The Pulse
L’IA di Stanford restringe 1,7 milioni di polimeri a 10 candidati antibiotici
I ricercatori di Stanford hanno addestrato un modello di IA a esaminare 1,7 milioni di polimeri candidati alla ricerca di molecole che imitano i peptidi in grado di uccidere i batteri. Dieci candidati hanno superato le aspettative contro E.
AI.info Team ·
I ricercatori di Stanford hanno ridotto una libreria di 1,7 milioni di potenziali polimeri a 10 candidati antibiotici usando un sistema di IA addestrato inizialmente sui peptidi antimicrobici. Tutti e 10 i candidati hanno dato risultati migliori del previsto contro Escherichia coli, e uno si è dimostrato particolarmente efficace contro i biofilm, comunità microbiche protettive che spesso resistono ai trattamenti convenzionali.
Il lavoro, pubblicato il 21 settembre 2026 su Matter, indica una strada diversa per la scoperta di antibiotici: invece di cercare molecole che bloccano una specifica proteina o via batterica, i ricercatori hanno cercato polimeri in grado di danneggiare fisicamente la membrana cellulare. Stanford ha descritto i risultati in un articolo dello Stanford Report.
Perché Stanford ha guardato oltre i peptidi
I peptidi antimicrobici offrono già un modello per attaccare i batteri senza dipendere da un bersaglio biochimico circoscritto. Molti possono raggiungere la membrana batterica, alterarla e uccidere la cellula dall’esterno. Questo meccanismo fisico potrebbe rendere più difficile per i batteri sviluppare resistenza rispetto a quanto non lo sia modificare il bersaglio di un farmaco, disattivare un composto o impedirne l’ingresso.
«I peptidi antimicrobici sono chimicamente in grado di avvicinarsi molto alla membrana cellulare e di alterarla, uccidendo i batteri», ha dichiarato nello Stanford Report Shoshana Williams, ex dottoranda in ingegneria a Stanford, che ha conseguito da poco il dottorato. «È importante sottolineare che non devono entrare nella cellula per agire, come farebbe un farmaco tipico. E non agiscono nemmeno su una specifica proteina o via, come fanno i farmaci».
I peptidi, tuttavia, presentano svantaggi pratici. Possono avere una vita breve ed essere costosi da sintetizzare. Il team di Stanford si è invece concentrato sui polimeri: molecole lunghe, a forma di catena, meno costose da produrre, più facili da maneggiare e meno soggette a degradarsi.
Addestrare l’IA quando i dati sui polimeri scarseggiavano
I ricercatori si sono trovati di fronte a un problema frequente nella scoperta computazionale di farmaci: i dati disponibili non corrispondevano allo spazio chimico che volevano esplorare. Esistono ampie raccolte di dati sui peptidi antimicrobici, mentre i dataset comparabili sui polimeri sono molto più ridotti.
«Il dataset dei polimeri antimicrobici era semplicemente troppo piccolo», ha dichiarato Williams. Il team ha risposto addestrando i propri modelli sulle proprietà chimiche dei peptidi antimicrobici, per poi trasferire quelle informazioni ai polimeri candidati.
Il processo non si è basato solo sui candidati con la previsione media più alta. I ricercatori hanno anche esaminato i casi in cui i modelli erano più in disaccordo. Hanno sintetizzato e testato i 20 candidati che generavano il maggior grado di incertezza, poi hanno reinserito nel sistema i risultati sperimentali. Questo approccio ha fornito ai modelli ulteriori informazioni sulle caratteristiche chimiche associate all’attività antimicrobica.
«Il principale salto concettuale è stato addestrare prima il modello sui dati dei peptidi antimicrobici e poi usare quei dati per fare previsioni sui polimeri, una classe di molecole del tutto diversa», ha dichiarato Eric Appel, professore di scienza dei materiali a Stanford e autore senior dello studio.
Dieci candidati superano i test di laboratorio
Dopo la fase di test guidata dall’incertezza, il sistema ha selezionato 10 polimeri candidati da sintetizzare e sottoporre a test biologici. Tutti hanno ottenuto risultati molto superiori alle aspettative dei ricercatori nei test contro E. coli, un batterio Gram-negativo dotato di due membrane.
Un candidato si è distinto nei test contro i biofilm. Queste comunità si circondano di una matrice protettiva e sono spesso difficili da eliminare con gli antibiotici standard. Secondo la sintesi dello studio, è emerso inoltre che un polimero poteva agire insieme a un regime terapeutico clinico già esistente, migliorando l’eliminazione di E. coli associati ai biofilm.
«Per quanto ne so, questi 10 candidati sono tra i polimeri antimicrobici più potenti mai descritti», ha dichiarato Williams.
Un attacco fisico alle membrane batteriche
I candidati sono progettati per imitare le caratteristiche chimiche rilevanti dei peptidi antimicrobici, anziché riprodurne esattamente la struttura. Il meccanismo ipotizzato è la permeabilizzazione della membrana: il polimero raggiunge la superficie batterica, interagisce con la membrana e la danneggia, compromettendo la cellula.
«I peptidi permeabilizzano i microbi … letteralmente aprono buchi nella membrana cellulare per ucciderli», ha dichiarato Appel. «Per un batterio è molto più difficile cambiare l’intera struttura lipidica della propria membrana o la carica elettrica della propria superficie che imparare a respingere un farmaco chimico o a disattivare la propria via circoscritta».
Secondo Stanford, i ricercatori hanno testato l’approccio principalmente contro E. coli, ma i polimeri hanno mostrato attività anche contro Staphylococcus aureus, un batterio Gram-positivo. Il risultato non dimostra che i candidati siano pronti per l’uso sugli esseri umani; il lavoro presentato è una dimostrazione iniziale del fatto che un processo di progettazione guidato dall’IA può individuare molecole da sottoporre a test di laboratorio.
Da candidati ad ampio spettro a farmaci mirati
Appel e Williams affermano che il metodo potrebbe, in futuro, consentire di progettare polimeri destinati a specifici ceppi batterici. In linea di principio, un composto mirato potrebbe attaccare un’infezione limitando al contempo gli effetti sulle cellule umane e sui batteri benefici, anche se lo Stanford Report non sostiene che i candidati attuali abbiano raggiunto questa selettività.
«Abbiamo davvero bisogno di farmaci migliori», ha dichiarato Appel. «Questo nuovo processo apre una strada promettente per individuare nuovi antibiotici, efficaci in modi nuovi e diversi, per trattare infezioni gravi e complesse e contrastare la resistenza».
Il risultato immediato è più circoscritto e concreto: un modello di IA ha esaminato 1,7 milioni di strutture polimeriche, ha usato i dati di laboratorio ottenuti dalle previsioni più incerte per migliorare il processo di selezione e ha prodotto 10 candidati che hanno superato le aspettative contro E. coli. Le prossime questioni riguardano la tossicità, l’efficacia negli animali e la possibilità che i polimeri che alterano le membrane mantengano la propria attività senza danneggiare i tessuti umani.