News
Mit KI gegen Antibiotika-Resistenzen: Uni Münster entwickelt Modell zur Suche nach Wirkstoffkandidaten
Münster (mfm/jg) – Sie ist eine der größten Herausforderungen der modernen Medizin: die Entwicklung neuer Antibiotika, die auch gegen resistente Krankheitserreger wirksam sind. Forschende der Universität Münster haben nun gezeigt, wie generative Künstliche Intelligenz (KI) die Entwicklung neuer Wirkstoffe unterstützen kann. Die Ergebnisse der Studie wurden in der Fachzeitschrift „npj Antimicrobials and Resistance“ der „Nature“-Gruppe veröffentlicht.
Laut Schätzungen der WHO (World Health Organization) könnten ab 2050 jedes Jahr bis zu zehn Millionen Menschen an Infektionen mit resistenten Krankheitserregern sterben – wenn nicht rechtzeitig geeignete Maßnahmen ergriffen werden. „Die Entwicklung neuer Antibiotika ist aber leider äußerst zeit- und ressourcenintensiv“, erläutert Prof. Dominik Heider, Leiter des Instituts für Medizinische Informatik der Universität Münster. „Künstliche Intelligenz kann dabei eine wertvolle Unterstützung leisten.“
Sandra Clemens und Dr. Hannah Franziska Löchel, die beiden Erstautorinnen der Studie, haben sowohl die Datenbank COMPASS mit über 75.000 bekannten antimikrobiellen Peptiden aufgebaut als auch das KI-Modell AmpGPT2entwickelt. Diese Peptide können Krankheitserreger auf vielfältige Weise bekämpfen. AmpGPT2 nutzt die COMPASS-Daten, um neue Wirkstoffkandidaten mit antimikrobiellen Eigenschaften zu generieren.
Dieses Vorgehen kann bereits Erfolge vorweisen: Ein mithilfe der KI entwickelter Wirkstoffkandidat zeigte im Labor eine deutliche Wirksamkeit gegen die Bakterien Klebsiella pneumoniae und Pseudomonas aeruginosa, die die WHO als prioritäre antibiotikaresistente Erreger einstuft. „Unsere Ergebnisse zeigen, dass KI einen wichtigen Beitrag leisten kann, um neue Ansätze im Kampf gegen Infektionen mit resistenten Bakterien zu entwickeln“, resümiert Clemens. Auch Löchel betont die Bedeutung der Studie: „Die Entwicklung von COMPASS schafft eine wichtige Grundlage, um die große Vielfalt antimikrobieller Peptide strukturiert zu erfassen und für KI-basierte Ansätze nutzbar zu machen.“





