Antibiotika: KI designt funktionsfähige Bakteriophagen gegen Resistenzen
Veröffentlicht am: 10.08.2026 um 01:48 Uhr | Redaktion boerse-global.de
Generative KI und Genom-Sprachmodelle beschleunigen die Entwicklung neuer Therapien gegen antibiotikaresistente Erreger. Forscher designen synthetische Bakteriophagen und entdecken unbekannte Wirkstoffcluster im Erbgut von Mikroorganismen. Die Technologie könnte die Zeit von der Wirkstoffentdeckung bis zur klinischen Anwendung drastisch verkürzen – wirft aber regulatorische Fragen auf.
Künstliche Viren im Labor erschaffen
Im Zentrum der Forschung stehen die KI-Modelle Evo 1 und Evo 2. Wissenschaftler der Stanford University, des Arc Institute und des Broad Institute nutzen sie, um DNA-Sequenzen zu analysieren und zu generieren – ähnlich wie Sprachmodelle Texte verarbeiten.
Ein Team um Brian Hie und Samuel King entwarf mit dieser Technik funktionsfähige Genome für Bakteriophagen. Das sind Viren, die gezielt Bakterien infizieren und abtöten. In einer im August 2026 im Fachjournal Science veröffentlichten Studie generierten die Forscher rund 700.000 potenzielle Virusgenome. Von etwa 300 im Labor synthetisierten Kandidaten erwiesen sich 16 als lebensfähig.
Die künstlich erschaffenen Phagen basieren teilweise auf dem bekannten Phagentyp ?X174. In Experimenten gelang es den Wissenschaftlern, mit einem Cocktail dieser Viren Resistenzen in zwei Stämmen des Bakteriums Escherichia coli zu überwinden.
Genom-Mining: Stille Gencluster aufspüren
Parallel dazu durchsuchen KI-Tools das Erbgut von Bakterien nach natürlichen Abwehrmechanismen. Das Werkzeug DiscERN ist für dieses sogenannte Genom-Mining konzipiert. Es identifiziert „stille“ Gencluster, die unter Laborbedingungen inaktiv bleiben, aber Baupläne für antimikrobielle Substanzen enthalten.
Wer die Entwicklung KI-designten Bakteriophagen als neue Option gegen resistente Erreger einordnen möchte, findet in diesem Leitfaden die wichtigsten Fakten – von der Funktionsweise bis zu offenen Sicherheitsfragen. Jetzt kostenlosen Leitfaden anfordern
Mitte des Jahres 2026 führte dieser Ansatz zur Entdeckung von Discomycin A. Der Wirkstoff zeigt signifikante Wirksamkeit gegen Gram-positive Bakterien, darunter klinisch relevante Erreger wie Staphylococcus aureus und Bacillus subtilis. Die systematische Durchsuchung mikrobieller Genome verspricht, das Reservoir natürlicher Wirkstoffe weit effizienter zu erschließen als herkömmliche Screening-Methoden.
Sicherheit: Offene Modelle, offene Fragen
Doch die Fähigkeit, infektiöse Agenten zu generieren, birgt Risiken. Die Veröffentlichung von Evo 2 als Open-Source-Software ermöglicht zwar breite wissenschaftliche Nutzung, befeuert aber auch Diskussionen über notwendige Überwachung.
Experten der Johns Hopkins University und des Imperial College warnen: Der regulatorische Rahmen sei nicht auf die Geschwindigkeit und Skalierbarkeit KI-generierter biologischer Entwürfe vorbereitet. Die Sorge gilt dem Missbrauchspotenzial zur Erstellung gefährlicher Erreger. Die Forderung nach strengeren Kontrollen bei der DNA-Synthese und klareren Sicherheitsstandards für generative Biologie-KI wird lauter.
Nächste Hürden: Produktion und klinische Tests
Angesichts zunehmender Antibiotika-Resistenzen stellt sich die Frage, welche neuen Therapien in Aussicht stehen. Der Leitfaden beleuchtet, wie Genom-Mining stille Wirkstoffcluster erschließt und welche regulatorischen Hürden bestehen. Leitfaden zu KI-Wirkstoffen jetzt sichern
Die klinische Relevanz muss sich nun in weiteren Studien beweisen. Während die technischen Grundlagen für funktionsfähige Phagen und neue Antibiotika stehen, stecken Skalierung der Produktion und Sicherheitsnachweise am Menschen noch in den Kinderschuhen.
Die Kombination aus datengetriebener Wirkstoffsuche und synthetischer Biologie markiert einen signifikanten Wandel im Kampf gegen die globale Zunahme antimikrobieller Resistenzen. Ob die neuen Werkzeuge halten, was sie versprechen, wird sich in den kommenden Jahren zeigen.
