AI entwirft Komponenten von „Mikroorganismen zur Arzneimittelherstellung“, die Produktionsmenge wird um das bis zu Dreifache erhöht.

KI entwirft Teile für eine "Medikamentenfabrik"

Bei der Suche nach neuen Medikamenten sind das Auffinden vielversprechender Substanzen und deren ausreichende Produktion zwei separate Herausforderungen.

Natürliche Substanzen, die von Mikroorganismen produziert werden, können zur Entwicklung von Arzneimitteln führen. Doch die Verbesserung dieser in der Natur gefundenen Substanzen in eine für die menschliche Behandlung geeignete Form und die Sicherstellung der benötigten Menge für die Forschung sind nicht einfach, da die zellulären Mechanismen zur Produktion dieser Substanzen äußerst komplex sind.

Forschungen laufen, um Teile dieser Produktionsmechanismen mit künstlicher Intelligenz neu zu entwerfen.

Ein Forscherteam des Helmholtz-Instituts für Pharmazeutische Forschung Saarland (HIPS) in Deutschland hat mit KI Proteinbestandteile entworfen, die innerhalb riesiger Enzyme arbeiten, die natürliche Substanzen zusammensetzen. Sie testeten diese in lebenden Zellen und zeigten, dass einige davon funktionierten. In bestimmten Enzymsystemen wurde die Produktionsmenge im Vergleich zur Verwendung natürlicher Bestandteile um bis zu etwa das Dreifache erhöht.

Dies ist keine Geschichte darüber, dass KI ein fertiges neues Medikament hervorgebracht hat. Es ist eine Studie, die das Potenzial zeigt, die "Produktionsmechanismen" von Mikroorganismen zu verbessern, um Medikamentenkandidaten zu finden.

Präzise "molekulare Montagelinien" in Mikroorganismen

Der Forschungsgegenstand ist eine Gruppe riesiger Enzyme, die als "nicht-ribosomale Peptidsynthetasen" bekannt sind, abgekürzt NRPS.

Obwohl der Fachbegriff schwer verständlich ist, kann ihre Funktion mit einer Montagelinie in einer Fabrik verglichen werden. Mehrere Teile teilen sich die Aufgaben, nehmen Materialien auf, verarbeiten sie und geben sie an den nächsten Schritt weiter. Durch diese Zusammenarbeit entstehen charakteristische Verbindungen.

Zu den natürlichen Substanzen, die von NRPS produziert werden, gehören Grundlagen für die Entwicklung von Antibiotika, Immunsuppressiva und Krebsmedikamenten. Wenn dieses System frei umgestaltet werden könnte, könnten möglicherweise Substanzen mit anderen Eigenschaften als bisher erzeugt werden.

Allerdings können biologische Montagelinien nicht so einfach wie kommerzielle Bausteine ausgetauscht werden.

Wenn das Design eines Teils geändert wird, kann die Zusammenarbeit mit dem benachbarten Teil gestört werden. Die Materialübergabe kann gestoppt werden, und das gesamte Enzym könnte aufhören zu arbeiten. Auch wenn die Form eines Einzelteils korrekt ist, bedeutet das nicht, dass es innerhalb der Produktionsanlage funktioniert.

KI entwirft den "Transporteur" für die Materialübergabe

Das Team um Dr. Kenan Bozhüyük konzentrierte sich auf die "Thiolation Domain" innerhalb der NRPS, auch bekannt als T-Domäne.

Diese übernimmt die Rolle, ein Molekül während der Produktion aufzunehmen und es zur nächsten Verarbeitungsstelle zu transportieren. In einer Fabrik wäre dies vergleichbar mit einem beweglichen Transportarm, der die Schritte verbindet.

Das Forschungsteam kombinierte mehrere vortrainierte KI-Modelle und Experimente, um 76 neue T-Domänen zu entwerfen. Diese Teile wurden in verschiedene NRPS eingebaut, und hunderte von Enzymvariationen wurden in lebenden Zellen getestet.

Der entscheidende Punkt ist, dass die von der KI vorgeschlagenen Designs nicht nur rechnerisch bewertet wurden. Sie wurden tatsächlich hergestellt und eingebaut, um zu prüfen, ob sie Produkte erzeugen können.

Als Ergebnis funktionierten einige der von der KI entworfenen Teile. Einige ermöglichten die Produktion von Substanzen in künstlich kombinierten Enzymsystemen oder erhöhten die Produktionsmenge. Mindestens ein designtes Protein war löslicher und stabiler gegenüber Hitze als das entsprechende natürliche.

Was bedeutet "bis zu etwa das Dreifache"?

Eine auffällige Zahl in den Ergebnissen ist, dass die Produktionsmenge um bis zu etwa das Dreifache erhöht wurde.

Dies war jedoch nicht das Ergebnis für alle designten Teile oder alle Substanzen. Es war eine Verbesserung, die unter bestimmten Enzymsystemen und Bedingungen beobachtet wurde, und bedeutet nicht, dass die Wirksamkeit des Medikaments verdreifacht wurde oder die Zeit für die Medikamentenentwicklung auf ein Drittel reduziert wurde.

Dennoch hat die Verbesserung der Produktionsmenge eine forschungsrelevante Bedeutung.

Selbst wenn eine neue Substanz entsteht, ist es schwierig, ihre Struktur und Eigenschaften im Detail zu untersuchen, wenn die Menge zu gering ist. Wenn eine ausreichende Menge sichergestellt werden kann, wird es einfacher, zu überprüfen, um welche Art von Molekül es sich handelt und welche Wirkungen es hat.

Das bedeutet, dass Technologien zur Steigerung der Produktionseffizienz nicht nur für die zukünftige Massenproduktion relevant sind. Sie sind auch wichtig, um Kandidatensubstanzen in der frühen Phase der Medikamentenentwicklung in einen "gründlich untersuchbaren Zustand" zu bringen.

Der Schlüssel zum Erfolg liegt in der "Kompatibilität mit den Nachbarn" und nicht in der Leistung der Teile

Ein wichtiger Aspekt des Verständnisses dieser Forschung ist, dass die entworfenen Teile an ihre Umgebung angepasst wurden.

Auch wenn der Transporteur allein stabil ist, funktioniert die Montagelinie nicht, wenn er nicht gut mit dem Empfänger und dem Übergabepartner in Kontakt treten kann. Es ist notwendig, das Molekül während der Produktion an den richtigen Ort zu übergeben.

Das Forschungsteam betrachtete die T-Domäne nicht nur als unabhängiges Protein, sondern legte auch Wert darauf, wie sie innerhalb des eingebauten Enzyms mit den benachbarten Bereichen interagiert.

Dies zeigt die Schwierigkeiten bei der Verwendung von KI für das biologische Design. Es gibt einen Unterschied zwischen der Herstellung von "plausiblen Teilen" und der Herstellung von "Teilen, die in komplexen Geräten funktionieren".

Dr. Bozhüyük erklärt auch, dass KI kein Ersatz für Experimente ist, sondern hilft, vielversprechende Kandidaten effizient aus einer Vielzahl von Möglichkeiten auszuwählen. Der Fortschritt der Forschung erfordert das wiederholte Designen und Experimentieren.

In sozialen Medien erwarten Forscher Ergebnisse, betonen aber auch die bedingte Natur der Ergebnisse

Die auf sozialen Medien zu dieser Forschung gefundenen Beiträge stammen hauptsächlich von den Forschern selbst oder von verwandten Forschungseinrichtungen auf LinkedIn. Es gibt keine Informationen, die darauf hindeuten, dass das Thema unter den allgemeinen Nutzern weit verbreitet ist, weshalb hier nur Beiträge vorgestellt werden, die direkt mit der Forschung in Verbindung stehen.

Dr. Bozhüyük stellte die Ergebnisse im Stadium der Vorveröffentlichung vor und erklärte, dass 76 T-Domänen entworfen und 578 rekombinante NRPS in Zellen aufgebaut und getestet wurden. Auch die Verbesserung der Produktionsmenge um bis zu etwa das Dreifache wurde als von der Umgebung abhängig beschrieben.

Er bat auch um Meinungen zum Design, das die Verbindungspunkte der Teile und ihre Interaktionspartner berücksichtigt. Es handelt sich nicht nur um eine einfache Erfolgsmeldung, sondern um einen Aufruf zur Diskussion, unter welchen Bedingungen das Design funktioniert.

Die verwandte Forschungseinrichtung PharmaScienceHub teilte diese Forschung erneut und zeigte Erwartungen für die zukünftige Entwicklung.

Diese Beiträge stammen nicht aus den Reaktionen der allgemeinen Leser nach der Veröffentlichung der Nachrichten im Oktober 2026, sondern aus der Kommunikation innerhalb der Forschungsgemeinschaft im Stadium der Vorveröffentlichung. Vor diesem Hintergrund liegt der Fokus weniger auf der Erwartung, dass "KI allein Medikamente herstellen kann", sondern mehr auf der Tatsache, dass es mehr konkrete Mittel zur Verbesserung komplexer Enzyme gibt.

Was ist für die Medikamentenentwicklung in Japan wichtig?

Wenn man diese Ergebnisse aus japanischer Perspektive betrachtet, sollte man sich auf den Teil konzentrieren, der die Technik zur Vorhersage von Kandidatensubstanzen mit der Technik verbindet, diese tatsächlich herzustellen.

Auch wenn eine Substanz rechnerisch attraktiv ist, kann die Bewertung nicht voranschreiten, wenn sie nicht in ausreichender Menge produziert werden kann. Wenn, wie in diesem Fall, die Produktionsmechanismen verbessert werden können, könnten Substanzen, die bisher schwer zu sichern waren, als Forschungsobjekte in Betracht gezogen werden.

Wenn es auch möglich wird, ausgehend von natürlichen Substanzen, Substanzen mit leicht unterschiedlichen Strukturen zu produzieren, könnte sich das Spektrum der untersuchbaren Kandidaten erweitern. Allerdings beweisen die Ergebnisse dieser Studie allein nicht, dass eine solche Entwicklung umfassend realisiert wird.

Wenn japanische Universitäten oder Pharmaunternehmen über die Anwendung nachdenken, reicht die Vorschlagsfähigkeit der KI allein nicht aus. Es wird wichtig sein, die Technologie zur Handhabung von Mikroorganismen, die Technologie zur Bewertung von Proteinen und die Technologie zur Analyse der hergestellten Substanzen zu verbinden.

Diese Forschung zeigt, dass der Ort, an dem der Wert der KI letztendlich bestätigt wird, auch das Labor ist.

Der Weg zu neuen Medikamenten geht weiter. Dennoch ist der Wert, die "Produktionsbarriere" zu senken, von Bedeutung

Dieser Bericht ist Grundlagenforschung zur Verbesserung biologischer Produktionsmechanismen. Es wurde nicht die Wirksamkeit oder Sicherheit neuer Therapien beim Menschen bestätigt.

In Zukunft wird es eine Herausforderung sein, ob die gleiche Methode auch bei anderen Enzymsystemen anwendbar ist, welche Kombination von Teilen funktioniert und wie eine stabile Produktion erreicht werden kann. Wenn die erzeugte Substanz ein Medikamentenkandidat wird, müssen ihre Wirkung und Sicherheit weiter untersucht werden.

Dennoch ist die Bedeutung, dass es mehr Optionen gibt, als die in der Natur gefundenen Produktionsmechanismen unverändert zu nutzen, erheblich.

Komplexe Moleküle, die von Mikroorganismen hergestellt werden, flexibler und in untersuchbareren Mengen zu erhalten. Dafür entwirft die KI kleine Transportteile.

Die Zukunft der Medikamentenentwicklung könnte sich nicht nur durch die Entdeckung auffälliger "neuer Medikamentenkandidaten" ändern, sondern auch durch die Verbesserung solcher Teile, die es ermöglichen, diese Kandidaten tatsächlich herzustellen.

Quellen

1. Phys.org:
   Veröffentlicht am 21. Oktober 2026. Vorstellung der von HIPS entworfenen T-Domänen durch KI, Überprüfung in Zellen, Verbesserung der Produktionsmenge, Erklärung der Forscher.
   https://phys.org/news/2026-10-ai-functional-enzyme-components-drug.html

2. Nature Communications: Veröffentlichungsinformationen der Forschungsarbeit
   Emre F. Bülbül et al. "Generative AI designs functional thiolation domains for reprogramming non-ribosomal peptide synthetases". Veröffentlicht am 22. September 2026. Unterscheidet sich vom Veröffentlichungsdatum des Forschungsartikels.Nature Communications
   https://doi.org/10.1038/s41467-026-77963-6

3. LinkedIn-Beitrag von Kenan Bozhüyük: SNS-Post des Forschers
   Vorstellung der Ergebnisse im Preprint-Stadium. Entwurf von 76 Designs, Test von 578 rekombinanten NRPS, Verbesserung der Produktionsmenge abhängig von Bedingungen, Bitte um Meinungen zum Design.Kenan Bozhüyük
   https://www.linkedin.com/posts/kenan-bozh%C3%BCy%C3%BCk-16a29924b_proteindesign-syntheticbiology-nrps-activity-7435231632892207104-qbGo

4. LinkedIn-Beitrag von PharmaScienceHub: Reaktion der verwandten Forschungseinrichtung
   Erneute Teilung der Forschung und Ausdruck der Erwartungen für zukünftige Entwicklungen. Vorgestellt als Reaktion der Forschungseinrichtung, nicht der allgemeinen Öffentlichkeit.PharmaScienceHub (PSH)
   https://www.linkedin.com/posts/pharmascihub_were-excited-to-reshare-a-new-preprint-by-activity-7435264559105417216-677m