Forschende der University of Texas haben unter Mithilfe eines Großen Sprachmodells eine neue Variante eines ehemals giftigen Wirkstoffs identifiziert und erfolgreich an Mäusen getestet.
Forscher der University of Texas (UT) haben ein großes Sprachmodell eingesetzt, ähnlich der künstlichen Intelligenz, die ChatGPT antreibt, um eine Version eines bakterientötenden Medikaments zu entwickeln, das früher für Menschen giftig war. In Tierversuchen hat es sich bereits als wirkungsvoll erwiesen.
Immer mehr resistente Keime
Die Prognose für Patienten mit gefährlichen bakteriellen Infektionen hat sich in den vergangenen Jahren immer weiter verschlechtert, da sich antibiotikaresistente Bakterienstämme ausbreiten und die Entwicklung neuer Behandlungsmöglichkeiten ins Stocken geraten ist. Die UT-Forscher sagen jedoch, dass die KI-Tools das Spiel verändern werden.
"Wir haben festgestellt, dass große Sprachmodelle einen großen Schritt nach vorne für Anwendungen des maschinellen Lernens im Bereich des Protein- und Peptid-Engineerings ermöglichen. Viele Entwicklungen, die mit früheren Ansätzen nicht machbar waren, beginnen jetzt zu funktionieren. Ich gehe davon aus, dass große Sprachmodelle in Zukunft in großem Umfang für die Entwicklung von Therapeutika oder Medikamenten eingesetzt werden", so UT-Fachmann Claus Wilke.
Proteine sind ähnlich aufgebaut wie Sätze
Große Sprachmodelle (LLMs) wurden ursprünglich für die Generierung und Erforschung von Textsequenzen entwickelt. Die Ausweitung greift jedoch um sich. So wie Sätze aus einer Abfolge von Wörtern bestehen, setzen sich Proteine aus einer Abfolge von Aminosäuren zusammen. LLMs stellen Wörter mit gemeinsamen Eigenschaften (wie Katze, Hund und Hamster mit dem Oberbegriff "Tiere") in einen "eigebetteten Raum" mit Tausenden von Dimensionen. In ähnlicher Weise können Proteine mit ähnlichen Funktionen wie der Fähigkeit, gefährliche Bakterien zu bekämpfen, ohne Menschen zu verletzen, in einen solchen Raum gesperrt werden.
"Der Raum, der all diese Moleküle enthält, ist riesig. Mithilfe des maschinellen Lernens können wir darin die Moleküle finden, die die Eigenschaften haben, an denen wir interessiert sind, und das sehr viel schneller und gründlicher als mit den üblichen, einzeln durchgeführten Laboruntersuchungen", so Wilkes Kollege Bryan W. Davies.
Die Forscher haben mit dem Antibiotikum "Protegrin-1" experimentiert, das von Schweinen auf natürliche Weise zur Bekämpfung von Infektionen produziert wird, für Menschen aber giftig ist. Sie erzeugten davon mittels Hochdurchsatz-Screening 9.000 Varianten, die allesamt antibakterielle Wirkung haben. Als nächstes trainierten sie ein LLM darauf, Varianten zu erkennen, die menschliche Blutkörperchen nicht angreifen. So identifizierten sie die Variante, die Bakterien in Menschen ohne Nebenwirkungen tötet. Nach erfolgreichen Tests an Mäusen stehen jetzt klinische Studien an Menschen an.