Chemiker und Informatiker haben gemeinsam mit Hilfe künstlicher Intelligenz neue Desinfektionsmittel entwickelt, um der wachsenden Bedrohung durch resistente Supererreger zu begegnen. Das Team um Bill Wuest von der Emory University und Liang Zhao von derselben Institution präsentierte ein rechnergestütztes und experimentelles Framework zur Entwicklung von quartären Ammoniumverbindungen (QACs). Das Ergebnis: Elf völlig neue QAC-Moleküle, die wirksam gegen antimikrobiell resistente Bakterien wirken. Dies gilt als erster Nachweis dafür, dass KI zur Generierung von Desinfektionsmolekülen genutzt werden kann. Der Hintergrund für diese Forschung liegt in einem evolutionären Wettlauf zwischen Mikroben und Reinigungsmitteln. QACs sind seit über hundert Jahren Standard in Haushalts- und Krankenhausreinigern, da sie kostengünstig und einfach herzustellen sind. Sie wirken, indem sie positiv geladene Molekülköpfe an negativ geladene Bakterienmembranen binden und diese mit ihrer Struktur zerstören. Doch Bakterien passen sich an, entwickeln Resistenzen und überwinden zunehmend die Wirkung herkömmlicher QACs. Die traditionelle Methode, neue Moleküle durch manuelles Design und Versuch-und-Irrtum im Labor zu entwickeln, ist langsam und aufwendig. KI hingegen kann in Sekunden Tausende neuer Designs generieren. Das Team bildete einen Feedback-Loop zwischen computergestützter Biochemie, Maschinellem Lernen und experimenteller Chemie. Ein zentraler Bestandteil war eine standardisierte Datenbank mit Hunderten von bisher synthetisierten QAC-Molekülen, die Wuest und sein Kollege Kevin Minbiole von der Villanova University über ein Jahrzehnt aufgebaut hatten. Diese Daten bildeten die Grundlage für das Training der KI-Modelle. Die Struktur von Molekülen wurde dabei als Graph dargestellt, bei dem Atome als Knoten und chemische Bindungen als Kanten fungierten. Der Algorithmus generierte zunächst rund 300 Strukturen, die von den Chemikern innerhalb von vier Stunden bewertet wurden. Ein Großteil der Vorschläge erwies sich dabei als unpraktisch oder nicht neu. Durch eine iterative Verbesserung des Ansatzes, bei dem das KI-Modell nur auf besonders wirksame Vorläufer aus den Bakteriestämmen Staphylococcus aureus, Escherichia coli und anderen trainiert wurde, stieg die Qualität der Vorschläge deutlich an. Die Quote der unbrauchbaren Ergebnisse sank auf null, während der Anteil der synthetisierbaren Kandidaten von 9 auf 38 Prozent anstieg. Insgesamt wurden 29 der von der KI vorgeschlagenen Moleküle im Labor synthetisiert und getestet. Elf davon erwiesen sich als neuartig und wirksam. Besonders hervorzuheben ist eines der Moleküle, das eine breite Aktivität gegen sieben verschiedene Bakterienstämme zeigte, einschließlich der besonders widerstandsfähigen gramnegativen Bakterien mit ihrer doppelten Zellmembran. Die Studie wurde in der Fachzeitschrift Journal of Chemical Information and Modeling veröffentlicht und von weiteren Forschern der George Mason University und der Villanova University unterstützt. Die Forscher betonen, dass dieser Erfolg nicht nur neue Desinfektionsmittel liefert, sondern auch als Modell für andere wissenschaftliche Disziplinen dient, wie man Datensätze standardisiert und für KI-Anwendungen nutzbar macht. Bereits jetzt zeigt die private Industrie Interesse an diesem Framework, um die Entwicklung neuer antimikrobieller Wirkstoffe zu beschleunigen. Parallel dazu nutzen angehende Chemiker die gefundenen Leitstrukturen für weitere Tests und Synthesen, was die Entdeckung neuer Wirkstoffe weiter vorantreiben könnte.