Sztuczna inteligencja z Harvardu projektuje antybiotyki, które pokonują lekooporną rzeżączkę

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. [17, 18, 20, 26]

• 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. [7, 22]
• 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. [9, 47] 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”. [7, 50]

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. [33, 40, 35]

• 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). [31, 33, 39] 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. [34, 37, 40]

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. [36, 44] 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. [7, 8]

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. [7, 48] 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. [33, 35] 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. [41, 5] 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.