KI gegen Superkeime: MIT-Forscher entwerfen neue Antibiotika gegen MRSA
Eine generative KI hat Millionen neuer Moleküle entworfen. Zwei davon wirkten im Labor und bei Mäusen gegen MRSA und resistente Gonokokken. Das ist ein echter Fortschritt – aber noch kein fertiges Medikament.
Antibiotikaresistenzen gehören zu den größten Gesundheitsgefahren unserer Zeit. Gleichzeitig stockt die Entwicklung neuer Wirkstoffe seit Jahrzehnten. Eine Studie von MIT-Forschern aus dem Jahr 2025 zeigt, wie generative KI helfen kann – und wo ihre Grenzen liegen.
KI-generierte Illustration
Das Wichtigste in Kürze
- Die KI entwarf über 36 Millionen mögliche Moleküle.
- 24 davon wurden im Labor hergestellt und getestet.
- Sieben zeigten eine gezielte antibakterielle Wirkung.
- DN1 verringerte MRSA in einem Mausmodell deutlich.
- NG1 wirkte gegen resistente Gonokokken.
- Beide Stoffe sind noch in der präklinischen Phase und wurden nicht an Menschen getestet.
Warum neue Antibiotika so dringend gebraucht werden
Antibiotika gehören zu den wichtigsten Erfindungen der modernen Medizin. Sie machen bakterielle Infektionen behandelbar und ermöglichen Operationen, Krebsbehandlungen und Transplantationen.
Das Problem: Bakterien passen sich an. Viele werden resistent. Die Medikamente wirken dann nicht mehr. Nach Schätzungen der Weltgesundheitsorganisation standen resistente bakterielle Infektionen 2021 mit mehr als 4,7 Millionen Todesfällen weltweit in Verbindung.
Resistent heißt nicht automatisch unheilbar
Ein resistentes Bakterium ist nicht gegen jedes Antibiotikum immun. Oft fallen aber die bewährten Standardmittel aus. Ärztinnen und Ärzte müssen dann auf andere, oft belastendere oder teurere Medikamente ausweichen.
Was ist MRSA?
MRSA steht für Methicillin-resistenter Staphylococcus aureus. Das Bakterium lebt bei vielen Menschen harmlos auf der Haut. Gelangt es jedoch in Wunden oder die Blutbahn, kann es schwere Infektionen auslösen – und gegen wichtige Antibiotika resistent sein.
Was die KI tatsächlich gemacht hat
Hier hat keine Chat-KI einfach einen Medikamentennamen vorgeschlagen. Das Team nutzte spezialisierte Modelle. Diese lernten aus chemischen Strukturen und bekannten Messdaten.
Der entscheidende Unterschied: Die KI suchte nicht nur in vorhandenen Datenbanken. Sie erzeugte auch völlig neue Molekülstrukturen. Das nennt man De-novo-Design – Entwurf von Grund auf.
Insgesamt entstanden über 36 Millionen mögliche Verbindungen. Computer filterten anschließend giftige Stoffe, chemische Problemfälle und Moleküle, die bekannten Antibiotika zu ähnlich waren. Nur die besten Kandidaten wurden wirklich hergestellt und getestet.
Zwei Wege zu neuen Molekülen
Das Team verfolgte zwei unterschiedliche Strategien:
| Ansatz | Ziel | Vorgehen | Leitkandidat |
|---|---|---|---|
| Fragmentbasiert | Gonokokken | Kleines chemisches Fragment als Startpunkt – KI baut vollständige Moleküle | NG1 |
| Freies De-novo | MRSA / Staph. aureus | KI erzeugt Moleküle ohne vorgegebenes Fragment | DN1 |
Der Weg zu NG1 (Gonokokken)
Aus Millionen Fragmenten wurde ein vielversprechender Baustein ausgewählt. Daraus entstanden rund sieben Millionen Moleküle. Am Ende konnten zwei hergestellt werden. Einer davon – NG1 – wirkte im Labor und bei Mäusen gegen resistente Gonokokken.
Der Weg zu DN1 (MRSA)
Hier arbeitete die KI freier und erzeugte über 29 Millionen Moleküle. 22 wurden hergestellt. Sechs zeigten starke Wirkung gegen multiresistente Staphylokokken. Der beste Kandidat erhielt den Namen DN1.
Was bei den Tests herauskam
Insgesamt wurden 24 KI-entworfene Stoffe synthetisiert. Sieben davon wirkten gezielt gegen Bakterien. Die beiden wichtigsten Kandidaten:
DN1 gegen MRSA
DN1 tötete multiresistente Staphylokokken im Labor. Bei Mäusen mit einer MRSA-Hautinfektion verringerte eine örtliche Behandlung die Bakterienlast deutlich. Der Stoff scheint die Bakterienmembran zu stören.
NG1 greift den Aufbau der äußeren Membran von Gonokokken an – an einer Stelle, die von bisherigen Antibiotika nicht so genutzt wird. Das macht den Stoff besonders interessant. Vorhandene Resistenzmechanismen könnten dadurch umgangen werden.
Warum die Studie besonders ist
- Suche außerhalb bekannter Bibliotheken
Die KI entwarf neue Moleküle statt nur vorhandene zu bewerten. - Echte Labortests
Die Vorschläge wurden hergestellt, gegen Bakterien und menschliche Zellen getestet und in Tiermodellen geprüft. - Mehrere Kriterien gleichzeitig
Wirkung, mögliche Giftigkeit und Herstellbarkeit wurden gemeinsam betrachtet. - Übertragbare Methode
Das Verfahren soll auch gegen andere gefährliche Bakterien eingesetzt werden, etwa den Erreger der Tuberkulose.
Warum noch kein neues Medikament entstanden ist
Zwischen einem wirksamen Molekül im Labor und einem zugelassenen Medikament liegt ein langer Weg. NG1 und DN1 sind deshalb nur Leitkandidaten.
Was jetzt noch fehlt
- Chemische Optimierung und zuverlässige Herstellung
- Umfangreiche Giftigkeits- und Sicherheitsprüfungen
- Untersuchungen zur Aufnahme und zum Abbau im Körper
- Weitere präklinische Studien
- Klinische Studien mit Menschen
- Zulassung durch die Arzneimittelbehörden
Ein praktisches Problem zeigte die Studie selbst: Nicht jedes digital entworfene Molekül lässt sich problemlos herstellen. Von 80 ausgewählten Kandidaten konnten zunächst nur zwei synthetisiert werden.
Die Organisation Phare Bio arbeitet bereits an der Weiterentwicklung von NG1 und DN1.
Rettet KI damit bereits Leben?
Die Richtung stimmt – die Zeitform braucht noch Vorsicht.
Die Stoffe haben noch keine Menschen behandelt. Sie ersetzen auch noch kein zugelassenes Medikament. Die Aussage „Diese KI-Antibiotika retten bereits Leben“ wäre deshalb übertrieben.
Generative KI hat vielversprechende neue Antibiotika-Kandidaten hervorgebracht. Sie könnten künftig helfen, schwer behandelbare Infektionen zu bekämpfen.
Der echte Fortschritt liegt darin, dass die KI Millionen chemischer Möglichkeiten erzeugen und vorsortieren kann. Das wäre mit klassischen Methoden extrem aufwendig. Die Labortests, Sicherheitsprüfungen und die Zulassung bleiben aber weiterhin nötig.
Die eigentliche Stärke: KI und Menschen arbeiten zusammen
Die Studie zeigt kein selbstständiges KI-System, das Medizin betreibt. Menschen legten die Ziele fest, bauten die Modelle, filterten die Vorschläge, stellten die Stoffe her und bewerteten die Ergebnisse.
| Aufgabe der KI | Aufgabe der Forschenden |
|---|---|
| Millionen Strukturen erzeugen und bewerten | Medizinische Ziele und Qualitätskriterien festlegen |
| Wirkung und mögliche Giftigkeit vorhersagen | Kandidaten herstellen und experimentell prüfen |
| Ungewöhnliche Muster sichtbar machen | Risiken und Aussagekraft einordnen |
| Suchraum schneller eingrenzen | Sicherheit und klinischen Nutzen nachweisen |
Kleines Glossar
Vier Begriffe, die bei Meldungen über neue Antibiotika häufig vorkommen.
- Antibiotikum
- Arzneistoff, der Bakterien abtötet oder ihre Vermehrung hemmt. Gegen Viren wirkt er nicht.
- Antimikrobielle Resistenz
- Fähigkeit von Mikroorganismen, Behandlungen zu überstehen, die sie normalerweise abtöten sollen.
- De-novo-Design
- Rechnerischer Entwurf neuer Moleküle, statt nur bekannte Verbindungen zu durchsuchen.
- Präklinisch
- Forschungsphase vor Studien mit Menschen. Dazu gehören Laborversuche und – falls nötig – Untersuchungen in Tiermodellen.
Fazit: Ein echter Durchbruch – mit einem wichtigen Sternchen
Die Studie zeigt: Generative KI kann mehr als nur bekannte Wirkstoffe durchsuchen. Sie entwirft neue Moleküle und öffnet damit Bereiche der Chemie, die bisher kaum erforscht waren.
Mit NG1 und DN1 entstanden zwei ernsthafte Kandidaten gegen resistente Bakterien. Besonders DN1 wirkt gegen MRSA. Beide Stoffe befinden sich aber noch in der präklinischen Forschung. Es gibt noch kein fertiges Medikament.
Der Hoffnungsschimmer ist real. KI ersetzt weder das Labor noch die medizinische Prüfung. Sie hilft Forschenden jedoch, schneller dort zu suchen, wo neue Antibiotika dringend gebraucht werden.
Quellen und weiterführende Informationen
- MIT News: Using generative AI, researchers design compounds that can kill drug-resistant bacteria – 14. August 2025
- Krishnan et al.: A generative deep learning approach to de novo antibiotic design, Cell, 2025
- DOI der Originalstudie: 10.1016/j.cell.2025.07.033
- World Health Organization: Antimicrobial resistance – Fact sheet
- WHO: Widespread resistance to common antibiotics worldwide – 13. Oktober 2025
- Robert Koch-Institut: Informationen zu Staphylokokken und MRSA
- infektionsschutz.de: Erregersteckbrief MRSA
- BBC: AI designs new antibiotics for drug-resistant infections – 14. August 2025
Hinweis: Der Artikel ordnet Forschungsergebnisse ein und ersetzt keine medizinische Beratung. Die beschriebenen Wirkstoffkandidaten sind nicht als Arzneimittel zugelassen.
tiny-tool.de
tiny-tool.de