AI-designad antibiotika kan bli ett genombrott mot resistenta bakterier
Forskare vid institutionen för mikrobiologi, tumör- och cellbiologi vid Karolinska Institutet har medverkat i en internationell studie som publicerats i tidskriften Cell. Studien presenterar ett nytt sätt att designa antibiotika med hjälp av generativ djupinlärning. Genom att kombinera AI och proteomik har forskarna kunnat skapa helt nya antibiotikamolekyler och identifiera deras målmolekyler i bakterieceller.
Antibiotikaresistens är ett växande hot mot global hälsa, samtidigt som få nya antibiotikaklasser har upptäckts under de senaste decennierna. I den aktuella studien har forskarna utvecklat en AI-plattform som kan generera molekyler med selektiv verkan mot sjukdomsframkallande bakterier, såsom Neisseria gonorrhoeae och Staphylococcus aureus.
– Vi går in i en era där generativ AI driver fram upptäckten av helt nya antibiotika mot några av de mest svårbehandlade bakterierna genom att utforska outforskade delar inom den kemiska rymden, säger professor James Collins vid Massachusetts Institute of Technology (MIT).
Forskargruppen syntetiserade 24 AI-designade föreningar, varav sju visade selektiv antibakteriell aktivitet. Två ledande molekyler, NG1 och DN1, hade stark effekt i djurmodeller för infektioner med N. gonorrhoeae och meticillinresistent S. aureus, med låg toxicitet och unika verkningsmekanismer.
– Med hjälp av två olika AI-metoder designade vi molekyler som inte liknar några kända antibiotika eller något som bakterier normalt möter i naturen. Det ger oss ett helt nytt sätt att tackla resistensproblematiken, säger Dr. Aarti Krishnan, huvudförfattare vid MIT.
Forskare från Karolinska Institutet identifierade verkningsmekanismen för NG1, en lovande smalspektrumantibiotika som designats från grunden med AI. Genom avancerad proteomik kunde de visa att NG1 påverkar LptA, ett viktigt protein som transporterar lipooligosackarider till bakteriers yttermembran. Detta försvagar skyddet hos N. gonorrhoeae, som orsakar gonorré.
– Vår proteomikbaserade analys visar att NG1 riktar in sig på LptA. Det bekräftar styrkan i att kombinera AI-design med experimentell målmolekylsanalys, säger Dr. Amir Ata Saei, medförfattare och biträdande lektor vid institutionen för mikrobiologi, tumör- och cellbiologi.
Forskarna ser nu möjligheter att använda sin AI-modell för att ta fram antibiotika mot andra svårbehandlade bakterier. Studien visar hur proteomik kan bidra till att förstå verkningsmekanismer och identifiera nya målmolekyler – och hur Karolinska Institutet spelar en viktig roll i utvecklingen av nästa generations antibiotika.
Samarbete
Studien är ett samarbete mellan forskare från Karolinska Institutet – Marie-Stephanie Aschtgen, Margaux Gaborieau, Edmund Loh och Amir Ata Saei – samt MIT, Harvard University och andra internationella institutioner.
Publikation
A generative deep learning approach to de novo antibiotic design
Krishnan Anahtar M N, Valeri J A, Jin W, Donghia N M, Sieben L, Luttens A, Zhang Y, Modaresi S M, Hennes A, Fromer J, Bandyopadhyay P, Chen J C, Rehman D, Desai R, Edwards P, Lach R S, Aschtgen M S, Gaborieau M, Gaetani M, Palace S G, Omori S, Khonde L, Moroz Y S, Blough B, Jin C, Loh E, Grad Y H, Saei A A, Coley C W, Wong F, Collins J J
Cell 2025 Aug.