Koodista lääkkeeksi: Wyss-instituutin tekoälyavusteinen taistelu superbakteeri N. gonorrhoeae:ta vastaan

Kriittinen yksityiskohta on, ettei Wyss-instituutin ja MIT:n tiimi ole pysähtynyt koeputki- ja eläintesteihin. Collins on kertonut työskennelleensä suoraan Wyss-instituutin perustajajohtajan Donald Ingberin kanssa hyödyntääkseen instituutin "elin-sirulla" (organ-on-chip) -teknologiaa tekoälyn löytämien antibioottien tehon testaamiseksi ihmiskudosta muistuttavissa ympäristöissä . Nämä alustat mahdollistavat sen tutkimisen, miten lääkkeet käyttäytyvät elävissä ihmiskudoksissa, täydentäen perinteisiä eläinkokeita ja tarjoten vivahteikkaamman kuvan lääkkeen terapeuttisesta potentiaalista jo ennen kuin yksikään yhdiste päätyy ihmiskokeisiin .

Tekoälyn laajempi vallankumous antibioottien löytämisessä

Wyss-instituutin ja MIT:n työ ei ole yksittäistapaus. Se heijastaa perustavanlaatuista muutosta siinä, miten tiedeyhteisö lähestyy antibioottiresistenssiä. Tekoäly ei enää ainoastaan nopeuta olemassa olevien yhdistekirjastojen seulontaa; sitä käytetään nyt suunnittelemaan luonnolle täysin uudenlaisia molekyylejä, louhimaan sukupuuttoon kuolleiden eliöiden proteomeja antimikrobisten peptidien löytämiseksi ja ennustamaan resistenssimalleja reaaliajassa genomitiedon perusteella [17, 18, 20, 26].

• Generatiivinen suunnittelu: Collinsin laboratorion Cell-artikkeli on osa aaltoa, johon kuuluu muita ryhmiä, jotka käyttävät suuria kielimalleja (LLM) luodakseen uusia antimikrobisia peptidejä, jotka tehoavat kliinisiin superbakteereihin [7, 22].
• Molekulaarinen "sukupuuttoonpalautus" (de-extinction): Tutkijat ovat opettaneet syväoppimismalleja louhimaan sukupuuttoon kuolleiden eliöiden proteomeja piilotettujen antibioottipeptidien löytämiseksi paljastaen molekyylejä, joita ihmiskunta ei ole koskaan ennen nähnyt .
• Resistenssin ennustaminen: Erilliset koneoppimistutkimukset ovat osoittaneet, että CatBoost-mallit voivat ennustaa tippuribakteerin resistenssin keskeisille antibiooteille ristiinvalidoidulla AUROC-arvolla jopa 0,97, mikä ylittää aiemmat parhaat menetelmät 4–7 prosenttiyksiköllä . Tämä tarkoittaa, että kliinikot voisivat pian saada reaaliajassa laboratoriotasoisia ennusteita resistenssistä käyttämällä vain rutiininomaisesti kerättyjä potilastietoja.
• Paradigman muutos: Kattava NIH:n katsaus kehystää tekoälyn ei vain hyödyllisenä työkaluna, vaan "katalyyttinä" antibioottien löytämiselle, osoittaen ydinongelman: perinteiset kehitysputket ovat liian hitaita ja kalliita pysyäkseen kehittyvien monilääkeresistenttien taudinaiheuttajien perässä .

Wyss-instituutin perustavanlaatuista roolia tässä muutoksessa on vaikea liioitella. Collinsin aiempi syväoppimistyö, joka tehtiin myös MIT:n yhteistyökumppaneiden kanssa, johti halisiinin löytämiseen vuonna 2019 – se oli ensimmäinen uusi antibioottiluokka vuosikymmeniin ja ensimmäinen, joka löydettiin tekoälypohjaista alustaa hyödyntäen [9, 47]. Uudempi tippurin torjuntaan tähtäävä generatiivisen tekoälyn työ on suoraa jatkumoa tälle samalle tutkimusohjelmalle, siirtyen "tekoälystä seulojana" kohti "tekoälyä suunnittelijana" [7, 50].

FDA:n hyväksynnät ottavat kiinni: uusia oraalisia lääkkeitä tippuriin

Vaikka Wyss-instituutin generatiivisen tekoälyn luomat kandidaatit (kuten NG1) ovat vielä esikliinisessä vaiheessa, antibioottien kehityskenttä sai merkittävän vahvistuksen joulukuussa 2025. Yhdysvaltain elintarvike- ja lääkevirasto FDA hyväksyi 11. ja 12. joulukuuta kaksi uutta suun kautta otettavaa lääkettä komplisoitumattoman urogenitaalisen tippurin hoitoon – ensimmäiset täysin uudet hoitovaihtoehdot vuosikymmeniin [33, 40, 35].

• Zoliflodasiini (kauppanimeltään Nuzolvence) on ensimmäinen laatuaan oleva, kerta-annoksena otettava oraalinen spiropyrimidinetrioni-topoisomeraasi-inhibiittori, jonka on kehittänyt Innoviva Specialty Therapeutics yhteistyössä Global Antibiotic Research and Development Partnership (GARDP) -järjestön ja Yhdysvaltain kansallisen allergia- ja tartuntatauti-instituutin (NIAID) kanssa [31, 33, 39]. 930 potilaan faasin 3 tutkimuksessa lääkkeen todettiin olevan vähintään yhtä hyvä kuin tavanomainen injisoitava hoito .
• Gepotasidiini (kauppanimeltään Blujepa) on ensimmäinen laatuaan oleva oraalinen triasa-asenaftyleeni-antibakteerinen lääke, jonka on kehittänyt GSK. Se hyväksyttiin alun perin maaliskuussa 2025 naisten virtsatietulehdusten hoitoon, ja se sai joulukuussa 2025 täydentävän FDA-hyväksynnän tippurin hoitoon potilaille, joilla on vähän tai ei lainkaan muita hoitovaihtoehtoja [34, 37, 40].

Molemmat lääkkeet ovat rakenteellisesti täysin uudenlaisia oraalisia antibiootteja, mikä on kriittinen ominaisuus, sillä aiempi hoidon standardi – injisoitavaan keftriaksoniin perustuva hoito-ohjelma – aiheutti logistisia esteitä ja kohtasi kasvavaa resistenssin [36, 44] aiheuttamaa haastetta. Hyväksynnät sisältävät kuitenkin tärkeitä varauksia. Sekä zoliflodasiini että gepotasidiini osoittivat vain rajallista tehoa nielutippuria vastaan aiemmissa faasin 2 kokeissa, mikä tarkoittaa, että niiden käyttöä on hallittava huolellisesti . Kumpaakaan ei myöskään löydetty tekoälyn avulla. Sen sijaan ne kuvastavat perinteisen, ei-tekoälyavusteisen pienmolekyylisen lääkekehityksen jatkuvaa tärkeyttä, vaikka tekoäly nopeuttaakin esikliinisten kandidaattien tuotantoputkea [7, 8].

Mihin tämä kaikki johtaa

Wyss-instituutin työ ja sen edustama laajempi tekoälyvetoinen antibioottiliike sijaitsevat ratkaisevassa tienhaarassa. Toisaalta generatiivisen tekoälyn mallit kykenevät nyt suunnittelemaan rakenteellisesti uusia yhdisteitä, jotka tappavat monilääkeresistenttejä "superbakteereita" laboratoriossa ja eläinmalleissa [7, 48]. Toisaalta joulukuun 2025 FDA-hyväksynnät zoliflodasiinille ja gepotasidiinille todistavat, että uudet kemialliset entiteetit voivat saada viranomaishyväksynnän ja päätyä potilaille, jotka kipeästi tarvitsevat vaihtoehtoja pettäville ensilinjan antibiooteille [33, 35]. Seuraava askel – tekoälyn suunnittelemien kandidaattien yhdistäminen ihmisen elin-sirulla -testaukseen – on jo alkanut Collinsin laboratoriossa .

Jos tämä integroitu lähestymistapa onnistuu, antibioottien löytämisen tulevaisuus voi näyttää radikaalisti erilaiselta: syväoppimismallit ehdottavat täysin uusia molekyylejä, elin-sirut validoivat niiden turvallisuuden ja tehon ihmiskudosympäristöissä, ja lupaavimmat kandidaatit etenevät nopeasti kliinisiin kokeisiin. Tauteja aiheuttavan bakteerin, kuten N. gonorrhoeae, jonka WHO ja CDC ovat asettaneet korkeimman prioriteetin tarkkailulistoilleen sen hälyttävän resistenssikehityksen vuoksi, panokset eivät voisi olla korkeammat [41, 5]. Wyss-instituutin tekoälyn suunnittelemat antibiootit saattavat olla yhä esikliinisessä vaiheessa, mutta ne edustavat konseptin todistetta siitä, että voimme nyt opettaa koneita keksimään lääkkeitä, joita me kipeimmin tarvitsemme.