Hinweis: Bericht aus einer einzigen Quelle; Bestätigung steht noch aus.
Antibiotikaresistenz stellt eine große Herausforderung für die öffentliche Gesundheit dar, da viele bakterielle Infektionen mit den derzeitigen Medikamenten immer schwerer zu behandeln sind. Wissenschaftler untersuchen Peptidmoleküle, die von Zellen natürlich produziert werden und Bakterien durch Schädigung ihrer Membranen abtöten. Die Auswahl der wirksamsten Peptide gestaltet sich jedoch schwierig. Um dieses Problem zu lösen, entwickelte ein vom NIH gefördertes Team unter der Leitung von Dr. Jacob Gardner und Dr. César de la Fuente das KI-Tool ApexGo, mit dem verbesserte antibakterielle Peptide für Labortests entwickelt werden können.
ApexGo baut auf dem Vorgängersystem APEX auf, das potenzielle antibiotische Peptide in großen biologischen Datensätzen identifiziert. Das neue Tool schlägt Modifikationen bestehender Peptide vor, um deren bakterizide Wirkung zu verbessern, und verfeinert seine Vorhersagen mit zunehmender Datenmenge. Die Forscher testeten ApexGo, indem sie zehn Peptide aus ausgestorbenen Organismen optimierten und für jedes Originalpeptid zehn optimierte Versionen generierten.
Experimentelle Ergebnisse zeigten, dass 86 der 100 optimierten Peptide mindestens eine Bakterienart abtöten konnten. Darüber hinaus wiesen 68 % der optimierten Peptide eine verbesserte antibakterielle Aktivität im Vergleich zu ihren Ausgangssubstanzen auf. Ausgewählte optimierte Peptide wurden außerdem an Mäusen getestet, die mit einem antibiotikaresistenten Bakterienstamm infiziert waren, wobei sie eine höhere Wirksamkeit gegen die Infektion zeigten.
Dieser KI-gestützte Ansatz könnte eine schnellere und effizientere Entwicklung neuer Antibiotika zur Bekämpfung von Bakterienresistenzen ermöglichen. Die Studie wurde am 13. Mai 2026 in Nature Machine Intelligence veröffentlicht.