L’intelligenza artificiale sta ampliando lo spazio delle molecole esplorate nella ricerca di antibiotici. Una revisione su Nature Reviews Microbiology analizza le strategie che permettono di selezionare candidati, studiarne il meccanismo d’azione e progettare strutture nuove contro batteri resistenti ai trattamenti disponibili.
Il bisogno riguarda soprattutto classi di antibiotici con modalità d’azione differenti. Cercare soltanto varianti di farmaci noti può lasciare irrisolti alcuni meccanismi di resistenza. I modelli computazionali aiutano a confrontare quantità di composti difficili da esaminare interamente attraverso gli esperimenti tradizionali.
La revisione considera approcci basati sul comportamento del batterio, ricerche dirette verso bersagli specifici e progettazione di molecole da zero. Un altro ambito è l’ottimizzazione dei candidati iniziali: modificare una struttura può migliorarne alcune proprietà, ma ogni cambiamento può influire anche su tossicità, stabilità e possibilità di raggiungere il sito dell’infezione.
Il risultato di un modello resta una previsione da verificare. Una molecola che mostra attività su una coltura batterica deve ancora dimostrare di funzionare in condizioni più complesse. Occorre inoltre studiare quanto rapidamente possano emergere resistenze e se le concentrazioni efficaci siano compatibili con la sicurezza dell’organismo.
L’IA può quindi accelerare alcune fasi e suggerire vulnerabilità batteriche poco esplorate, senza eliminare la sperimentazione biologica e clinica. Il lavoro presenta un settore di ricerca in evoluzione, non un elenco di nuovi antibiotici già prescrivibili. Il passaggio dalla selezione computazionale a un medicinale richiede prove successive, produzione affidabile e valutazione regolatoria.
