Van Code naar Medicijn: Hoe Generatieve AI op het Wyss Instituut Nieuwe Antibiotica Uitvindt

De toenemende dreiging van multiresistente Neisseria gonorrhoeae dwingt onderzoekers om de trage, traditionele methoden voor medicijnontdekking achter zich te laten en de hulp van kunstmatige intelligentie in te roepen. Op het Wyss Institute for Biologically Inspired Engineering van Harvard heeft een team onder leiding van kerndocent Jim Collins – in samenwerking met MIT en het Broad Institute – een reeks doorbraken bereikt die geen bestaande medicijnbibliotheken doorzoeken, maar volledig nieuwe antibiotica van de tekentafel laten rollen met behulp van generatieve deep learning [8, 9, 52].

Hoe het Wyss Instituut AI gebruikt om nieuwe antibiotica te bedenken

Het recente werk van het lab van Collins, gepubliceerd in het tijdschrift Cell, beschrijft een tweeledig generatief AI-raamwerk voor het ontwerpen van antibiotica tegen resistente N. gonorrhoeae en Staphylococcus aureus (MRSA) [7, 8]. Het team zette graaf-neurale-netwerken (Graph Neural Networks) in om virtueel meer dan 100 miljoen chemische fragmenten te analyseren en te voorspellen welke basisstructuren selectief werkzaam zouden zijn tegen de specifieke ziekteverwekkers . Vervolgens werden deze veelbelovende fragmenten met behulp van variationele auto-encoders en genetische algoritmen uitgebreid tot grotere, complete moleculen met de gewenste medicijnachtige eigenschappen [7, 8].

In totaal werden er door de modellen meer dan 36 miljoen kandidaat-verbindingen ontworpen. Deze werden vervolgens door de computer gefilterd op voorspelde antibiotische activiteit, lage toxiciteit en de haalbaarheid om ze na te maken [8, 16]. Uiteindelijk werden de 24 meest veelbelovende moleculen in het laboratorium gesynthetiseerd en getest. Zeven van die verbindingen vertoonden daadwerkelijk antibacteriële activiteit, en twee hoofdkandidaten – NG1 (gericht tegen gonorroe) en DN1 (gericht tegen MRSA) – bleken zeer effectief in het doden van multiresistente stammen, zowel in laboratoriumtesten als in dierstudies [8, 7, 55]. De structuur van deze moleculen wijkt volledig af van alle bestaande antibiotica en ze lijken te werken via nieuwe mechanismen die de celmembranen van bacteriën ontregelen .

Cruciaal is dat het onderzoeksteam niet is gestopt bij testen in reageerbuizen en proefdieren. Collins heeft onthuld dat hij direct samenwerkt met Wyss-oprichter Donald Ingber om de baanbrekende 'orgaan-op-een-chip'-technologie van het instituut te gebruiken. Dit zijn microfluïdische celkweekapparaatjes die menselijk weefsel nabootsen. Hierop wordt de effectiviteit van de door AI ontdekte antibiotica getest in een omgeving die sterk lijkt op echt menselijk weefsel, wat traditionele dierexperimenten aanvult en een genuanceerder beeld geeft van het therapeutisch potentieel voordat een stof ooit op mensen wordt getest .

De bredere AI-revolutie in de ontdekking van antimicrobiële middelen

Het werk van het Wyss/MIT-team staat niet op zichzelf. Het weerspiegelt een fundamentele verschuiving in hoe de wetenschap antimicrobiële resistentie (AMR) aanpakt. AI wordt niet langer alleen gebruikt om bestaande stoffen sneller te screenen; het wordt nu ingezet om compleet nieuwe, in de natuur niet-bestaande moleculen te ontwerpen, de eiwitten van uitgestorven soorten te doorzoeken op antimicrobiële peptiden, en om op basis van genomische data razendsnel resistentiepatronen te voorspellen [17, 18, 20, 26].

• Generatief ontwerp: Het Cell-artikel van Collins' lab is onderdeel van een golf waarin ook andere groepen grote taalmodellen (LLMs) gebruiken om nieuwe antimicrobiële peptiden te genereren die effectief zijn tegen klinische superbacteriën [7, 22].
• Moleculaire 'de-extinctie': Onderzoekers hebben deep-learningmodellen getraind om de proteomen van uitgestorven organismen te doorzoeken op verborgen antibiotische peptiden, waarmee moleculen aan het licht komen die de mensheid nog nooit eerder heeft gezien .
• Resistentievoorspelling: Machine-learningonderzoek toont aan dat modellen zoals CatBoost resistentie van gonokokken tegen belangrijke antibiotica kunnen voorspellen. De zogenaamde AUROC-score, een maat voor nauwkeurigheid, reikte tot 0.97, wat 4 tot 7 procentpunt beter is dan eerdere methoden . Artsen zouden hierdoor binnenkort realtime voorspellingen van laboratoriumkwaliteit kunnen krijgen op basis van routinematig verzamelde patiëntgegevens.
• Een paradigmaverschuiving: Een uitgebreide review van het Amerikaanse gezondheidsinstituut NIH beschouwt AI niet slechts als een handig hulpmiddel, maar als een 'katalysator' voor de ontdekking van antimicrobiële middelen. Het adresseert het kernprobleem dat traditionele ontwikkelingspijplijnen te traag en te duur zijn om de evolutie van multiresistente pathogenen bij te benen .

De fundamentele rol van het Wyss Instituut in deze verschuiving kan nauwelijks worden overschat. Collins' eerdere deep-learningwerk, eveneens met MIT-partners, leidde in 2019 tot de ontdekking van halicine – de eerste nieuwe klasse antibiotica in decennia, en de eerste ontdekt met behulp van een AI-platform [9, 47]. Het nieuwere generatieve AI-werk voor gonorroe is een directe evolutie uit datzelfde onderzoeksprogramma: van “AI als screeningsapparaat” naar “AI als ontwerper” [7, 50].

Goedkeuring van nieuwe orale medicijnen voor gonorroe

Hoewel de generatieve AI-kandidaten van het Wyss Instituut (zoals NG1) nog in de preklinische fase zitten, kreeg het veld van antibioticumonderzoek in december 2025 een belangrijke bevestiging. Op 11 en 12 december keurde de Amerikaanse Food and Drug Administration (FDA) twee nieuwe orale medicijnen voor de behandeling van ongecompliceerde urogenitale gonorroe goed, de eerste volledig nieuwe behandelopties in decennia [33, 40, 35].

• Zoliflodacin (merknaam Nuzolvence) is een eerst-in-zijn-klasse, oraal spiropyrimidinetrion-antibioticum dat in één dosis wordt ingenomen. Het werd ontwikkeld door Innoviva Specialty Therapeutics in samenwerking met het Global Antibiotic Research and Development Partnership (GARDP) en het Amerikaanse National Institute of Allergy and Infectious Diseases [31, 33, 39]. In een grootschalig fase 3-onderzoek met 930 patiënten bleek het middel niet inferieur aan de standaardbehandeling, die tot dan toe uit injecties bestond .
• Gepotidacin (merknaam Blujepa) is een oraal antibioticum van GSK. Het werd voor het eerst goedgekeurd in maart 2025 voor urineweginfecties bij vrouwen en kreeg in december 2025 een aanvullende FDA-goedkeuring voor de behandeling van gonorroe bij patiënten met beperkte of geen andere behandelopties [34, 37, 40].

Beide middelen zijn structureel volledig nieuwe orale antibiotica. Dit is een cruciaal kenmerk, omdat de vorige standaardbehandeling – een injectie met ceftriaxon – logistieke barrières opwierp en in toenemende mate te kampen had met opkomende resistentie [36, 44]. De goedkeuringen komen echter met belangrijke kanttekeningen. Zowel zoliflodacin als gepotidacin hadden in eerdere fase 2-onderzoeken beperkt succes tegen keelgonorroe, waardoor het gebruik ervan zorgvuldig moet worden gemanaged . En geen van beide middelen is met behulp van AI ontdekt. Ze onderstrepen daarmee het blijvende belang van traditionele medicijnontwikkeling, zelfs terwijl AI de pijplijn van preklinische kandidaten versnelt [7, 8].

Wat brengt de toekomst?

Het werk van het Wyss Instituut bevindt zich op een cruciaal kruispunt. Aan de ene kant zijn generatieve AI-modellen nu in staat om structureel nieuwe stoffen te ontwerpen die multiresistente superbacteriën doden in het lab en in diermodellen [7, 48]. Aan de andere kant bewijst de goedkeuring door de FDA van zoliflodacin en gepotidacin in december 2025 dat nieuwe chemische entiteiten wettelijke goedkeuring kunnen krijgen en de patiënt kunnen bereiken die dringend alternatieven nodig heeft [33, 35]. De volgende stap – het huwelijk tussen AI-ontworpen kandidaat-medicijnen en tests op menselijke orgaan-op-een-chip-platformen – is in het lab van Collins al begonnen .

Als deze geïntegreerde aanpak slaagt, kan de toekomst van de ontdekking van antibiotica er radicaal anders uitzien: deep-learningmodellen stellen volledig nieuwe moleculen voor, orgaan-op-een-chips bevestigen hun veiligheid en werkzaamheid in menselijke weefselomgevingen, en de meest veelbelovende kandidaten stromen snel door naar klinische studies. Voor een ziekteverwekker als N. gonorrhoeae, die vanwege zijn alarmerende resistentieontwikkeling op de hoogste prioriteitenlijstjes van de WHO en het CDC staat, is er geen moment te verliezen [41, 5]. De door AI ontworpen antibiotica van het Wyss Instituut mogen dan nog preklinisch zijn, ze vormen het levende bewijs dat we machines nu kunnen leren om de medicijnen te bedenken die we zo hard nodig hebben.