Från kod till botemedel: Wyss-institutets AI-genererade antibiotika slår ut resistent gonorré

Det växande hotet från multiresistent Neisseria gonorrhoeae har fått forskare att överge den traditionella, långsamma läkemedelsutvecklingen till förmån för artificiell intelligens. Vid Harvards Wyss Institute for Biologically Inspired Engineering har ett team under ledning av kärnfakultetsmedlemmen Jim Collins – i samarbete med kollegor vid MIT och Broad Institute – nått en rad genombrott som inte bara sållar i befintliga läkemedelsbibliotek, utan uppfinner helt nya antibiotika från grunden med hjälp av generativ djupinlärning [8, 9, 52].

Så använde Wyss-institutet generativ AI för att skapa nya antibiotika

Collins-labbets senaste arbete, publicerat i tidskriften Cell, beskriver ett tvådelat generativt AI-ramverk för att designa antibiotika mot läkemedelsresistent N. gonorrhoeae och Staphylococcus aureus (MRSA) [7, 8]. Teamet använde graf-neurala nätverk (GNN) för att systematiskt utvärdera mer än 100 miljoner kemiska fragment i datorsimuleringar, och förutsäga vilka grundstrukturer som hade selektiv antibakteriell aktivitet mot respektive patogen . Därefter använde de variationsautoenkodrar och genetiska algoritmer för att expandera dessa lovande fragment till större, fullständiga molekyler med önskade läkemedelsegenskaper [7, 8].

Sammanlagt designade modellerna över 36 miljoner kandidatföreningar, som forskarna sedan filtrerade med avseende på förutspådd antibiotisk aktivitet, låg toxicitet och möjlighet att syntetisera [8, 16]. Slutligen syntetiserade teamet 24 av de mest lovande AI-designade molekylerna och testade dem i labbet. Sju av dessa föreningar visade antibakteriell aktivitet, och två ledande kandidater – benämnda NG1 (mot gonorré) och DN1 (mot MRSA) – uppvisade potent bakteriedödande effekt mot multiresistenta stammar i både laboratorie- och djurstudier [8, 7, 55]. Dessa molekyler är strukturellt helt annorlunda än alla existerande antibiotika och verkar fungera via nya mekanismer som stör bakteriernas cellmembran .

En avgörande detalj är att teamet vid Wyss/MIT inte har stannat vid in vitro- och djurförsök. Collins har avslöjat att han har arbetat direkt med Wyss-institutets grundare Donald Ingber för att utnyttja institutets "organ-på-chip"-teknik – mikrofluidiska cellodlingsenheter – för att testa effekten av AI-upptäckta antibiotika i mänsklig vävnadsliknande miljö . Dessa plattformar gör det möjligt för forskare att studera hur läkemedel beter sig i levande mänskliga vävnader, vilket kompletterar traditionella djurförsök och ger en mer nyanserad bild av terapeutisk potential innan ett ämne ens går in i kliniska prövningar .

Den bredare AI-revolutionen inom antimikrobiell upptäckt

Wyss/MIT:s arbete är inte en isolerad händelse. Det speglar ett fundamentalt skifte i hur forskarsamhället närmar sig antimikrobiell resistens. AI används inte längre bara för att snabba upp screening av befintliga ämnesbibliotek; den används för att designa "nya-i-naturen"-molekyler, bryta proteom från utdöda organismer för antimikrobiella peptider och förutsäga resistensmönster i realtid från genomdata [17, 18, 20, 26].

• Generativ design: Cell-artikeln från Collins labb är en del av en våg som inkluderar andra grupper som använder stora språkmodeller (LLM) för att generera nya antimikrobiella peptider som är effektiva mot kliniska superbakterier [7, 22].
• Molekylär de-extinktion: Forskare har tränat djupinlärningsmodeller för att bryta proteom från utdöda djur i jakten på dolda antibiotiska peptider, och på så sätt avslöja molekyler som mänskligheten aldrig tidigare sett .
• Resistensprediktion: Maskininlärningsstudier har visat att CatBoost-modeller kan förutsäga gonokockresistens mot viktiga antibiotika med korsvaliderade AUROC-poäng så höga som 0,97, vilket överträffar tidigare bästa metoder med 4-7 procentenheter . Detta innebär att kliniker snart skulle kunna få laboratorieklassade resistensprognoser i realtid enbart med hjälp av rutinmässigt insamlade patientdata.
• Ett paradigmskifte: En omfattande översikt från NIH beskriver AI inte bara som ett hjälpmedel, utan som en "katalysator" för antimikrobiell upptäckt. Den adresserar kärnproblemet att traditionella utvecklingsprocesser är för långsamma och dyra för att hålla jämna steg med ständigt muterande multiresistenta patogener .

Wyss-institutets grundläggande roll i detta skifte kan knappast överskattas. Collins tidigare arbete med djupinlärning, också utfört tillsammans med MIT, var ansvarigt för upptäckten av halicin år 2019 – den första nya antibiotikaklassen som identifierats på årtionden, och den första som upptäckts med hjälp av en AI-driven plattform [9, 47]. Det nyare generativa AI-arbetet mot gonorré är en direkt vidareutveckling av samma forskningsprogram, en förflyttning från "AI som screeningverktyg" till "AI som designer" [7, 50].

FDA:s godkännanden bekräftar trenden: nya orala läkemedel mot gonorré

Medan Wyss-institutets generativa AI-kandidater (som NG1) fortfarande är i preklinisk fas, fick fältet för upptäckt av antibiotika en stor validering i december 2025. Den 11 och 12 december godkände den amerikanska läkemedelsmyndigheten FDA två nya orala läkemedel för behandling av okomplicerad urogenital gonorré – de första helt nya behandlingsalternativen på årtionden [33, 40, 35].

• Zoliflodacin (varumärke Nuzolvence) är en banbrytande oral engångsdos, en så kallad spiropyrimidinetrion-topoisomerashämmare, utvecklad av Innoviva Specialty Therapeutics i partnerskap med Global Antibiotic Research and Development Partnership (GARDP) och U.S. National Institute of Allergy and Infectious Diseases [31, 33, 39]. En fas 3-studie på 930 patienter visade att läkemedlet inte var sämre än standardbehandlingen som kräver injektion .
• Gepotidacin (varumärke Blujepa) är ett banbrytande oralt triazaacenaftylen-antibakteriellt medel utvecklat av GSK. Det godkändes initialt i mars 2025 för urinvägsinfektioner hos kvinnor och fick sedan ett kompletterande FDA-godkännande i december 2025 för gonorrébehandling hos patienter med begränsade eller inga alternativa behandlingsmöjligheter [34, 37, 40].

Båda läkemedlen har helt nya kemiska strukturer, vilket är avgörande eftersom den tidigare standardbehandlingen – en injicerbar ceftriaxonbaserad kur – innebar logistiska hinder och allt oftare möttes av ökande resistens [36, 44]. Godkännandena kommer dock med viktiga förbehåll. Både zoliflodacin och gepotidacin visade begränsad framgång mot faryngeal gonorré (i svalget) i tidigare fas 2-studier, vilket innebär att deras användning måste hanteras med omsorg . Ingen av dem upptäcktes med hjälp av AI. De är istället ett bevis på den fortsatta betydelsen av traditionell småmolekylsutveckling, även när AI accelererar flödet av prekliniska kandidater [7, 8].

Vart leder detta?

Wyss-institutets arbete, och den bredare AI-drivna antibiotikarörelse det representerar, befinner sig i ett avgörande vägskäl. Å ena sidan kan generativa AI-modeller nu designa strukturellt nya föreningar som dödar multiresistenta superbakterier i labbet och i djurmodeller [7, 48]. Å andra sidan bevisar FDA:s godkännande i december 2025 av zoliflodacin och gepotidacin att nya kemiska enheter kan vinna myndighetsgodkännande och nå patienter som är i akut behov av alternativ till frontlinjeantibiotika som håller på att sluta fungera [33, 35]. Nästa steg – äktenskapet mellan AI-designade kandidater och mänskliga organ-på-chip-tester – har redan påbörjats i Collins labb .

Om denna integrerade ansats lyckas kan framtidens antibiotikautveckling se radikalt annorlunda ut: djupinlärningsmodeller föreslår helt nya molekyler, organ-på-chip validerar deras säkerhet och effekt i mänsklig vävnadsmiljö, och de mest lovande kandidaterna går snabbt vidare till kliniska prövningar. För en patogen som N. gonorrhoeae, som WHO och CDC har placerat på sina högst prioriterade bevakningslistor på grund av sin alarmerande resistensutveckling, kan insatsen inte vara högre [41, 5]. Wyss-institutets AI-designade antibiotika må vara prekliniska, men de är ett bevis för att vi nu kan lära maskiner att uppfinna de mediciner vi desperat behöver.