Forscher am MIT haben mithilfe von Deep Learning, einer Form der künstlichen Intelligenz, eine neue Klasse von Verbindungen identifiziert, die arzneimittelresistente Bakterien abtöten können. Die Verbindungen erwiesen sich als wirksam gegen Methicillin-resistenten Staphylococcus aureus (MRSA), ein Bakterium, das in den USA jedes Jahr für Tausende von Todesfällen verantwortlich ist. Die Verbindungen zeigten auch eine geringe Toxizität für menschliche Zellen, was sie zu vielversprechenden Kandidaten für die Arzneimittelentwicklung macht. Die Forscher konnten die Informationen ermitteln, die das Deep-Learning-Modell für seine Vorhersagen verwendet, was bei der Entwicklung noch wirksamerer Antibiotika helfen könnte. Die Studie ist Teil des Antibiotika-AI-Projekts am MIT, das darauf abzielt, neue Antibiotika gegen tödliche Bakterien zu entdecken. MRSA-Infektionen können zu schweren Fällen von Sepsis führen, einer potenziell tödlichen Infektion der Blutbahn. Die Forscher trainierten ein Deep-Learning-Modell anhand eines großen Datensatzes und verwendeten einen Algorithmus, um zu verstehen, wie das Modell seine Vorhersagen trifft. Sie untersuchten Millionen von Verbindungen und identifizierten fünf Klassen von Wirkstoffen, die als aktiv gegen MRSA vorhergesagt wurden. Zwei Verbindungen aus derselben Klasse zeigten vielversprechende Ergebnisse in Labor- und Mausmodellen. Die Verbindungen scheinen die Fähigkeit der Bakterien zu stören, einen elektrochemischen Gradienten über ihre Zellmembranen aufrechtzuerhalten, ohne menschliche Zellen wesentlich zu schädigen. Die Ergebnisse wurden einer gemeinnützigen Organisation zur weiteren Analyse und möglichen klinischen Anwendung zur Verfügung gestellt. Die Forscher nutzen die Modelle auch, um nach Verbindungen zu suchen, die andere Arten von Bakterien abtöten können. Die Forschung wurde von verschiedenen Organisationen und Stiftungen finanziert.
