Ein Forscherteam der Nationaluniversität Singapur (NUS) hat mit Hilfe Künstlicher Intelligenz die Duftstoffzusammensetzung von 991 aromatischen Pflanzen analysiert und Verbindungen identifiziert, die nachweislich schlaffördernde Eigenschaften aufweisen. Die im Fachjournal Digital Discovery publizierte Studie vereint datengetriebene Methoden mit botanischer Chemie, um eine alternative Wirkstoffbasis zu klassischen Schlafmitteln zu erschließen. Angesichts der verbreiteten Nebenwirkungen konventioneller Pharmaka richtet sich das Interesse zunehmend auf pflanzliche Sekundärmetabolite. Unter der Leitung von Assistenzprofessor Zhang Dachuan an der Fakultät für Lebensmittelwissenschaft und -technologie der NUS sowie in Kooperation mit Professor Kou Xingran vom Shanghai Institute of Technology entwickelten die Wissenschaftler ein maschinelles Lernmodell. Dazu kuratierten sie eine Datenbank mit 2.391 bekannten aromatischen Molekülen und trainierten den Algorithmus zur Mustererkennung schlafregulierender Wirkungen. Das Modell erreichte in den Validierungstests eine Genauigkeit von 96,1 Prozent und sortierte Hunderte pflanzliche Substanzen als vielversprechende Kandidaten ein. Zur biologischen Verifikation testeten die Forscher fünf kommerziell verfügbare Moleküle. Carvacrol, Safranal, Vanillin und Methyl-Eugenol reduzierten signifikant die Wachphasen und steigerten den nicht-REM-Schlaf, der für die physiologische Erholung essenziell ist. Molekulare Analysen legen nahe, dass die Effekte über die Modulation von GABA-Rezeptoren vermittelt werden, einem zentralen Schaltkreis des hemmenden Nervensystems, der auch das pharmakologische Target herkömmlicher Schlafmittel darstellt. Ergänzend zur Einzelstoffanalyse priorisierte das Team Pflanzenfamilien mit der höchsten Dichte an schlaffördernden Aromaprofilen. Die Familien der Korbblütler, Lippenblütler und Laurgewächse zeigten das klarste Potenzial, wobei Lavendel und Perilla als Leitarten für Folgeprojekte ausgemacht wurden. Die Studie stellt kein fertiges Arzneimittel bereit, sondern liefert eine validierte Datenkarte für die zielgerichtetere Entwicklung natürlicher Additive im Bereich Wellness, funktionelle Ernährung und Duftstoffindustrie. Künftige Forschungsschwerpunkte liegen auf der Langzeitverträglichkeit der identifizierten Substanzen, der Synergiewirkung von Molekülmischungen sowie der Übertragbarkeit der Ergebnisse auf humanklinische Modelle. Die Arbeit demonstriert, wie KI-gestützte Bioinformatik traditionelles Pflanzenwissen in reproduzierbare, kommerziell nutzbare Forschungsarchitekturen überführen kann.