Un sistema di intelligenza artificiale ha progettato nuove molecole antimicrobiche e, fra le 46 prodotte e messe alla prova, ben 44 hanno mostrato attività contro i batteri. È il sorprendente risultato ottenuto alla Shanghai Jiao Tong University, in Cina, dal gruppo guidato da Lei Li: non una cura già disponibile, ma un metodo che potrebbe rendere assai più mirata la ricerca di nuovi antibiotici, oggi costretta a misurarsi con tempi lunghi, molti tentativi e batteri capaci di sviluppare resistenze.

Lo studio, pubblicato il 17 ottobre 2026 su Nature Communications, parte da una domanda concreta: si possono individuare le sostanze più promettenti prima di affrontare il lavoro necessario a produrle? I ricercatori hanno affidato questo compito all’apprendimento automatico, cioè a un modello informatico che ricava dai dati caratteristiche utili per progettare e selezionare nuove molecole. Il computer, dunque, interviene prima del banco di laboratorio. Non lo sostituisce.

La materia prima era imponente: 96.911 genomi batterici, ossia altrettanti patrimoni di informazioni genetiche, dai quali sono state individuate 2.657 sequenze di partenza. L’attenzione si è concentrata sui lipopeptidi, molecole nelle quali una componente peptidica, formata da amminoacidi, è collegata a una catena di acidi grassi. È una combinazione interessante perché può favorire l’interazione con le membrane dei microrganismi; ma basta modificare di poco la struttura perché cambi anche il comportamento della sostanza. Prevedere quali combinazioni funzioneranno è tutt’altro che semplice.

Ecco il passaggio decisivo. Il modello ha generato 6.197 candidati virtuali, ridotti a 289 applicando ulteriori criteri di selezione; di questi, soltanto 46 sono stati sintetizzati, cioè prodotti materialmente, e sottoposti agli esperimenti. Per intenderci, il procedimento somiglia a una successione di setacci: attraverso ciascuno passano meno candidati, finché al laboratorio arriva un gruppo ristretto da verificare. Che 44 abbiano manifestato attività antimicrobica indica quanto sia stata produttiva questa selezione nel gruppo esaminato.

Occorre però leggere bene quel 95,7%. Non è la percentuale dei pazienti che potrebbero guarire, e neppure significa che siano disponibili 44 nuovi antibiotici. Misura la presenza di attività biologica nelle molecole sottoposte alla prova: un primo risultato importante, non la conclusione del percorso. Resta inoltre da verificare quanto bene il metodo sappia selezionare sostanze attive lavorando su altri insiemi di molecole.

Fra i composti ottenuti, uno è stato scelto per indagini più approfondite: LP630. Ha mostrato attività contro batteri Gram-positivi, Gram-negativi e micobatteri, gruppi con caratteristiche strutturali differenti, che possono rendere difficile il trattamento delle infezioni. Gli esperimenti indicano che LP630 interagisce con diversi componenti della membrana batterica, la struttura che mantiene separate le condizioni interne della cellula da quelle dell’ambiente circostante. In altre parole, viene compromesso un confine indispensabile alla sopravvivenza del microrganismo: se non conserva la propria integrità, il batterio si trova in difficoltà.

Ma non è tutto. Nei topi, in modelli sperimentali di ferite infette, LP630 ha dato risultati terapeutici favorevoli: un’osservazione di notevole interesse, perché porta l’indagine oltre le colture batteriche di laboratorio. A scanso di equivoci, però, l’effetto osservato nell’animale non dimostra che la molecola sarà efficace nell’uomo, né che potrà essere somministrata senza effetti indesiderati significativi.

L’urgenza di questa ricerca è ben documentata. Secondo l’Organizzazione mondiale della sanità, nel 2023 circa un’infezione su sei, fra quelle batteriche confermate in laboratorio e considerate nella sorveglianza internazionale, risultava resistente ai trattamenti antibiotici. Nel 2021 la resistenza agli antimicrobici è stata associata a oltre 4,7 milioni di morti nel mondo; un’associazione, precisiamo, che non attribuisce direttamente alla resistenza tutti quei decessi.

Il computer potrebbe dunque ridurre i tentativi necessari a trovare candidati promettenti. Per LP630 restano da studiare tossicità, stabilità nell’organismo, dosi efficaci ed eventuale comparsa di resistenze, prima degli studi clinici sull’uomo. Per ora è una candidata sperimentale. La selezione è stata sorprendentemente produttiva; la verifica come possibile farmaco è ancora da compiere.

⸻

Zhang F., Yu X., Wu Y., Li L. “De novo design of lipopeptides with antimicrobial potency enabled by a chain-as-prompt deep learning framework”. Nature Communications, 17 ottobre 2026. DOI: 10.1038/s41467-026-78763-8.

Link alla pubblicazione