Antimikrobielle Resistenzen zählen zu den drängendsten Gesundheitsbedrohungen unserer Zeit: Jährlich sterben schätzungsweise 4,7 Millionen Menschen im Zusammenhang mit Antibiotikaresistenzen, eine Zahl, die sich bis 2050 mehr als verdoppeln könnte.
Die Entwicklung neuer Antibiotika scheitert dabei überdurchschnittlich häufig an mangelnder Selektivität: Vielversprechende Wirkstoffkandidaten schädigen neben Bakterien auch menschliche Zellen (Zytotoxizität) und werden erst in späten, kostenintensiven Entwicklungsphasen verworfen. Das Verbundprojekt OptimAIze setzt an genau diesem Engpass an und verzahnt prädiktive, erklärbare und generative KI-Methoden eng mit hochauflösenden experimentellen Daten, um Wirksamkeit und Zytotoxizität von Antibiotika-Kandidaten bereits in einer frühen Forschungsphase zuverlässig zu unterscheiden.
Im Zentrum des Vorhabens steht ein iterativer KI-Experiment-Zyklus nach dem Design–Make–Test–Analyze-Prinzip (DMTA). Eine neuartige Einzelzell-Zytotoxizitätsplattform im 384-Well-Hochdurchsatzformat liefert zeit- und mechanismusaufgelöste Toxizitätsprofile, die Apoptose, Nekrose und Proliferationshemmung auf Einzelzellebene unterscheiden. Diese Daten fließen gemeinsam mit öffentlichen Datenbanken und exklusiven Substanzbibliotheken der Industriepartner in hybride KI-Modelle ein – darunter Graph Neural Networks und Transformer-basierte chemische Sprachmodelle –, die Aktivität, Zytotoxizität und ADME-Eigenschaften neuer Moleküle vorhersagen.
Mittels erklärbarer KI (XAI) und Pattern-Mining-Verfahren identifiziert das DFKI kritische molekulare Substrukturen, die Wirkung oder Toxizität vermitteln. Diese mechanistischen Erkenntnisse steuern wiederum generative KI-Modelle, die gezielte Molekülmodifikationen vorschlagen; die vorgeschlagenen Kandidaten werden synthetisiert, biologisch validiert, und die Ergebnisse fließen in die fortlaufende Modelloptimierung zurück.
Das DFKI koordiniert das Projekt über den Forschungsbereich Neuro-Mechanistische Modellierung (Prof. Dr. Verena Wolf, Saarbrücken) und leitet neben dem Projektmanagement das Arbeitspaket zur erklärbaren KI. Projektpartner sind die Universität des Saarlandes (AG Volkamer, AG Klakow, AG Hoth), das Helmholtz-Institut für Pharmazeutische Forschung Saarland (HIPS, Prof. Anna K. H. Hirsch) sowie die smartbax GmbH (Dr. Robert Macsics), die proprietäre Daten aus einem Hochdurchsatz-Screen von 145.000 Substanzen gegen das antibakterielle Zielprotein SpsB einbringt.
Am Ende der 36-monatigen Projektlaufzeit sollen validierte Wirkstoffkandidaten mit deutlich verbessertem Wirksamkeits-Toxizitätsprofil vorliegen. OptimAIze wird vom Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR) im Rahmen der Förderrichtlinie „Anwendung von Künstlicher Intelligenz in der Wirkstoffforschung“ gefördert.
Partner
Deutsches Forschungszentrum für Künstliche Intelligenz, DFKI (Prof. V. Wolf) Universität des Saarlandes (Prof. A. Volkamer, Prof. D. Klakow, Prof. M. Hoth) Helmholtz-Institut für Pharmazeutische Forschung Saarland, HIPS (Prof. A. K. H. Hirsch) smartbax GmbH, Leopoldstraße 37, 80802 München (Dr. Robert Macsics)
Prof. Dr. Verena Wolf
