Sztuczna inteligencja z Harvardu projektuje antybiotyki, które pokonują lekooporną rzeżączkę

Łącznie modele zaprojektowały ponad 36 milionów potencjalnych związków, które naukowcy przefiltrowali pod kątem przewidywanej aktywności antybiotycznej, niskiej toksyczności i możliwości syntezy. Ostatecznie zespół zsyntetyzował 24 najbardziej obiecujące cząsteczki i przetestował je w laboratorium. Siedem z tych związków wykazało aktywność przeciwbakteryjną, a dwa wiodące związki – oznaczone jako NG1 (przeciwko rzeżączce) i DN1 (przeciwko MRSA) – wykazały silne działanie bakteriobójcze przeciwko szczepom wielolekoopornym zarówno w badaniach laboratoryjnych, jak i na zwierzętach. Cząsteczki te różnią się strukturalnie od wszystkich istniejących antybiotyków i wydają się działać poprzez nowe mechanizmy polegające na rozrywaniu błon komórkowych bakterii.

Kluczowym szczegółem jest to, że zespół z Wyss/MIT nie poprzestał na testach in vitro i na zwierzętach. Collins ujawnił, że bezpośrednio współpracował z dyrektorem założycielem Wyss Institute, Donaldem Ingberem, aby wykorzystać technologię „organ-on-chip” – mikrofuidyczne urządzenia do hodowli komórek – do testowania skuteczności odkrytych przez AI antybiotyków w środowiskach przypominających ludzkie tkanki. Platformy te pozwalają badać zachowanie leków w żywych tkankach ludzkich, uzupełniając tradycyjne eksperymenty na zwierzętach i dając bardziej szczegółowy obraz potencjału terapeutycznego, zanim związek trafi do badań klinicznych z udziałem ludzi.

Szersza rewolucja AI w odkrywaniu leków przeciwdrobnoustrojowych

Prace Wyss/MIT nie są odosobnionym przypadkiem. Odzwierciedlają fundamentalną zmianę w podejściu społeczności naukowej do oporności na środki przeciwdrobnoustrojowe. AI nie tylko przyspiesza przeszukiwanie istniejących bibliotek związków; jest wykorzystywana do projektowania cząsteczek „nieznanych naturze”, przeszukiwania proteomów wymarłych organizmów w poszukiwaniu peptydów przeciwdrobnoustrojowych i przewidywania wzorców oporności w czasie rzeczywistym na podstawie danych genomowych.

• Projektowanie generatywne: Artykuł z Cell autorstwa laboratorium Collinsa wpisuje się w falę badań, w tym tych wykorzystujących duże modele językowe (LLM) do generowania nowych peptydów przeciwdrobnoustrojowych skutecznych przeciwko klinicznym superbakteriom.
• Molekularna de-ekstynkcja: Naukowcy wytrenowali modele uczenia głębokiego do przeszukiwania proteomów wymarłych organizmów w poszukiwaniu ukrytych peptydów antybiotykowych, odkrywając cząsteczki, których ludzkość nigdy wcześniej nie widziała.
• Przewidywanie oporności: Oddzielne badania uczenia maszynowego wykazały, że modele CatBoost mogą przewidywać oporność dwoinek rzeżączki na kluczowe antybiotyki z krzyżowo walidowanym wynikiem AUROC sięgającym 0,97, przewyższając poprzednie najlepsze metody o 4-7 punktów procentowych. Oznacza to, że klinicyści mogliby wkrótce otrzymywać w czasie rzeczywistym prognozy oporności na poziomie laboratoryjnym, korzystając wyłącznie z rutynowo zbieranych danych pacjentów.
• Zmiana paradygmatu: Kompleksowy przegląd NIH określa AI nie tylko jako użyteczne narzędzie, ale jako „katalizator” odkrywania leków przeciwdrobnoustrojowych, odpowiadający na kluczowy problem – tradycyjne programy badawcze są zbyt powolne i kosztowne, aby nadążyć za ewoluującymi, wielolekoopornymi patogenami.

Nie sposób przecenić fundamentalnej roli Wyss Institute w tej zmianie. Wcześniejsze prace Collinsa nad uczeniem głębokim, również prowadzone ze współpracownikami z MIT, zaowocowały odkryciem halicyny w 2019 r. – pierwszej nowej klasy antybiotyków zidentyfikowanej od dziesięcioleci i pierwszej odkrytej przy użyciu platformy opartej na AI. Nowsze prace nad generatywną AI dla rzeżączki są bezpośrednią ewolucją tego samego programu badawczego, przechodząc od „AI jako narzędzia do przesiewu” do „AI jako projektanta”.

FDA nadąża: nowe doustne leki na rzeżączkę

Podczas gdy kandydaci z Wyss Institute (jak NG1) są wciąż na etapie przedklinicznym, dziedzina odkrywania antybiotyków otrzymała ogromne potwierdzenie w grudniu 2025 roku. 11 i 12 grudnia Amerykańska Agencja ds. Żywności i Leków (FDA) zatwierdziła dwa nowe leki doustne do leczenia niepowikłanej rzeżączki układu moczowo-płciowego – pierwsze zupełnie nowe opcje leczenia od dziesięcioleci.

• Zoliflodacyna (nazwa handlowa Nuzolvence) jest pierwszym w swojej klasie, jednodawkowym, doustnym inhibitorem topoizomerazy typu II z grupy spiropirymidynotrionów, opracowanym przez Innoviva Specialty Therapeutics we współpracy z Globalnym Partnerstwem na rzecz Badań i Rozwoju Antybiotyków (GARDP) i Narodowym Instytutem Alergii i Chorób Zakaźnych USA (NIAID). Badanie 3. fazy z udziałem 930 pacjentów wykazało, że lek nie ustępuje standardowemu leczeniu w formie zastrzyków.
• Gepotadacyna (nazwa handlowa Blujepa) jest pierwszym w swojej klasie doustnym lekiem przeciwbakteryjnym z grupy triazaacenaftylenów, opracowanym przez GSK. Początkowo została zatwierdzona w marcu 2025 r. do leczenia zakażeń dróg moczowych u kobiet, a następnie w grudniu 2025 r. otrzymała uzupełniające zatwierdzenie FDA do leczenia rzeżączki u pacjentów z ograniczonymi lub bez alternatywnych opcji terapeutycznych.

Oba leki są strukturalnie nowymi doustnymi antybiotykami, co jest kluczową cechą, ponieważ poprzedni standard opieki – schemat oparty na wstrzykiwanej ceftriaksonie – stwarzał bariery logistyczne i napotykał rosnącą oporność. Zatwierdzenia te wiążą się jednak z istotnymi zastrzeżeniami. Zarówno zoliflodacyna, jak i gepotadacyna wykazały ograniczoną skuteczność w leczeniu rzeżączki gardłowej we wcześniejszych badaniach 2. fazy, co oznacza, że ich stosowanie będzie musiało być ostrożnie zarządzane. Co więcej, żaden z nich nie został odkryty przy użyciu AI. Stanowią one raczej dowód na ciągłe znaczenie tradycyjnego, nieopartego na AI rozwoju małych cząsteczek, nawet gdy AI przyspiesza rozwój przedklinicznych kandydatów.

Dokąd to wszystko prowadzi

Prace Wyss Institute i szerszy ruch na rzecz antybiotyków opartych na AI, który reprezentuje, znajdują się w kluczowym punkcie zwrotnym. Z jednej strony modele generatywnej AI są już w stanie projektować strukturalnie nowe związki, które zabijają wielolekooporne „superbakterie” w laboratorium i na modelach zwierzęcych. Z drugiej strony, zatwierdzenia przez FDA zoliflodacyny i gepotadacyny w grudniu 2025 r. dowodzą, że nowe substancje chemiczne mogą uzyskać zgodę organów regulacyjnych i dotrzeć do pacjentów pilnie potrzebujących alternatyw dla zawodnych antybiotyków pierwszego rzutu. Następny krok – połączenie kandydatów zaprojektowanych przez AI z testowaniem na ludzkich „organ-on-chip” – już rozpoczął się w laboratorium Collinsa.

Jeśli to zintegrowane podejście odniesie sukces, przyszłość odkrywania antybiotyków może wyglądać radykalnie inaczej: modele uczenia głębokiego proponują zupełnie nowe cząsteczki, urządzenia „organ-on-chip” walidują ich bezpieczeństwo i skuteczność w środowiskach ludzkich tkanek, a najbardziej obiecujący kandydaci szybko trafiają do badań klinicznych. Dla patogenu takiego jak N. gonorrhoeae, który WHO i CDC umieściły na swoich listach najwyższego priorytetu ze względu na alarmującą trajektorię oporności, stawka nie mogłaby być wyższa. Zaprojektowane przez AI antybiotyki z Wyss Institute mogą być wciąż na etapie przedklinicznym, ale stanowią dowód na to, że możemy nauczyć maszyny wynajdywania leków, których tak bardzo potrzebujemy.