Rapid classification of β-lactamase activity through AI-based structure prediction and electric field analysis

Bakterien wehren sich seit Jahrzehnten gegen unsere Medikamente, indem sie winzige molekulare Maschinen entwickeln, die Antibiotika demontieren können, noch bevor diese ihr Ziel erreichen. Unter den gefährlichsten dieser Verteidiger sind Enzyme namens Beta-Laktamasen, die wie molekulare Scheren wirken und die chemischen Bindungen einer wichtigen Klasse von Arzneimitteln, den sogenannten Beta-Laktamen, durchtrennen. Wenn diese Medikamente versagen, können gewöhnliche Infektionen tödlich werden, und die wenigen verbleibenden „Reserve-Antibiotika“, wie etwa Carbapeneme, werden nutzlos. Die Herausforderung für Wissenschaftler besteht darin, dass Bakterien schnell mutieren und neue Versionen dieser Enzyme erschaffen, die selbst die stärksten Medikamente durchschneiden können. Um einen Schritt voraus zu sein, benötigen Forscher eine Möglichkeit, vorherzusagen, wie gut eine neue bakterielle Variante ein Medikament zerstört – idealerweise allein durch den Blick auf ihren genetischen Code, ohne auf langsame und teure Laborexperimente warten zu müssen.

Ein Forschungsteam hat nun eine schnelle, computergestützte Methode entwickelt, um exakt vorherzusagen, wie effizient diese bakteriellen Enzyme Carbapenem-Antibiotika abbauen können. Anstatt darauf zu warten, Bakterien im Labor zu züchten, nutzten sie künstliche Intelligenz, um ein 3D-Modell des Enzyms zu erstellen, das das Medikament festhält, wodurch eine Momentaufnahme des Augenblicks kurz vor der Zerstörung des Medikaments entstand. Aus dieser Momentaufnahme berechneten sie die unsichtbaren elektrischen Kräfte innerhalb des aktiven Zentrums des Enzyms. Sie fanden heraus, dass die Stärke und Richtung dieser elektrischen Felder als zuverlässiger Fingerabdruck für die Leistungsfähigkeit des Enzyms fungieren. Wenn das elektrische Feld stark genug und in der richtigen Richtung ist, wird das Enzym das Medikament wahrscheinlich zerstören; wenn nicht, überlebt das Medikament. Dieser Ansatz ermöglicht es Wissenschaftlern, neue bakterielle Sequenzen zu scannen und deren Resistenzniveau sofort abzuschätzen, was ein entscheidendes Werkzeug zur Verfolgung der Ausbreitung von Supererregern darstellt.

Die Geschichte der Antibiotikaresistenz ist ein Wettlauf zwischen menschlicher Genialität und bakterieller Evolution. Beta-Laktam-Antibiotika, zu denen Penicillin und seine modernen Verwandten gehören, wirken, indem sie die Maschinerie blockieren, mit der Bakterien ihre Zellwände aufbauen. Viele Bakterien produzieren jedoch Beta-Laktamase-Enzyme, die diese Medikamente erkennen und sie aufschneiden, wodurch sie harmlos gemacht werden. Die Situation ist besonders prekär bei Carbapenemen, einer starken Klasse von Antibiotika, die oft für die schwersten Infektionen reserviert sind. Wenn Bakterien Enzyme entwickeln, die auch Carbapeneme zerschneiden können, verschwinden die Behandlungsmöglichkeiten, was zu höheren Krankheits- und Sterberaten führt. Traditionell erfordert die Feststellung, ob ein bestimmter Bakterienstamm gegen diese Medikamente resistent ist, das Züchten der Bakterien, die Isolierung des Enzyms und das Testen im Labor. Dieser Prozess ist langsam und kann mit der Geschwindigkeit, mit der neue Mutationen auftreten, nicht Schritt halten.

Um dies zu lösen, wandte sich das Team einem anderen Werkzeug zu: einem computergestützten Protokoll, das auf den Gesetzen der Physik und der Kraft der künstlichen Intelligenz beruht. Sie begannen mit der Gensequenz von zehn verschiedenen Typen von Beta-Laktamase-Enzymen, von denen einige dafür bekannt sind, Carbapeneme zu zerstören, und andere nicht. Mithilfe eines KI-Systems, das auf bekannten Proteinstrukturen trainiert wurde, sagten sie voraus, wie die 3D-Form jedes Enzyms aussehen würde, während es ein Carbapenem-Molekül festhält. Dies erzeugte einen virtuellen „Acyl-Enzym-Komplex“ – eine Momentaufnahme des Enzyms und des Medikaments, die fest miteinander verbunden sind, bereit für den nächsten Schritt der Reaktion.

Der kritische Moment in diesem Prozess wird Deacylierung genannt, bei der ein Wassermolekül die Bindung angreift, die das Medikament am Enzym hält, und es dadurch aufbricht. Die Forscher konzentrierten sich auf den allerersten Augenblick dieses Angriffs, einen flüchtigen Moment, der als Übergangszustand bezeichnet wird. Eine vollständige Simulation, die diesen Moment einfängt, erfordert immense Rechenleistung und Zeit. Stattdessen nutzte das Team eine kluge Abkürzung. Sie erzeugten einen kleinen Satz von „approximativen Übergangszustandsstrukturen“, indem sie das virtuelle Wassermolekül sanft in Richtung des Medikaments bewegten und das System in eine stabile Position gleiten ließen. Dies erforderte nur einen winzigen Bruchteil der üblicherweise benötigten Rechenzeit, bewahrte jedoch die wesentlichen physikalischen Details der Reaktion.

Sobald sie diese virtuellen Schnappschüsse erhalten hatten, maßen das Team das elektrische Feld innerhalb des aktiven Zentrums des Enzyms. Ein elektrisches Feld ist eine unsichtbare Kraft, die geladene Teilchen drücken oder ziehen kann. In diesem Fall waren die Forscher daran interessiert, wie das elektrische Feld des Enzyms mit einem spezifischen Teil des Medikamentenmoleküls interagiert, der Carbonylgruppe, die eine negative Ladung trägt. Sie fanden heraus, dass die Stärke dieses elektrischen Feldes, insbesondere wie gut es das Medikament im Moment des Angriffs stabilisierte, direkt mit der Geschwindigkeit verknüpft war, mit der das Enzym das Medikament zerstören konnte.

Die Ergebnisse waren beeindruckend. Als die Forscher ihre berechneten elektrischen Feldwerte mit Realdaten aus Laborexperimenten verglichen, stimmten die Zahlen mit hoher Präzision überein. Enzyme, die als starke Carbapenem-Zerstörer bekannt sind, zeigten ein starkes, negatives elektrisches Feld, das das Medikament für die Zerstörung perfekt stabilisierte. Enzyme, die das Medikament nicht zerstören können, wiesen ein viel schwächeres Feld auf. Die Korrelation war so stark, dass der Wert des elektrischen Feldes allein zwischen Enzymen unterscheiden konnte, die Carbapeneme abbauen, und solchen, die dies nicht tun. Dies blieb auch dann bestehen, wenn die Forscher sehr kurze Simulationszeiten verwendeten, was darauf hindeutet, dass die Methode sowohl schnell als auch zuverlässig ist.

Eine der wichtigsten Erkenntnisse war, dass die Forscher nicht die exakte 3D-Struktur des Enzyms im Voraus kennen mussten. Indem sie lediglich mit der Gensequenz begannen und KI nutzten, um die Form vorherzusagen, konnten sie dennoch genaue Ergebnisse erzielen. Dies bedeutet, dass die Methode auf brandneue bakterielle Varianten angewendet werden kann, sobald deren genetischer Code sequenziert wurde, ohne darauf warten zu müssen, dass eine Kristallstruktur im Labor gelöst wird. Das Team entdeckte auch, dass die spezifische Orientierung eines kleinen Teils des Medikamentenmoleküls, einer Hydroxyethylgruppe, die Ergebnisse beeinflusste. Indem sie sich auf das elektrische Feld konzentrierten, das von der Kernstruktur des Enzyms erzeugt wird, und diesen flexiblen Teil ignorierten, verbesserten sie die Genauigkeit ihrer Vorhersagen weiter.

Die Studie hob auch die Rolle der Wassermoleküle innerhalb des Enzyms hervor. Während die Proteinstruktur selbst ein starkes elektrisches Feld bereitstellt, tragen die Wassermoleküle, die die Reaktionsstelle umgeben, signifikant zur Leistungsfähigkeit des Enzyms bei. Die Forscher fanden heraus, dass die Einbeziehung dieser Wassermoleküle in ihre Berechnungen essenziell war, um mit den experimentellen Daten übereinzustimmen. Dies deutet darauf hin, dass die Umgebung innerhalb des Enzyms genauso wichtig ist wie die Form des Enzyms selbst.

Diese Arbeit beansprucht nicht, das Problem der Antibiotikaresistenz gelöst zu haben, bietet aber eine kraftvolle neue Perspektive, um sie zu betrachten. Indem sie zeigten, dass eine einfache Berechnung elektrischer Kräfte komplexe biologische Aktivitäten vorhersagen kann, haben die Forscher ein Werkzeug bereitgestellt, das sowohl schnell als auch in der physikalischen Realität verwurzelt ist. Die Methode konnte erfolgreich die gefährlichen Carbapenem-zerstörenden Enzyme von den harmlosen trennen und bestätigte, dass die Fähigkeit, diese Medikamente abzubauen, in der spezifischen elektrischen Landschaft des aktiven Zentrums des Enzyms verwurzelt ist.

Die Auswirkungen auf die öffentliche Gesundheit sind erheblich. Da neue Bakterienstämme auftauchen, können Wissenschaftler nun dieses Protokoll nutzen, um deren Bedrohungsniveau schnell einzuschätzen. Anstatt Wochen auf Labortests zu warten, könnten sie potenziell den genetischen Code einer neuen Variante analysieren und sofort wissen, ob sie ein Risiko für die Carbapenem-Behandlung darstellt. Diese Geschwindigkeit könnte Ärzten helfen, schneller das richtige Antibiotikum zu wählen und die Entwicklung neuer Medikamente zu leiten, die darauf ausgelegt sind, diesen elektrischen Feldern zu widerstehen. Die Studie zeigt, dass wir, indem wir die unsichtbaren Kräfte verstehen, die in diesen molekularen Maschinen wirken, besser vorhersagen können, wie sie sich verhalten werden, und letztlich, wie wir sie stoppen können.