Antibiotikaresistente Bakterien verursachen weltweit Millionen Todesfälle. Um dem entgegenzuwirken, müssen dringend neue wirksame Antibiotika entwickelt werden. Da aber bereits viele mögliche Kandidaten schon in frühen Entwicklungsstadien auf Grund von mangelnder Wirksamkeit oder unerwünschter Nebenwirkungen ausscheiden, gestaltet sich dieses Vorhaben als schwierig.
Das Verbundprojekt OptimAIze soll die Entwicklung neuer Antibiotika nun deutlich effizienter gestalten. Mit Hilfe von modernsten Methoden der Künstlichen Intelligenz (KI) sowie innovativen biologischen Testverfahren könnten vielversprechende Antibiotikakandidaten schneller identifiziert und optimiert werden.
Im Fokus von OptimAIze steht ein neuartiger, geschlossener Lernkreislauf aus KI und experimenteller Validierung. Zusätzlich werden hochauflösende Daten zur Zytotoxizität mit modernen KI-Verfahren ausgewertet. Die Modelle lernen dabei nicht nur, die Wirksamkeit und Verträglichkeit von Molekülen vorherzusagen, sondern können auch gezielt neue Wirkstoffvarianten vorschlagen, die anschließend experimentell getestet werden. Die Ergebnisse fließen wiederum zurück in die KI-Modelle und verbessern deren Vorhersagekraft kontinuierlich.
„Künstliche Intelligenz eröffnet enorme Chancen für die Wirkstoffforschung. Gleichzeitig stoßen rein datengetriebene Modelle an Grenzen, insbesondere wenn nur wenige oder unausgewogene Daten zur Verfügung stehen. Deshalb setzen wir in OptimAIze auf die Kombination von KI und mechanistischem Fachwissen. So können wir nicht nur präzisere Vorhersagen treffen, sondern auch besser nachvollziehen, warum bestimmte Moleküle wirksam oder toxisch sind“, erklärt Prof. Dr. Verena Wolf, die das Projekt OptimAIze koordiniert.
Das Projekt wurde von dem Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI), der Universität des Saarlandes, dem Helmholtz-Institut für Pharmazeutische Forschung Saarland (HIPS) und dem Biotechnologieunternehmen smartbax GmbH das Verbundprojekt OptimAIze ins Leben gerufen. Die Projektpartner zielen darauf ab, neben der Entwicklung konkreter Antibiotikakandidaten zudem innovative KI-Methoden und Softwarewerkzeuge für die wissenschaftliche Gemeinschaft verfügbar zu machen.
