Antimikrobielle Resistenzen zählen zu den größten gesundheitlichen Bedrohungen unserer Zeit. Allein im Jahr 2021 waren weltweit etwa fünf Millionen Todesfälle mit bakterieller Antibiotikaresistenz verbunden. Forscher um den Bioingenieur César de la Fuente nutzen nun KI-Tools wie ChatGPT und Codex, um die Suche nach neuen Wirkstoffen massiv zu beschleunigen.
Die wachsende Gefahr resistenter Keime
Antimikrobielle Resistenzen sind keine Zukunftsvision, sondern eine gegenwärtige globale Krise. Laut aktuellen Daten war die bakterielle Antibiotikaresistenz im Jahr 2021 für rund fünf Millionen Todesfälle mitverantwortlich. Bis 2050 könnte sich diese Zahl etwa verdoppeln. Zugleich ist die Entwicklung neuer Medikamente ins Stocken geraten: Seit etwa 50 Jahren wurde keine neue Klasse von Antibiotika mehr entdeckt.
César de la Fuente sieht hierin eine der größten existenziellen Bedrohungen für die Menschheit. Doch statt bestehende Wirkstoffe nur minimal zu variieren, verfolgt sein Team einen radikal anderen Ansatz.
Biologie als digitales Alphabet
Im Zentrum der Forschung steht die Erkenntnis, dass Biologie ein Informationssystem ist. DNA-Nukleotide und die Aminosäuren von Proteinen bilden gewissermaßen ein Alphabet. Wer diese Sprache entschlüsselt, kann die Prinzipien des Lebens verstehen, die funktionale Moleküle hervorbringen.
Das Labor nutzt Deep-Learning-Modelle, die in der Lage sind, Muster in biologischen Sequenzen zu erkennen. Damit durchsuchen die Forscher riesige Genome- und Proteindatenbanken nach potenziellen antimikrobiellen Substanzen. Ein Prozess, der früher Jahre in Anspruch nahm, lässt sich so auf wenige Stunden verkürzen.
Vom Jahr zur Stunde
Durch den Einsatz moderner KI-Modelle scannt das Team das Tree of Life systematisch nach neuen Verbindungen. Die Algorithmen filtern vielversprechende Kandidaten aus einer schier unendlichen Zahl möglicher Moleküle heraus und priorisieren sie für die weitere experimentelle Prüfung.
ChatGPT und Codex als Forschungspartner
Neben eigenen Deep-Learning-Ansätzen setzt das Labor gezielt ChatGPT und Codex ein. Die Tools dienen als Brainstorming-Partner bei der Entwicklung von Hypothesen, unterstützen beim Schreiben und Optimieren von Code, verarbeiten Datensätze und helfen dabei, Ideen über wissenschaftliche Disziplingrenzen hinweg zu verbinden.
Für de la Fuente ist ChatGPT dabei mehr als nur ein Werkzeug. Er nutzt die Plattform, um Hypothesen zu formen, mit unterschiedlichen Perspektiven zu konfrontieren und als kollaboratives Resonanzbrett zu fungieren. Dabei betont er stets die Notwendigkeit, alle KI-generierten Aussagen auf ihre Genauigkeit zu prüfen.
Interdisziplinäre Brücken schlagen
Das Forschungsteam ist hochgradig interdisziplinär aufgestellt und vereint Biologen, Chemiker, Informatiker und Ingenieure. Nicht jedes Mitglied verfügt über tiefgreifende Programmierkenntnisse, während andere wiederum weniger biologisches Fachwissen mitbringen. Genau hier greifen Codex und ChatGPT ein: Sie senken die Einstiegshürden und ermöglichen es Biologen, Programme zu erstellen, und Programmierern, biologische Problemstellungen zu lösen.
Darüber hinaus erleichtern die Tools den Zugriff auf Fachthemen aus fremden Disziplinen, helfen bei der Klärung von Fachterminologie und ermöglichen es Forschern, in ihrer Muttersprache zu arbeiten.
Vom digitalen Fund zum Medikament
Die Identifizierung eines vielversprechenden Moleküls markiert jedoch erst den Anfang eines langen Weges. Forscher müssen nachweisen, dass der Kandidat das Zielmikrobe tatsächlich abtötet, die erforderliche Dosierung bestimmen und die Verträglichkeit mit menschlichen Zellen testen. Chemiker optimieren die Substanz anschließend hinsichtlich Wirksamkeit, Sicherheit und Stabilität.
Weitere Untersuchungen klären die Toxizität, die Resistenzbildung der Mikroben und das Verhalten des Wirkstoffs im menschlichen Körper. Erst nach erfolgreicher regulatorischer Prüfung und klinischen Studien kann ein neues Antibiotikum Patienten zugute kommen.
Laborvalidierung bleibt unverzichtbar
Trotz aller digitalen Fortschritte betont de la Fuente die zentrale Bedeutung realer Experimente. KI kann zwar Muster erkennen und Kandidaten vorschlagen, doch erst Laborversuche liefern die notwendige Ground Truth zur Validierung dieser Vorhersagen.
Ohne die enge Verzahnung von KI-gestützter Analyse und experimenteller Biologie fehlt der gesicherten Grundlage, die die Life Sciences dringend benötigen. Denn Biologie bleibt das komplexeste System, das Wissenschaftler zu verstehen versuchen.
Fazit: Am Schnittpunkt der Disziplinen
Die Forschung von de la Fuente steht in einer langen Tradition des Werkzeuggebrauchs in den Wissenschaften. Wo früher Teleskope den Kosmos und Mikroskope die unsichtbare Welt enthüllten, helfen heute KI-Systeme dabei, Biologie zu verstehen, vorherzusagen und gezielt zu gestalten.
Die wahren Durchbrüche, so de la Fuente, ereignen sich dort, wo Disziplinen aufeinandertreffen. Mit ChatGPT und Codex hat sein Labor mächtige Verbündete gewonnen, um genau diese Grenzbereiche zu erkunden und die nächste Generation antimikrobieller Wirkstoffe zu finden.
Quelle: https://openai.com/index/using-codex-chatgpt-to-search-for-new-antimicrobials
