Fra kode til kur: Inne i Wyss-instituttets KI-drevne kamp mot superbakterien *N. gonorrhoeae*

Den økende trusselen fra multiresistent Neisseria gonorrhoeae har presset forskere til å forlate den tradisjonelle, tidkrevende legemiddelutviklingen til fordel for kunstig intelligens. Ved Harvards Wyss Institute for Biologically Inspired Engineering har et team ledet av professor James Collins – i samarbeid med kolleger ved MIT og Broad Institute – oppnådd en rekke gjennombrudd som ikke bare siler eksisterende medisinbiblioteker, men som finner opp helt nye antibiotika fra bunnen av ved hjelp av generativ dyp læring [8, 9, 52].

Slik skapte Wyss-instituttet nye antibiotika med generativ KI

Collins' forskningsgruppe publiserte nylig i tidsskriftet Cell en beskrivelse av et tosporet generativt KI-verktøy for design av antibiotika mot medikamentresistent N. gonorrhoeae og Staphylococcus aureus (MRSA) [7, 8]. Teamet brukte grafnevrale nettverk for systematisk å evaluere mer enn 100 millioner kjemiske fragmenter i silico, og forutså hvilke grunnstrukturer (scaffolds) som hadde selektiv antibakteriell aktivitet mot de aktuelle bakteriene . Derfra tok de i bruk variasjonsautoenkodere og genetiske algoritmer for å bygge disse lovende fragmentene ut til større, fullverdige molekyler med ønskede legemiddelegenskaper [7, 8].

Modellene designet til sammen over 36 millioner kandidatforbindelser, som forskerne filtrerte datamaskinelt for antatt antibiotisk effekt, lav toksisitet og mulighet til å syntetiseres [8, 16]. Av de 24 mest lovende KI-designede molekylene som ble fremstilt og testet i laboratoriet, viste sju av forbindelsene antibakteriell aktivitet, og to av de fremste kandidatene – kalt NG1 (rettet mot gonoré) og DN1 (rettet mot MRSA) – utmerket seg med potent bakteriedrepende effekt mot multiresistente stammer både i laboratorieforsøk og i dyremodeller [8, 7, 55]. Disse molekylene skiller seg strukturelt fra samtlige eksisterende antibiotika, og de ser ut til å virke gjennom nye mekanismer som ødelegger bakterienes cellemembran .

En kritisk detalj er at Wyss/MIT-teamet ikke har stoppet ved laboratorie- og dyreforsøk. Collins har fortalt at han har samarbeidet direkte med Wyss-instituttets grunnlegger Donald Ingber om å bruke instituttets mikrofysiologiske «organ-på-brikke»-systemer for å teste effekten av KI-designede antibiotika i menneskelignende vevsmiljøer . Slike plattformer gjør det mulig å studere hvordan legemidler oppfører seg i levende menneskevev, som et supplement til tradisjonelle dyreforsøk, og gir et langt mer nyansert bilde av det terapeutiske potensialet før et stoff i det hele tatt testes på mennesker .

Den bredere KI-revolusjonen i antimikrobiell forskning

Wyss/MIT-arbeidet står ikke alene. Det gjenspeiler et grunnleggende skifte i hvordan forskningsmiljøene angriper antimikrobiell resistens. Kunstig intelligens brukes ikke lenger bare til å gjøre screening av eksisterende stoffbiblioteker raskere; den brukes nå til å designe «ny-til-naturen»-molekyler, lete gjennom proteinstrukturen til utdødde organismer etter antimikrobielle peptider, og forutsi resistensmønstre i sanntid basert på genomdata [17, 18, 20, 26].

• Generativ design: Cell-artikkelen fra Collins' laboratorium er del av en bølge der også andre forskergrupper bruker store språkmodeller (LLMs) for å generere nye antimikrobielle peptider som virker mot kliniske superbakterier [7, 22].
• Molekylær «gjenoppliving»: Forskere har trent dype læringsmodeller til å lete i proteinsekvensene til utdødde organismer etter skjulte antibiotiske peptider, og på den måten avdekket molekyler menneskeheten aldri har sett før .
• Resistensprediksjon: Egne maskinlæringsstudier har vist at CatBoost-modeller kan forutsi gonoréresistens mot sentrale antibiotika med en kryssvalidert AUROC-score på opptil 0,97, noe som overgår tidligere metoder med 4–7 prosentpoeng . Dette innebærer at klinikere snart kan motta laboratoriesikre varsler om resistens i sanntid, kun basert på rutinemessig innsamlede pasientdata.
• Et paradigmeskifte: En omfattende gjennomgang fra National Institutes of Health (NIH) beskriver KI ikke bare som et nyttig hjelpemiddel, men som en «katalysator» for antimikrobiell oppdagelse, som tar tak i det grunnleggende problemet at tradisjonelle utviklingsløp er for langsomme og for kostbare til å holde tritt med resistente bakterier i stadig utvikling .

Wyss-instituttets grunnleggende rolle i dette skiftet kan knapt overdrives. Collins’ tidligere dype læringsarbeid, også utført med samarbeidspartnere ved MIT, ledet i 2019 til oppdagelsen av halicin – den første nye antibiotikaklassen som er identifisert på flere tiår, og den aller første som ble funnet ved hjelp av en KI-drevet plattform [9, 47]. Det nye generative KI-arbeidet mot gonoré er en direkte videreføring av det samme forskningsprogrammet, i en bevegelse fra «KI som silingsverktøy» til «KI som designer» [7, 50].

FDA-godkjenningene henger seg på: nye orale legemidler mot gonoré

Mens Wyss-instituttets generative KI-kandidater (som NG1) fremdeles befinner seg på det prekliniske stadiet, fikk antibiotikafeltet en massiv bekreftelse i desember 2025. Den 11. og 12. desember godkjente U.S. Food and Drug Administration (FDA) to nye orale legemidler for behandling av ukomplisert urogenital gonoré – de første helt nye behandlingsalternativene på flere tiår [33, 40, 35].

• Zoliflodacin (merkenavn Nuzolvence) er et «first-in-class», oralt legemiddel som tas som en enkelt dose. Det tilhører gruppen spiropyrimidinetrioner og hemmer bakteriell topoisomerase. Legemidlet er utviklet av Innoviva Specialty Therapeutics i partnerskap med Global Antibiotic Research and Development Partnership (GARDP) og det amerikanske National Institute of Allergy and Infectious Diseases (NIAID) [31, 33, 39]. Fase 3-studien, med 930 pasienter, viste at legemidlet var ikke-underlegent (non-inferior) sammenlignet med standardbehandlingen, som er basert på injeksjon .
• Gepotidacin (merkenavn Blujepa) er et «first-in-class», oralt antibakterielt middel i klassen triazaacenaftylen, utviklet av GSK. Det ble først godkjent i mars 2025 mot urinveisinfeksjoner hos kvinner, og fikk deretter en supplerende FDA-godkjenning i desember 2025 for gonorébehandling hos pasienter med få eller ingen alternative behandlingsmuligheter [34, 37, 40].

Begge legemidlene er strukturelt nye, orale antibiotika – et kritisk poeng fordi den tidligere standardbehandlingen, et injeksjonsbasert regime med ceftriaxon, innebar logistiske barrierer og i økende grad utfordres av stigende resistens [36, 44]. Men godkjenningene kommer med viktige forbehold. Både zoliflodacin og gepotidacin viste begrenset effekt mot faryngeal gonoré (svelggonoré) i tidligere fase 2-studier, noe som betyr at bruken må håndteres med forsiktighet . Og ingen av dem ble oppdaget ved hjelp av KI. De illustrerer i stedet den fortsatte betydningen av tradisjonell, ikke-KI-drevet småmolekylutvikling, selv om KI akselererer tilfanget av prekliniske kandidater [7, 8].

Veien videre

Arbeidet ved Wyss-instituttet, og den bredere KI-drevne antibiotikabevegelsen det representerer, befinner seg i et avgjørende veiskille. På den ene siden er generative KI-modeller nå i stand til å designe strukturelt nye forbindelser som dreper multiresistente «superbakterier» i laboratoriet og i dyremodeller [7, 48]. På den andre siden beviser FDA-godkjenningene av zoliflodacin og gepotidacin i desember 2025 at nye kjemiske substanser kan vinne regulatorisk godkjenning og nå pasienter som sårt trenger alternativer til sviktende frontline-antibiotika [33, 35]. Det neste steget – å forene KI-designede kandidater med human organ-på-brikke-testing – er allerede i gang inne i Collins’ laboratorium .

Dersom denne integrerte tilnærmingen lykkes, kan fremtidens antibiotikautvikling se radikalt annerledes ut: dype læringsmodeller foreslår helt nye molekyler, organ-på-brikke-systemer validerer sikkerhet og effekt i menneskelige vevsmiljøer, og de mest lovende kandidatene går raskt videre til kliniske studier. For en bakterie som N. gonorrhoeae, som både Verdens helseorganisasjon (WHO) og amerikanske Centers for Disease Control and Prevention (CDC) har plassert på sine høyeste prioriteringslister på grunn av en alarmerende resistensutvikling, kan innsatsen knapt være høyere [41, 5]. Wyss-instituttets KI-designede antibiotika er kanskje fortsatt prekliniske, men de representerer et konseptbevis på at vi nå kan lære maskiner å finne opp medisinene vi desperat trenger.