Bakterienwachstum verbindet Molekülstruktur und Wirkung.
Ungewohnte Chemie priorisieren
Modelle und Strukturfilter wählen eine überschaubare Testauswahl.
Mechanismus biologisch prüfen
Kultur-, Resistenz- und Tierversuche prüfen den Kandidaten.
Ein besonders schwieriger Krankenhauskeim
Acinetobacter baumannii kann gegen mehrere Antibiotika resistent sein. Das Team von MIT und McMaster testete zunächst Tausende Moleküle gegen den Keim und erzeugte so Trainingsdaten. Chemische Strukturen erhielten eine praktische Zuordnung: Hemmte die Verbindung das Bakterienwachstum im Labor?
Belege: [1]
Über vertraute Antibiotika-Strukturen hinaus suchen
Die trainierten Modelle bewerteten eine separate Bibliothek mit 6.680 Verbindungen. Forschende wählten 240 vielversprechende Kandidaten aus, deren Strukturen sich von bekannten aktiven Beispielen unterschieden. Labortests ergaben neun antibakterielle Treffer. Einer war zuvor für einen anderen Zweck untersucht worden: als mögliches Diabetesmedikament.
Das interne Liefersystem des Bakteriums stören
Weitere Versuche brachten die Wirkung von Abaucin mit dem Lipoproteintransport unter Beteiligung des Proteins LolE in Verbindung. Diese Moleküle müssen zur Bakterienhülle gelangen. Die Verbindung wirkte ungewöhnlich gezielt gegen A. baumannii, statt alle geprüften Bakterienarten breit anzugreifen.
Vom molekularen Hinweis zum Wundmodell
Abaucin kontrollierte eine Infektion im Wundmodell bei Mäusen und wirkte im Labor gegen resistente Isolate. Das sind bedeutsame experimentelle Ergebnisse, aber noch kein Nutzenbeleg bei erkrankten Menschen. Der größere Erkenntnisgewinn liegt im Zusammenspiel von Vorhersage und gezielten Experimenten, das übersehene Chemie neu nutzbar machen kann.
Die Originalquellen
- Nature Chemical Biology / MIT author manuscriptDeep learning-guided discovery of an antibiotic targeting Acinetobacter baumannii
- MIT NewsUsing AI, scientists find a drug that could combat drug-resistant infections