Wie sollen wir dieses neue Coronavirus besiegen? Indem wir unsere besten Werkzeuge nutzen: Wissenschaft und Technik In meinem Labor benutzen wir Methoden der künstlichen Intelligenz und der synthetischen Biologie, um den Kampf gegen diese Pandemie zu beschleunigen. Unsere Arbeit sollte ursprünglich die Antibiotikaresistenzkrise lösen. Wir wollen mit unserem Projekt die Macht des maschinellen Lernens nutzen, um unser antibiotisches Arsenal zu erweitern und eine global katastrophale postantibiotische Ära zu vermeiden. Wichtig ist, dass dieselbe Technologie genutzt werden kann, um nach antiviralen Wirkstoffen zu suchen, die uns im Kampf gegen die Pandemie helfen können Maschinelles Lernen stellt die bisherige Art der Wirkstoffentdeckung auf den Kopf. Anstatt mühevoll jedes einzelne Molekül auf Effektivität zu testen, können wir nun einen Computer trainieren, einen größeren Raum mit allen möglicherweise synthetisierbaren Molekülen zu untersuchen. Statt nach der Nadel im Heuhaufen zu suchen, können wir Rechenleistung nutzen, um viele Nadeln in vielen Heuhaufen gleichzeitig zu finden Wir hatten bereits erste Erfolge. Kürzlich nutzten wir maschinelles Lernen, um neue Antibiotika zu finden, die uns helfen könnten, Infektionen zu bekämpfen, die neben COVID-19 auftreten können. Vor zwei Monaten sage das TED Audacious Projekt uns Födergelder zu, um unsere Arbeit auszuweiten mit dem Ziel, sieben neue Arten von Antibiotika gegen sieben der tödlichsten Krankheitserreger, in den nächsten sieben Jahren zu finden. Zum Vergleich: Die Zahl der in den letzten 30 Jahren entdeckten Antibiotika ist Null. Während die Suche nach neuen Antibiotika für die mittelfristige Zukunft ist, stellt das Coronavirus eine unmittelbar tödliche Gefahr dar. Ich bin froh mitteilen zu können, dass wir dieselbe Technologie auf der Suche nach Heilmitteln gegen das Virus nutzen können. Wie also werden wir das tun? Nun, wir entwickeln eine Bibliothek aus Trainingsdaten, in der wir verschiedene Moleküle auf COVID-19-infizierte Zellen anwenden, um zu sehen, welche davon Wirkung zeigen. Diese Daten werden benutzt, um ein Modell zu trainieren und auf eine In-silico-Bibliothek mit Milliarden von Molekülen anzuwenden, um nach neuen, potenziellen antiviralen Wirkstoffen zu suchen. Wir werden die besten Prognosen synthetisieren und testen, um die vielversprechendsten Kandidaten für die klinische Nutzen zu fördern. Klingt zu schön um wahr zu sein? Nun, das sollte es nicht. Das Antibiotics AI-Project wurde aufgrund eines Wirksamkeitsnachweises gegründet, das zur Entdeckung eines neuen Breitbandantibiotikums, Halocin, führte. Halocin besitzt potente antibakterielle Aktivität gegen fast alle antibiotikaresistenten bakteriellen Erreger, inklusive unheilbarer, hochresistenter Infektionen Die Häufigkeit der Resistenzentwicklung gegen Halocin, im Gegensatz zu aktuellen Antibiotika, ist sehr gering. Wir testeten im Labor die Fähigkeit von Bakterien, gegen Halocin und Cipro eine Resistenz zu entwickeln. Bei Cipro entwickelte sich bereits nach einem Tag eine Resistenz. Was Halocin betrifft, sahen wir nach einem Tag keine Resistenz. Überraschenderweise, auch nach 30 Tagen nicht. In diesem ersten Projekt testeten wir ca. 2500 Verbindungen gegen E.coli. Der Trainingssatz enthielt bekannte Antibiotika, wie Cipro und Penicillin und auch viele Medikamente, die keine Antibiotika sind. Diese Daten nutzten wir, um ein Modell zu trainieren, molekulare Strukturen mit antibakterieller Aktivität zu erkennen. Danach wendeten wir dieses Modell auf eine Medikamentenbibliothek an, die aus mehreren Tausend Molekülen besteht. Es sollte Moleküle identifizieren, die antibakterielle Fähigkeiten haben könnten, aber nicht wie bekannte Antibiotika aussehen. Interessanterweise entsprach nur ein Molekül diesen Kriterien und dieses Molekül war Halocin. Da Halocin nicht wie ein bekanntes Antibiotikum aussieht, wäre es für Menschen unmöglich gewesen, Halocin auf diese Weise zu identifizieren. Stellen Sie sich vor, was wir mit dieser Technologie gegen COVID-19 machen könnten. Und das ist noch nicht alles. Wir nutzen die Mittel der synthetischen Biologie auch, um an DNS und anderen Zellbestandteilen herumzutüfteln, um der Menschheit, u.a. im Kampf gegen das Coronavirus, zu dienen. Außerdem arbeiten wir an einer Schutzmaske, die gleichzeitig als Schnelltest dient. Wie funktioniert das? Wir zeigten kürzlich, dass man die Zellmaschinerie aus einer lebenden Zelle extrahieren und zusammen mit RNS-Sensoren auf Papier gefriertrocknen kann, um billige Diagnosen für Ebola und Zika herzustellen. Die Sensoren werden aktiviert, sobald sie durch eine Patientenprobe, wie Blut oder Speichel, rehydriert werden. Es hat sich herausgestellt, dass diese Technologie nicht nur auf Papier, sondern auch anderen Materialien, wie Kleidung, anwendbar ist. Aufgrund der COVID-19 Pandemie, arbeiten wir an RNS-Sensoren, die das Virus entdecken und daran, diese mit der Zellmaschinerie direkt in der Maske gefrierzutrocknen. Dann kann Atmung, mit dem Wasserdampf, der damit einhergeht, den Test aktivieren. Somit wird die Maske, wenn eine Infektion vorliegt, ein fluoreszierendes Signal produzieren, das durch ein einfaches, billiges und handliches Gerät erkannt wird. So kann ein Patient binnen 1-2 Stunden sicher, extern und präzise diagnostiziert werden. Wir nutzen synthetische Biologie auch, um einen Impfstoff für Covid-19 zu entwickeln. Wir funktionieren den Tuberkulose-Impfstoff um, der schon fast ein Jahrhundert lang eingesetzt wurde. Es ist ein Lebendimpfstoff und wir entwickeln ihn so, dass er COVID-19 Antigene aufweist, die die Produktion von schützenden Antikörpern durch das Immunsystem anregen sollen. Der Tuberkulose-Impfstoff kann in großer Menge hergestellt werden und ist eines der sichersten Impfstoffe. Mithilfe synthetischer Biologie und künstlicher Intelligenz können wir den Kampf gegen das Coronavirus gewinnen. Diese Arbeit ist in der Entwicklungsphase, jedoch sehr vielversprechend. Wissenschaft und Technik geben uns einen wichtigen Vorteil im Kampf des Menschen gegen die Gene von Super-Viren. Ein Kampf, den wir gewinnen können. Vielen Dank.