O echipă de la MIT, Harvard și Broad Institute a folosit o rețea neuronală pentru a cerceta șase milioane de compuși chimici și a identificat primele clase complet noi de antibiotice împotriva Neisseria gonorrhoeae din ultimele trei decenii.

Neisseria gonorrhoeae, bacteria care provoacă gonoreea, e una dintre cele mai vechi cunoștințe neplăcute ale medicinei, dar și una dintre cele mai încăpățânate. Boala afectează anual peste 100 de milioane de oameni la nivel global, iar netratată poate evolua spre complicații severe, uneori ireversibile: infertilitate, dureri pelvine cronice, risc crescut de transmitere a HIV.

Problema reală nu e bacteria în sine, ci capacitatea ei de a învăța. La fiecare aproximativ cinci ani, N. gonorrhoeae găsește o cale de a deveni rezistentă la antibioticul folosit împotriva ei. Tratamentul standard actual, ceftriaxona, se apropie deja de finalul eficienței sale, iar pipeline-ul de antibiotice noi pentru această bacterie e, de ani buni, aproape gol.

Metoda clasică de descoperire a antibioticelor explică de ce: cercetătorii testează, una câte una, mii de molecule dintr-o bibliotecă de compuși congelați, în speranța că vreuna va opri creșterea bacteriei. Rata de succes e sub 1%. E o căutare a acului în carul cu fân, doar că această căutare are un preț mare.

Cum a învățat AI să recunoască un antibiotic

Echipa condusă de James Collins (Wyss Institute, Harvard, MIT, Broad Institute), cu cercetarea condusă efectiv de Melis Anahtar, Jacqueline Valeri și Majed Modaresi, a schimbat ordinea pașilor. În loc să testeze molecule la întâmplare, au testat mai întâi 38.650 de molecule mici pentru a vedea care inhibă creșterea bacteriei, iar rezultatele au servit ca material de învățare pentru o rețea neuronală de tip graf (graph neural network) — un model de AI capabil să „vadă” structura chimică a unei molecule așa cum am desena-o la chimie în liceu, bilă cu bilă, legătură cu legătură, și să asocieze acele structuri cu șansa ca molecula respectivă să fie un antibiotic eficient.

Modelul a fost testat și comparat cu alte arhitecturi, inclusiv cu un model lingvistic de tip LLM, iar rețeaua neuronală de tip graf s-a descurcat constant mai bine la identificarea moleculelor active și „drug-like” – adică cu proprietăți potrivite pentru a deveni efectiv medicamente – care erau, în același timp, structural diferite de tot ce exista deja în bibliotecile de antibiotice cunoscute. Asta a fost ceea ce a contat: echipa nu căuta o variantă a unui antibiotic vechi, ci ceva complet nou, la care bacteria nu fusese încă expusă.

De la șase milioane de compuși, la doi candidați reali

Cu modelul antrenat, echipa a trecut la pasul decisiv: o căutare virtuală prin aproximativ șase milioane de compuși chimici disponibili. Din acest ocean, AI-ul a restrâns lista la 213 compuși considerați suficient de promițători pentru testare experimentală reală, în laborator, pe bacterie vie. Dintre aceștia, 83 (39%) au inhibat efectiv creșterea N. gonorrhoeae, o rată de succes uimitor de mare, comparativ cu sub 1% obținut prin metodele clasice de testare la întâmplare.

Din acel grup, doi compuși s-au remarcat ca fiind cu adevărat speciali: au arătat activitate puternică atât împotriva tulpinilor sensibile la antibiotice, cât și împotriva tulpinilor multirezistente, exact tipul de bacterie care îngrijorează cel mai mult medicii. Mai mult, mecanismele lor de acțiune sunt distincte de tot ce se folosește în prezent, ceea ce înseamnă că reprezintă, posibil, primele clase complet noi de antibiotice dezvoltate împotriva acestei infecții în ultimii treizeci de ani.

Drumul care rămâne de parcurs

Anahtar a fost atentă să nu transforme descoperirea într-o promisiune prematură: cei doi compuși candidați sunt promițători, dar au nevoie de validare suplimentară și de optimizare prin chimie medicinală înainte de a putea deveni efectiv medicamente folosite în clinică. Și a adăugat o avertizare la fel de importantă: dacă aceste antibiotice vor fi folosite pe scară largă, e aproape sigur că, la un moment dat, bacteria va dezvolta rezistență și împotriva lor. Nu există, în acest domeniu, o soluție definitivă, doar o cursă continuă.

Câștigul real al studiului nu stă neapărat în cei doi compuși descoperiți, ci în metoda pusă la punct: o platformă capabilă să caute prin biblioteci chimice ultra-extinse, generate la cerere, mult mai mari decât orice arhivă fizică de compuși ar putea fi vreodată. Echipa speră să aplice aceeași abordare pentru a căuta puncte de start neașteptate în alte programe de dezvoltare a antibioticelor, nu doar pentru gonoree.

Cercetarea face parte din Antibiotics-AI Project, condus de Collins, și a fost susținută printr-o rețea amplă de finanțare – de la Institutele Naționale de Sănătate din SUA, până la Fundația Bill și Melinda Gates și Agenția pentru Reducerea Amenințărilor Apărării.

Mesajul din spatele studiului e simplu: pentru prima dată în treizeci de ani, există din nou candidați noi de antibiotice împotriva gonoreei, și ei au fost găsiți nu mai rapid, ci diferit, lăsând o rețea neuronală să caute unde ochiul uman, singur, n-ar fi avut timp să se uite.

---

Sursă: Anahtar, M.N., Valeri, J.A., Modaresi, S.M. et al., Deep learning-enabled discovery of antibiotics effective against Neisseria gonorrhoeae, Science Translational Medicine, vol. 18, nr. 854, 17 iunie 2026 — science.org/doi/10.1126/scitranslmed.ads4699