ERC Synergy Grant für die KI-gestützte Suche nach neuen Antibiotika

Ein Forscher-Trio, das einen auf Künstlicher Intelligenz (KI) basierenden Ansatz verfolgt, um die systematische Suche nach neuen Antibiotika deutlich effizienter zu machen, erhält einen ERC Synergy Grant.

Die Synergy Grants des Europäischen Forschungsrates (ERC) gehen ausschließlich an Teams aus zwei bis vier Forschern, die aus unterschiedlichen Disziplinen kommen und ihre Expertise bündeln, um gemeinsam ein besonders anspruchsvolles, potenziell bahnbrechendes Forschungsziel zu erreichen. So wie das deutsch-französische Team, dass Prof. Ivo Boneca (Institut Pasteur, Paris/Frankreich), Prof. Mark Brönstrup (Helmholtz-Zentrum für Infektionsforschung, Braunschweig) und Prof. Christophe Zimmer (Universität Würzburg) bilden. Ihr Ziel: die Entwicklung eines auf KI basierenden Ansatz, der die systematische Suche nach so dringend benötigten neuen Antibiotika erheblich effizienter machen soll.

„Indem wir unser Fachwissen in den Bereichen Mikrobiologie, Genetik, fortgeschrittene Mikroskopie, Metabolomik, medizinische Chemie, Bioinformatik und künstliche Intelligenz zusammenführen, wollen wir für die Antibiotika-Suche eine neue Vorgehensweise etablieren, die uns gleichzeitig Informationen über die Bioaktivität und die Wirkungsweise neuer Antibiotika-Kandidaten liefern wird“, erklärt Boneca. Er leitet die Abteilung für Biologie und Genetik der bakteriellen Zellwand am Institut Pasteur in Paris (CNRS/Inserm). Sein Labor beschäftigt sich mit der mikrobiellen Physiologie, der Entwicklung von Antibiotika und der Aufklärung ihrer Wirkungsweise. Bonecas Team setzt routinemäßig Hochdurchsatz-Bildgebung, hochauflösende Massenspektrometrie und bakterielle Mutanten ein, um neue Angriffsziele für Antibiotika zu identifizieren.

Brönstrup leitet die Abteilung „Chemische Biologie“ am Helmholtz-Zentrum für Infektionsforschung (HZI) in Braunschweig. An der Leibniz Universität Hannover hat er eine Professur inne, die zudem mit dem Forschungsbereich „Neue Antibiotika“ am Deutschen Zentrum für Infektionsforschung (DZIF) assoziiert ist. Seine Arbeitsgruppe ist auf dem Gebiet der Naturstoffchemie und neuartigen Antibiotika tätig. Ihre Expertise liegt auf der Erzeugung und Optimierung von Antibiotika-Leitstrukturen, rationalem Wirkstoffkonjugat-Design, medizinischer Chemie und der bioanalytischen Aufklärung von Wirkmechanismen.

Ebenfalls mit dem Institut Pasteur in Paris affiliiert ist der dritte im Bunde: Zimmer führt dort die Forschungseinheit „Bildgebung und Modellierung“ an. An der Julius-Maximilians-Universität (JMU) Würzburg hat Zimmer den Lehrstuhl für maschinelle Biophotonik am Rudolf-Virchow-Zentrum inne. Mit dem ISein Team entwickelt er fortschrittliche Mikroskopie- und Bildanalyseverfahren für die Biologie. Die Gruppe verfügt über langjährige Erfahrung bei der Entwicklung optischer und computergestützter Methoden für die Einzelmolekül-Lokalisierungsmikroskopie (SMLM), Hochdurchsatz-Bildgebung, Einzelmolekül-RNA-FISH und die Anpassung von Methoden des maschinellen Lernens, insbesondere des Deep Learning, für die Beantwortung biologischer Fragestellungen.

Bei der Suche nach Antibiotika kommen groß angelegte Screening-Verfahren zum Einsatz. Damit lassen sich aus einer Vielzahl potenzieller Wirkstoffe relativ schnell Verbindungen identifizieren, die das Bakterienwachstum beeinträchtigen. „Doch die üblichen Verfahren können nicht vorhersagen, wo genau die Wirkstoffe die Bakterien angreifen und mit welchen Mechanismen“, erklärt Brönstrup. Dafür seien bislang weitere, oft sehr zeitaufwendige Arbeitsschritte nötig.

Sieben wichtige Krankheitserreger im Fokus

Die Kooperationspartner möchten daher ein weitgehend neues Verfahren für die systematische Antibiotika-Suche entwickeln. Es soll neue Antibiotikakandidaten identifizieren und gleichzeitig Informationen über deren Bioaktivität und Wirkmechanismen liefern.

Zunächst will das Team insgesamt sieben Bakterienspezies mit modernsten Methoden analysieren, um ihre zellulären und molekularen Merkmale zu bestimmen: Bacillus subtilis, Escherichia coli, Helicobacter pylori, Mycobacterium abscessus, Pseudomonas aeruginosa, Staphylococcus aureus und Yersinia pseudotuberculosis. Das Ergebnis werden Datensätze in noch nie dagewesenem Umfang sein, die detaillierte Informationen über diese Bakterien und deren genetische Mutanten enthalten.

Deep-Learning-Analysen sollen dann dafür sorgen, dass aus diesem Datenschatz Angriffsziele für Antibiotika mit neuartigen Wirkmechanismen aufgedeckt werden. „Mit diesem Ansatz werden wir synthetische Molekülbibliotheken und Naturstoffe vielleicht sogar aus komplexen Mischungen zielgenau daraufhin untersuchen, ob sie potenzielle neue antibiotische Wirkstoffe enthalten und um ihre molekularen Mechanismen rechnerisch vorherzusagen“, sagt Zimmer.

Das ERC-Projekt des Trios startet 2025 und läuft sechs Jahre. Es läuft unter dem Namen „Deep learning analysis of imaging and metabolomic data to accelerate antibiotic discovery against antimicrobial resistance“ (AI4AMR).