Traditionelle Medizin: KI findet 537 mögliche Antibiotika-Kandidaten
Veröffentlicht am: 06.10.2026 um 15:39 Uhr | Redaktion boerse-global.de
Forschungsteams setzen zunehmend auf Modelle des maschinellen Lernens und digitale Zwillinge, um in Umweltproben sowie überlieferten biologischen Systemen neue therapeutische Kandidaten zu identifizieren.
Computergestützte Screening-Verfahren und genomische Datenanalysen sollen langwierige Laborprozesse verkürzen und vielversprechende Moleküle gezielter herausfiltern. Die aktuellen Ansätze reichen von der Neubewertung traditioneller pflanzlicher Inhaltsstoffe über Boden-DNA bis hin zur Simulation menschlicher Krankheitsverläufe.
Maschinelles Lernen erschließt Wirkstoffe der traditionellen Medizin
An der Florida State University untersuchte Peter Adeolu Adedibu in einer im Fachjournal Discover Chemistry beschriebenen computergestützten Studie das Potenzial von Substanzen aus der Traditionellen Chinesischen Medizin als Vorlagen für neue Antibiotika.
Das Team nutzte eine Pipeline für maschinelles Lernen auf Basis des Algorithmus ExtraTreesClassifier, die auf 562 Inhibitoren des bakteriellen Enzyms GyrB aus Escherichia coli mit einem pChEMBL-Schwellenwert von 6,8 und 210 RDKit-Deskriptoren trainiert wurde. Das Modell erreichte eine AUC von 0,941, eine Genauigkeit von 0,858 sowie einen Korrelationskoeffizienten nach Matthews von 0,716.
Beim Screening einer Bibliothek von 2.892 Naturstoffverbindungen stufte das Modell 537 Substanzen beziehungsweise 18,6 Prozent als starke GyrB-Inhibitoren ein.
Ein anschließender Filter über ein Pharmakophor-Modell mit einer Auflösung von 1,9 Ångström reduzierte die Auswahl auf 25 Treffer mit einem Fitness-Wert von über 1,0. Beim molekularen Docking und Rescoring erreichten Verbindungen wie Lithospermsäure (-54,94 kcal/mol), Folsäure (-49,76 kcal/mol), Taxifolin (-42,35 kcal/mol), Brazilin (-41,47 kcal/mol) und Dihydromyricetin (-40,17 kcal/mol) rechnerisch stärkere Bindungen als Novobiocin (-36,71 kcal/mol).
Eine bioisosterische Optimierung von 191 Analoga ergab zwölf Varianten mit Docking-Werten von unter -9,0 kcal/mol. Die führende Modifikation Analog-1 erzielte im Docking -10,382 kcal/mol und im Rescoring -76,41 kcal/mol. In einer 150-Nanosekunden-Molekulardynamiksimulation zeigte das Molekül Kontakte zu 33 Aminosäureresten, während Ciprofloxacin 25 erreichte.
Pharmakokinetische Berechnungen wiesen jedoch dreifache Verletzungen der Lipinski-Regeln sowie Warnhinweise bezüglich PAINS auf. Das Vorhaben liefert damit vorerst rechnerische Hypothesen ohne experimentelle Nasslaborbestätigung.
Wer sich mit der Erforschung natürlicher Wirkstoffe gegen Krankheiten befasst, erkennt oft die Bedeutung einer gezielten Ernährung zur Unterstützung der körpereigenen Abwehr. Dieser kostenlose Ratgeber zeigt Ihnen, wie Sie mit zwölf natürlichen Lebensmitteln stille Entzündungen lindern und Ihre Vitalität steigern können. Kostenlosen PDF-Ratgeber zur antientzündlichen Ernährung hier herunterladen
Genomische Modelle für mikrobielle Umwelt-DNA
Einen anderen Pfad verfolgt das Hamburger Unternehmen Soilytix mit seinen LOAM-Modellen. Diese genomischen Modelle wurden auf 15.640 mikrobiellen Genomen aus Long-Read-Sequenzierungen von Boden-, Sediment- und Wasserproben trainiert, was einem Umfang von rund 67,5 Milliarden DNA-Basen entspricht. Ziel ist es, den Kandidatenpool vor aufwendigen Tests in Labor, Gewächshaus und Feld einzugrenzen.
Das Modell LOAM-624M belegte in einem Enzymfunktions-Benchmark über 128 Klassen den ersten Platz unter den getesteten Systemen und übertraf dabei Modelle mit etwa zehnfacher Größe. Alle vier LOAM-Varianten wurden als Preprint und auf Hugging Face für Forschungszwecke zugänglich gemacht.
Tim Rajakumar, wissenschaftlicher Leiter bei Soilytix, wies darauf hin, dass im Boden seit Milliarden von Jahren biologische Entwicklung stattfinde. Geschäftsführer Bruno Steinkraus betonte, der geschäftliche Mehrwert liege nicht im reinen Zugang zu einem Modell, sondern darin, bei definierten Zielen auf testbare biologische Kandidaten hinzuarbeiten.
Erste In-vitro-Prüfungen laufen mit der Universität Hamburg, Pilotprojekte mit Partnern aus der Pflanzenschutz- und Biologicals-Branche sind für 2027 geplant.
Virtuelle Patienten zur Modellierung von Therapien
Neben Naturstoffquellen rücken computergestützte Nachbildungen des menschlichen Körpers in den Fokus. Ein Team um Markus Rehberg am Standort BioCampus Frankfurt des Pharmaunternehmens Sanofi entwickelt digitale Zwillinge auf Basis quantitativer Systempharmakologie. Künstliche Intelligenz unterstützt hierbei die Datenanalyse sowie die Optimierung von Modellen virtueller Patienten.
Während die Forschung an digitalen Modellen voranschreitet, bleibt die Analyse der eigenen Blutwerte ein entscheidendes Instrument zur persönlichen Gesundheitsvorsorge. Erfahren Sie in diesem kostenlosen 25-seitigen Report, wie Sie Ihre Laborwerte richtig deuten und Vitalstoffmängel frühzeitig erkennen. Kostenlosen Laborwerte-Selbstcheck jetzt anfordern
Das Verfahren zielt darauf ab, die Wirksamkeit von Wirkstoffkandidaten, deren Halbwertszeit, Zielmolekülbindung und Dosierung bereits vor klinischen Studien abzuschätzen. In Kooperation mit Forschungsinstituten werden Begleiterkrankungen und demografische Merkmale einbezogen.
Relevanz besitzt dieser Ansatz unter anderem für entzündliche Erkrankungen: In Deutschland leiden fünf bis acht Prozent der Bevölkerung an Autoimmunerkrankungen wie Asthma, rheumatoider Arthritis oder chronisch entzündlichen Darmerkrankungen.
