Millionenförderung für die KI-gestützte Suche nach neuen Antibiotika

Würzburg – Ein deutsch-französisches Team erhält einen der renommierten Synergy Grants des Europäischen Forschungsrats (ERC) für die Suche nach neuen Antibiotika mithilfe von künstlicher Intelligenz (KI).

Synergy Grants erhalten Teams aus zwei bis vier Forschenden, die aus unterschiedlichen Disziplinen kommen und ihre Expertise bündeln, um gemeinsam ein besonders anspruchsvolles, potenziell bahnbrechendes Forschungsziel zu erreichen.

„Indem wir unser Fachwissen in den Bereichen Mikrobiologie, Genetik, fortgeschrittene Mikroskopie, Metabo­lo­mik, medizinische Chemie, Bioinformatik und künstliche Intelligenz zusammenführen, wollen wir für die Anti­biotika-Suche eine neue Vorgehensweise etablieren“, erläuterte Ivo Boneca. Er leitet die Abteilung für Biologie und Genetik der bakteriellen Zellwand am Institut Pasteur in Paris.

Bei der Suche nach Antibiotika kommen groß angelegte Screeningverfahren zum Einsatz. Damit lassen sich aus einer Vielzahl potenzieller Wirkstoffe relativ schnell Verbindungen identifizieren, die das Bakterienwachstum beeinträchtigen.

„Doch die üblichen Verfahren können nicht vorhersagen, wo genau die Wirkstoffe die Bakterien angreifen und mit welchen Mechanismen“, sagte Mark Brönstrup. Er leitet die Abteilung „Chemische Biologie“ am Helmholtz-Zentrum für Infektionsforschung in Braunschweig.

Die Expertise seiner Gruppe liegt auf der Erzeugung und Optimierung von Antibiotikaleitstrukturen, rationalem Wirkstoffkonjugatdesign, medizinischer Chemie und der bioanalytischen Aufklärung von Wirkmechanismen.

Der dritte Wissenschaftler des Teams, Christophe Zimmer, leitet an der Julius-Maximilians-Universität Würzburg den Lehrstuhl für maschinelle Biophotonik am Rudolf-Virchow-Zentrum. Seine Arbeitsgruppe verfügt über lang­jährige Erfahrung unter anderem bei der Anpassung von Methoden des maschinellen Lernens, insbesondere des Deep Learning, für die Beantwortung biologischer Fragestellungen.

Zunächst will das Team sieben Bakterienspezies genauer analysieren, um ihre zellulären und molekularen Merkmale genauer zu bestimmen: Diese Spezies sind Bacillus subtilis, Escherichia coli, Helicobacter pylori, Mycobacterium abscessus, Pseudomonas aeruginosa, Staphylococcus aureus und Yersinia pseudotuberculosis.

Deep-Learning-Analysen sollen dann dafür sorgen, dass aus diesem Datenschatz Angriffsziele für Antibiotika mit neuartigen Wirkmechanismen aufgedeckt werden.

„Mit diesem Ansatz werden wir synthetische Molekülbibliotheken und Naturstoffe vielleicht sogar aus kom­plexen Mischungen zielgenau daraufhin untersuchen, ob sie potenzielle neue antibiotische Wirkstoffe enthalten und um ihre molekularen Mechanismen rechnerisch vorherzusagen“, so Zimmer.

Das Vorhaben ist auf sechs Jahre ausgelegt und wird mit elf Millionen Euro durch den Synergy Grant gefördert.

hil