English · FORSCH-0211

Werkseite · Syntagma Forschung

Antibiotikaresistenz und ihre Alternativen — individualisierte statt Standard-Therapie

Begleit-Dossier zum Werk FORSCH-0211 „Der Körper als Biotop-System" Stand: 2026-06-17 · Recherche-Aufarbeitung, vollständig zitiert · CC BY 4.0 · Thomas Schüller · ORCID 0009-0003-9799-6747

Lese-Hinweis: Dies ist ein recherchebasiertes Übersichts-Dossier, kein medizinischer Rat. Quellen sind am Ende als nummerierte Liste geführt; im Text wird mit [n] darauf verwiesen. Wo die Evidenz unsicher ist, ist das ausdrücklich vermerkt.

0 · Warum dieses Dossier an das Biotop-Werk anschließt

FORSCH-0211 beschreibt den Körper für die Steuerungs- und Versorgungsfrage als System verschachtelter Milieus — „Bedingungsfelder statt Zuständigkeiten" — mit der Pointe, dass das Mikrobiom fremdes Leben innerhalb der Körpergrenzen ist und ein Milieu in einen anderen stabilen Zustand kippen kann (§4.1, §8.1). Genau diese Sicht ist der natürliche Rahmen für die Antibiotika-Frage: Ein Breitbandantibiotikum ist ein Eingriff nicht in „ein Organ", sondern in ein Bedingungsfeld (das Darm-Milieu), das dabei seine Ordnung verlieren und kippen kann (Dysbiose). Die Alternativen — Phagen, Schmalspektrum, individualisierte Therapie — sind der Versuch, am Milieu schonend statt flächig zu wirken. Das Dossier arbeitet den Stand der Wissenschaft dazu auf.

1 · Das Problem in Zahlen

Antimikrobielle Resistenz (AMR) ist eine der größten globalen Gesundheitsbedrohungen. Die bislang umfassendste Schätzung (GRAM-Projekt, The Lancet 2022) beziffert für das Jahr 2019 weltweit 1,27 Millionen Todesfälle als direkt auf bakterielle AMR zurückführbar und 4,95 Millionen Todesfälle als mit AMR assoziiert [1]. Sechs Erreger — E. coli, S. aureus, K. pneumoniae, S. pneumoniae, A. baumannii, P. aeruginosa — verursachten allein 929.000 der attribuierbaren Todesfälle [1]. Eine Folgeanalyse (1990–2021, mit Projektion bis 2050) bestätigt den steigenden Trend [2].

Die WHO-Liste bakterieller Prioritäts-Erreger 2024 (BPPL) gruppiert 15 Erregerfamilien in „kritisch / hoch / mittel". In der kritischen Gruppe stehen Carbapenem-resistente Acinetobacter baumannii (CRAB), Carbapenem-resistente Enterobacterales (CRE) und 3.-Generation-Cephalosporin-resistente Enterobacterales; Carbapenem-resistente K. pneumoniae führt die Rangliste an, Carbapenem-resistente P. aeruginosa wurde von „kritisch" auf „hoch" zurückgestuft [3][4]. Die Kürzel ESKAPE (Enterococcus faecium, Staphylococcus aureus, Klebsiella pneumoniae, Acinetobacter baumannii, Pseudomonas aeruginosa, Enterobacter) bündeln die klinisch gefährlichsten multiresistenten Keime.

2 · Biochemie und Genetik der Resistenz — und die Evolution dahinter

2.1 Wie Antibiotika wirken

Antibiotika greifen an wenigen konservierten bakteriellen Angriffspunkten an: Zellwandsynthese (β-Lactame wie Penicilline/Cephalosporine/Carbapeneme hemmen die Peptidoglykan-Quervernetzung; Glykopeptide wie Vancomycin binden D-Ala-D-Ala), Proteinsynthese am Ribosom (Aminoglykoside, Tetracycline, Makrolide, Oxazolidinone), DNA-Replikation (Fluorchinolone hemmen DNA-Gyrase/Topoisomerase IV), Folatsynthese (Sulfonamide, Trimethoprim) und die Zellmembran (Polymyxine wie Colistin) [Übersichtswissen; vgl. 3].

2.2 Wie Resistenz entsteht (Mechanismen)

Vier Grundstrategien:

  1. Enzymatische Inaktivierung — β-Lactamasen spalten β-Lactame; besonders kritisch sind ESBL (Extended-Spectrum-β-Lactamasen) und Carbapenemasen (KPC, NDM-1, OXA-48), die fast alle β-Lactame unwirksam machen [3].
  2. Effluxpumpen — aktiver Auswärtstransport des Wirkstoffs (z. B. MexAB-OprM / MexXY in P. aeruginosa); oft Multidrug-Pumpen [9].
  3. Zielmodifikation/-schutz — Veränderung der Bindungsstelle (z. B. mecA/PBP2a bei MRSA; Gyrase-Mutationen gegen Chinolone; ribosomale Methylierung gegen Makrolide).
  4. Verringerte Permeabilität — Verlust/Modifikation von Porinen (z. B. OmpK36 bei Klebsiella).

2.3 Genetik: Mutation, Selektion, horizontaler Gentransfer

Resistenz entsteht durch spontane Mutation + Selektion (Antibiotikum tötet die Empfindlichen, die Resistenten vermehren sich) und — entscheidend — durch horizontalen Gentransfer (HGT): Konjugation (Plasmide), Transformation (freie DNA) und Transduktion (durch Phagen). Mobile genetische Elemente — Plasmide, Transposons, Integronen — bündeln Resistenzgene und verbreiten sie zwischen Arten. Die Gesamtheit aller Resistenzgene in einer Gemeinschaft heißt Resistom; Böden und Gewässer sind dessen natürliche Reservoirs [7][8].

2.4 Evolution und Anpassung unter Selektionsdruck

Resistenz hat oft Fitnesskosten (resistente Stämme wachsen ohne Antibiotikum langsamer), die durch Kompensationsmutationen wieder ausgeglichen werden — danach verschwindet Resistenz auch ohne weiteren Antibiotikadruck nicht mehr von selbst. Zu unterscheiden ist Resistenz (vererbbares Wachstum trotz Wirkstoff) von Toleranz/Persistenz (zeitweises Überleben ohne genetische Resistenz, etwa in „Persister"-Zellen). Wichtig für Therapie-Strategien: kollaterale Sensitivität — Resistenz gegen das eine Mittel kann Empfindlichkeit gegen ein anderes erhöhen; das lässt sich gezielt ausnutzen (siehe §4.3) [13][14].

Biotop-Bezug: Selektion findet nicht „im Bakterium", sondern im Milieu statt — Antibiotikakonzentration, pH, Nährstoffe und Nachbar-Mikroben bilden das Bedingungsfeld, das entscheidet, welche Variante sich durchsetzt.

3 · Breitbandantibiotika: Pharmakologie und Nebenwirkungen

3.1 Pharmakologie (PK/PD)

Wirksamkeit hängt von Pharmakokinetik (Resorption, Verteilung, Gewebepenetration, Ausscheidung) und Pharmakodynamik ab. Man unterscheidet zeitabhängige Killer (β-Lactame: maßgeblich ist die Zeit oberhalb der MHK) von konzentrationsabhängigen (Aminoglykoside, Fluorchinolone: maßgeblich Spitzenspiegel bzw. AUC/MHK). Diese Logik ist exakt die Bilanz-über-die-Grenze-Logik aus FORSCH-0211 §5.1: Wirkung schließt sich dort, wo die Bedingungen des Ziel-Milieus (Konzentration, Bindung) es zulassen.

3.2 Kollateralschaden am Mikrobiom (Dysbiose)

Breitbandantibiotika treffen nicht nur den Erreger, sondern die gesamte Darmflora. Folge ist Dysbiose mit Verlust der Kolonisationsresistenz — der Fähigkeit der gesunden Flora, Krankheitserreger durch Nährstoff- und Platzkonkurrenz, kurzkettige Fettsäuren (z. B. Butyrat), Gallensäure-Stoffwechsel, Bakteriozine und Immunmodulation abzuwehren [5][6]. Typisch ist eine Verschiebung hin zu Proteobacteria [6]. Dies ist das Kippen aus FORSCH-0211 §8.1 in der Empirie: ein Bedingungsfeld geht in einen anderen, schlechter geschützten Zustand über.

3.3 Clostridioides-difficile-Infektion (CDI)

Das klinisch deutlichste Beispiel: Nach Antibiotikagabe kann sich C. difficile in der entleerten Nische ausbreiten — schwere Kolitis. Höhere mikrobielle Diversität = höhere Kolonisationsresistenz [5]. 20–35 % der Patienten erleiden nach Standard-Therapie (Vancomycin/Metronidazol) Rezidive [6] — der Grund, warum Mikrobiom-Wiederherstellung (FMT, §5.5) hier wirkt.

3.4 Klassenspezifische Nebenwirkungen

Kernpunkt: Je breiter das Spektrum, desto größer der Kollateralschaden am inneren Milieu — die pharmakologische Begründung für Schmalspektrum und Individualisierung (§6).

4 · Phagentherapie

4.1 Was Phagen sind

Bakteriophagen sind Viren, die ausschließlich Bakterien infizieren — die häufigsten biologischen Entitäten der Erde. Zwei Lebenszyklen: lytisch (Phage vermehrt sich und sprengt die Zelle — therapeutisch erwünscht) und lysogen (Phagen-DNA integriert ins Bakteriengenom, ruht — therapeutisch unerwünscht, da Gene, auch Resistenz-/Toxingene, übertragen werden können). Für Therapie werden streng lytische Phagen gewählt. Vorteile: hohe Spezifität (meist art-/stammgenau, schont die übrige Flora), Selbst-Vermehrung am Infektionsort, Wirkung auf Biofilme, geringe Nebenwirkungen [15][16].

4.2 Koevolution und Phagenresistenz

Bakterien wehren Phagen ab über Rezeptor-Modifikation (der Phage dockt nicht mehr an), Restriktions-Modifikations-Systeme, CRISPR-Cas (bakterielle „Immunität" gegen Phagen-DNA) und Abortive-Infection-Systeme [Übersicht 17]. Phagen und Bakterien koevolvieren also — Resistenz gegen Phagen ist die Regel, nicht die Ausnahme. Gegenstrategie: Phagen-Cocktails (mehrere Phagen mit verschiedenen Rezeptoren) und Kombination mit Antibiotika.

4.3 Phagen-Steering und kollaterale Sensitivität (ein evolutionärer Trick)

Besonders elegant: Man wählt Phagen, deren Rezeptor ein Resistenzfaktor ist. Klassisches Beispiel ΦOMKO1 (Chan et al., Yale): der Phage nutzt die Effluxpumpe MexAB/MexXY-OprM von P. aeruginosa als Andockstelle. Wird das Bakterium phagenresistent, verkleinert es diese Pumpe — und wird dadurch wieder antibiotika-empfindlicher. Dieser Trade-off ist über ~70 Bakteriengenerationen stabil, auch unter kombiniertem Phagen- und Antibiotikadruck [13][14]. Das ist „Steuern der Evolution" — man treibt das Bakterium in eine Ecke, in der jeder Ausweg teuer ist.

4.4 Klinische Evidenz

Der Auslöser des modernen Interesses war der Fall Tom Patterson (2016): eine lebensbedrohliche Carbapenem-resistente A.-baumannii-Infektion wurde mit einem personalisierten Phagen-Cocktail (Texas A&M, US Navy) im Rahmen einer Compassionate-Use-Freigabe der FDA erfolgreich behandelt; Steffanie Strathdee machte den Fall bekannt und gründete das IPATH-Zentrum (UC San Diego) [18]. Eine systematische Kohorte von 20 Patienten mit arzneimittelresistenten Mykobakterien zeigte: Phagentherapie ist sicher und gut verträglich und kann klinisch bedeutsame Besserung bewirken [18]. Einordnung (wichtig): Die Evidenz besteht bislang überwiegend aus Fallberichten und kleinen Serien, nicht aus großen randomisierten Studien; mehrere kontrollierte Studien laufen. Die Wirksamkeit ist also vielversprechend, aber noch nicht im RCT-Maßstab belegt [16][18].

4.5 Regulatorischer Status und Grenzen

Phagen passen schlecht in den klassischen Zulassungsrahmen (ein definiertes, unveränderliches Molekül): sie sind biologisch, vermehren sich, müssen oft personalisiert und aktualisiert werden. In Belgien existiert ein pragmatischer Weg über magistrale Rezeptur (apothekenindividuelle Herstellung); das Eliava-Institut (Georgien) behandelt seit fast einem Jahrhundert mit Phagen. In EU/USA dominieren Compassionate-Use-Einzelfälle und Studien [15][16]. Grenzen: enges Wirtsspektrum (genaue Erregerdiagnostik nötig), Phagenresistenz, Immunantwort gegen Phagen, Herstell- und Reinheitsstandards.

5 · Weitere Ansätze jenseits klassischer Antibiotika

5.1 Endolysine / Enzybiotika

Endolysine sind phagenkodierte Enzyme, die die Bakterienzellwand (Peptidoglykan) von außen aufschneiden — besonders wirksam gegen grampositive Erreger (frei liegendes Peptidoglykan). Vorteile: schnelle bakterizide Wirkung, geringe Resistenzentwicklung, Wirkung auf Biofilme. Gegen gramnegative Keime ist die äußere Membran ein Hindernis; hier helfen Engineering-Tricks (Fusion mit membrandurchdringenden Peptiden) [19][20].

5.2 Antimikrobielle Peptide (AMPs)

Kurze (15–150 AS) Peptide, die meist die Bakterienmembran zerstören — breites Spektrum, schnelle Wirkung, geringe Resistenztendenz; teils körpereigen (Teil der angeborenen Immunabwehr). Herausforderungen: Stabilität, Toxizität, Kosten [19][20].

5.3 CRISPR-Cas als „programmierbares" Antibiotikum

CRISPR-Cas lässt sich umfunktionieren, um gezielt Resistenz- oder Virulenzgene zu zerschneiden oder selektiv nur resistente Bakterien zu töten — z. B. via Phagen als Vehikel. Noch überwiegend präklinisch; Vehikel-/Delivery-Problem ungelöst [17].

5.4 Anti-Virulenz, Anti-Biofilm, Antikörper, Impfstoffe

5.5 Mikrobiom-Wiederherstellung: Probiotika und FMT

Fäkale Mikrobiota-Transplantation (FMT) stellt bei rezidivierender CDI die Kolonisationsresistenz wieder her. Seit 2022/2023 sind in den USA erstmals standardisierte FMT-Produkte FDA-zugelassen: REBYOTA (Ferring, rektal) und VOWST (Seres, oral) zur Prävention rezidivierender CDI [21][22]. In einer Auswertung lag der Erfolg (kein Rezidiv über 8 Wochen) bei REBYOTA 70,6 % vs. 57,5 % unter Placebo [21]. Direkter Biotop-Bezug: Therapie als Wieder-Aufrichten eines gekippten Milieus, nicht als weiterer flächiger Schlag.

6 · Individualisierte statt Standard-Therapie

6.1 Das Prinzip

Statt empirischer Breitband-„Schrotflinte" eine präzise, schmalspektrale, erregergenaue Therapie — möglichst geführt von schneller Diagnostik. Das schont das Milieu (§3) und reduziert Resistenzselektion.

6.2 Diagnostik als Engpass und Hebel

6.3 Biotop-Anschluss

FORSCH-0211 liefert die Begründung: Jeder Patient ist ein individuelles inneres Milieu (eigenes Mikrobiom, eigene Bedingungsfelder). „Standard-Antibiotikum" behandelt einen Durchschnitt, der so nicht existiert; „individuelle Therapie" behandelt das tatsächliche Milieu — und hält es unterhalb der Kipp-Schwelle (§8.1-Modell: bedingungsabhängige Raten, Hysterese).

7 · Künstliche Intelligenz: Chancen und Gefahren

7.1 Chancen

7.2 Gefahren

Fazit KI: großes Beschleunigungspotenzial, aber kein Ersatz für phänotypische Bestätigung, mit ernstem Dual-Use-Risiko, das aktive Governance verlangt.

8 · One Health: Massentierhaltung, Wasser, Umwelt

AMR ist kein rein klinisches Problem. Der One-Health-Ansatz verbindet Mensch, Tier und Umwelt:

Biotop-Bezug: Die Umwelt ist selbst ein Biotop-System mit gekoppelten Milieus; das Resistom fließt über Grenzen (Stall → Gülle → Boden → Wasser → Mensch) — exakt die „Kette von Milieus mit gefilterten Übergängen" aus FORSCH-0211 §4, hier auf der ökologischen Ebene.

9 · Synthese — was das fürs Biotop-Werk bedeutet

**Abb. 1** — Landkarte der Alternativen: je spezifischer die Intervention, desto geringer der Kollateralschaden am Milieu. Das Breitbandantibiotikum liegt als einziges unterhalb der Dysbiose-Kippschwelle (rot; Modell Anhang B) — es kippt das Darm-Milieu. Phagen, Endolysine und FMT wirken stammgenau bzw. wiederherstellend und bleiben milieu-schonend. Impfung und Anti-Virulenz vermeiden bzw. entwaffnen, statt zu töten.

  1. Antibiotika sind Milieu-Eingriffe, keine Organ-Eingriffe. Ihr Hauptschaden (Dysbiose, CDI) ist ein Kippen eines Bedingungsfeldes — die Empirie zu FORSCH-0211 §8.1.
  2. Breitspektrum = flächiger Milieu-Schaden; Schmalspektrum/Individualisierung = milieu-schonend. Die Pharmakologie (§3) liefert die Begründung für die individualisierte Therapie (§6).
  3. Die Alternativen sind durchweg „milieu-orientiert": Phagen (stammgenau), Endolysine/AMPs (gezielt), FMT (Milieu wieder aufrichten), Diagnostik (das tatsächliche Milieu treffen).
  4. Evolution lässt sich steuern (Phagen-Steering, kollaterale Sensitivität) — Therapie als Eingriff in das Bedingungsfeld der Selektion, nicht als Befehl an „das Bakterium".
  5. KI beschleunigt, ersetzt aber nicht das phänotypische Antibiogramm und bringt ein Dual-Use-Risiko.
  6. One Health zeigt: das Biotop endet nicht an der Haut — das Resistom zirkuliert durch gekoppelte Umwelt-Milieus.

Offen / unsicher (ehrlich markiert): Phagentherapie-Evidenz noch überwiegend Fall-basiert; mNGS-Genotyp→Phänotyp noch nicht therapietauglich für alle Paare; viele Alternativen (CRISPR-antibakteriell, viele AMPs/Endolysine gegen Gramnegative) präklinisch; Umwelt-Mengenangaben mit großer Spannbreite.

Anhang A · Minimal-Modell der kollateralen Sensitivität (Phagen-Steering)

Um den Trade-off aus §4.3 sichtbar zu machen, ein minimales, dimensionsloses Populationsmodell (reines NumPy, kein biologischer Fit). Eine Merkmalsachse e ∈ [0,1] beschreibt das Effluxpumpen-Niveau: hohes e = antibiotika-resistent (Pumpe entfernt den Wirkstoff), aber phagen-empfindlich (der Phage nutzt die Pumpe als Rezeptor); niedriges e = phagen-resistent, aber antibiotika-empfindlich. Sterberaten: d_AB(e)=A·(1−e) (Antibiotikum tötet niedrig-Efflux), d_Phage(e)=P·e (Phage tötet hoch-Efflux); kleines Wachstums-/Pumpenkosten-Glied; schwache Mutations-Diffusion über das e-Gitter.

Phagen-Steering / kollaterale Sensitivität: (a) mittleres Effluxpumpen-Niveau — Antibiotikum allein treibt es hoch (resistent), Phage allein treibt es runter (= wieder antibiotika-empfindlich); (b) Populationsgröße — nur die Kombination Phage+Antibiotikum löscht die Population aus; (c) Sequenztherapie — erst steuert der Phage das Merkmal nach unten, dann bricht die Dichte unter Antibiotikum ein.

Ergebnis: Antibiotikum allein selektiert hohes Efflux (e*≈0,96, resistent, überlebt); Phage allein selektiert niedriges Efflux (e*≈0,04) und macht die Population damit wieder antibiotika-empfindlich; Phage + Antibiotikum klemmt die Population von beiden Seiten ein → Dichte → 0. Die Sequenz „erst Phage, dann Antibiotikum" zeigt dasselbe: der Phage steuert das Bakterium in einen empfindlichen Zustand, in dem das Antibiotikum wieder greift. Das ist die Modell-Illustration des Phagen-Steerings (ΦOMKO1, §4.3) — und zugleich Biotop-Logik: Therapie wirkt auf das Bedingungsfeld der Selektion, nicht als Befehl an „das Bakterium". Reproduzierbar: models/phage_steering_model.py. Caveat (B14): zeigt, dass der Trade-off als Dynamik real ist — kein Anspruch auf konkrete Parameter eines realen Erregers.

Anhang B · PK/PD-Modell des Mikrobiom-Kollateralschadens

Ein zweites Minimal-Modell (reines NumPy) koppelt die Pharmakokinetik des Antibiotikums (tägliche Dosis über 7 Tage, Elimination mit Rate ke) an ein Mikrobiom-Modell aus Kommensalen Bc und Pathogen Bp (z. B. C. difficile) mit Kolonisationsresistenz (Term −α·Bc·Bp: die Kommensalen unterdrücken das Pathogen). Das Antibiotikum tötet Kommensale mit Rate kc (= Spektrum-Breite: hoch = Breitspektrum) und das Pathogen kaum (kp klein — das Pathogen ist gegen das Mittel weitgehend resistent).

PK/PD-Mikrobiom-Modell: (a) die kommensale Flora bricht nur unter Breitspektrum dauerhaft ein; (b) das Pathogen blüht nur nach Breitspektrum auf (C.-difficile-Logik); (c) Endzustand über der Spektrum-Breite kc mit scharfer Dysbiose-Kippschwelle bei kc≈1,04.

Ergebnis (Tag 40): Schmal- und Mittelspektrum → Kommensale erholen sich (Bc≈1,0), Pathogen bleibt unten (Bp≈0). Breitspektrum → Kommensale auf 0, Pathogen auf 1,0 — das Milieu kippt in den dysbiotischen Zustand und erholt sich nicht von selbst. Panel (c) zeigt eine scharfe Schwelle bei kc≈1,04: erst oberhalb dieser Spektrum-Breite kippt das System. Das ist exakt die Kipp-/Hysterese-Logik aus FORSCH-0211 §8.1, hier pharmakologisch: Breitspektrum überschreitet die Kippschwelle des Darm-Milieus, Schmalspektrum bleibt darunter — die quantitative Begründung für die individualisierte, milieu-schonende Therapie (§6). Reproduzierbar: models/pkpd_microbiome_model.py. Caveat (B14): minimale Illustration, kein klinischer Fit.

Anhang C · One-Health-Resistom-Ketten-Modell (Stall → Wasser → Mensch)

Drittes Minimal-Modell (reines NumPy): die Ausbreitung von Antibiotika-Resistenzgenen (ARG) über eine Kette gekoppelter Umwelt-Milieus — Stall → Gülle → Boden → Wasser → Mensch — mit gefilterten Übergängen (Übergangskoeffizient k<1 je Grenze) und Abbau je Kompartiment. Der Stall trägt die Quelle S (Antibiotikaeinsatz → Selektion). Das ist FORSCH-0211 §4 auf der ökologischen Ebene: „eine Bewegung durch eine Kette von Milieus, an jeder Grenze gefiltert".

One-Health-Resistom-Kette: (a) ARG-Last entlang Stall→Gülle→Boden→Wasser→Mensch (log-Skala) für drei Strategien; (b) ARG-Last im Mensch-Kompartiment — Quellreduktion (−65 %) schlägt End-of-Pipe (−56 %).

Ergebnis: Gegenüber der Basis senkt Quellreduktion (z. B. EU-Verbot wachstumsfördernder Antibiotika, −65 % Stalleinsatz) die ARG-Last im Mensch-Kompartiment um ~65 %; eine reine End-of-Pipe-Maßnahme (nur den Übergang Wasser→Mensch verbessern, etwa bessere Kläranlagen) erreicht nur ~56 % und lässt die gesamte vorgelagerte Kette (Stall, Gülle, Boden, Wasser) unverändert belastet. Das ist die Modell-Form der Aussage aus §8: Prävention an der Quelle schlägt nachgeschaltete Reinigung [7]. Zugleich Biotop-Logik: die Grenzen ordnen den Fluss, aber der wirksamste Hebel ist die Quelle, nicht der letzte Filter. Reproduzierbar: models/resistome_chain_model.py. Caveat (B14): minimale Illustration, keine kalibrierten Umweltparameter.

Quellen

  1. Murray CJL et al. (GRAM) (2022). Global burden of bacterial antimicrobial resistance in 2019: a systematic analysis. The Lancet 399(10325):629–655. https://www.thelancet.com/journals/lancet/article/PIIS0140-6736(21)02724-0/fulltext · PMC: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC8841637/
  2. GBD AMR Collaborators (2024). Global burden of bacterial antimicrobial resistance 1990–2021, forecasts to 2050. The Lancet. https://www.thelancet.com/journals/lancet/article/PIIS0140-6736(24)01867-1/fulltext
  3. WHO (2024). WHO Bacterial Priority Pathogens List, 2024. https://www.who.int/publications/i/item/9789240093461 · News: https://www.who.int/news/item/17-05-2024-who-updates-list-of-drug-resistant-bacteria-most-threatening-to-human-health
  4. WHO BPPL 2024 Analyse, Lancet Infect Dis (2025). https://pmc.ncbi.nlm.nih.gov/articles/PMC12367593/
  5. Colonization Resistance of the Gut Microbiota against Clostridium difficile. PMC4790290. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4790290/
  6. Seekatz AM, Safdar N, Khanna S (2022). The role of the gut microbiome in colonization resistance and recurrent CDI. Therap Adv Gastroenterol. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC9679343/
  7. Antibiotic Use in Livestock and Environmental Antibiotic Resistance: A Narrative Review. PMC12304651. https://pmc.ncbi.nlm.nih.gov/articles/PMC12304651/
  8. Antibiotic resistance in livestock, environment and humans: One Health perspective. PMC11016740. https://pmc.ncbi.nlm.nih.gov/articles/PMC11016740/
  9. Phage steering of antibiotic-resistance evolution in P. aeruginosa (Effluxpumpen-Bezug). Evol Med Public Health 2020. https://academic.oup.com/emph/article/2020/1/148/5870287
  10. FDA (2018). Drug Safety Communication — fluoroquinolone warnings (aortic, mental health, blood sugar). https://www.fda.gov/drugs/drug-safety-and-availability/fda-drug-safety-communication-fda-updates-warnings-oral-and-injectable-fluoroquinolone-antibiotics
  11. EMA (2019). Disabling and potentially permanent side effects lead to suspension or restrictions of quinolone and fluoroquinolone antibiotics. https://www.ema.europa.eu/en/news/disabling-potentially-permanent-side-effects-lead-suspension-or-restrictions-quinolone-fluoroquinolone-antibiotics
  12. Overview of Side-Effects of Antibacterial Fluoroquinolones. PMC10056716. https://pmc.ncbi.nlm.nih.gov/articles/PMC10056716/
  13. Phage Resistance Evolution Induces the Sensitivity of Specific Antibiotics in P. aeruginosa PAO1. PMC9603957. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC9603957/
  14. Fitness Trade-Offs between Phage and Antibiotic Sensitivity in Phage-Resistant Variants. PMC10650657. https://pmc.ncbi.nlm.nih.gov/articles/PMC10650657/
  15. Bacteriophage Therapy: Discovery, Development, and FDA Approval Pathways. Pharmaceuticals 2025; PMC12389134. https://pmc.ncbi.nlm.nih.gov/articles/PMC12389134/
  16. Phage therapy: From biological mechanisms to future directions. Cell 2023. https://www.sciencedirect.com/science/article/pii/S0092867422014611
  17. Phage to ESKAPE: Personalizing Therapy for MDR Infections — A Comprehensive Clinical Review. PMC12566643. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC12566643/
  18. Phage Therapy of Mycobacterium Infections: Compassionate Use in 20 Patients. PMC9825826. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC9825826/ · IPATH/Strathdee Hintergrund: IEEE Pulse https://www.embs.org/pulse/articles/battling-superbugs-how-phage-therapy-went-from-obscure-to-promising/
  19. Endolysins: a new antimicrobial agent against AMR … Front. Pharmacol. 2024; PMC11144922. https://pmc.ncbi.nlm.nih.gov/articles/PMC11144922/
  20. Endolysins and membrane-active peptides: engineering against gram-negative bacteria. Front. Microbiol. 2025. https://www.frontiersin.org/journals/microbiology/articles/10.3389/fmicb.2025.1603380/full
  21. Efficacy of Fecal Microbiota (REBYOTA) in Recurrent CDI: Systematic Review and Meta-Analysis. PMC11116275. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC11116275/
  22. CIDRAP. FDA approves fecal microbiota product for recurrent C difficile (REBYOTA/VOWST). https://www.cidrap.umn.edu/antimicrobial-stewardship/fda-approves-fecal-microbiota-product-recurrent-c-difficile
  23. Next-generation rapid phenotypic antimicrobial susceptibility testing. Nat Commun 2024; PMC11550857. https://pmc.ncbi.nlm.nih.gov/articles/PMC11550857/ · mNGS/Stewardship: PMC12384723 https://pmc.ncbi.nlm.nih.gov/articles/PMC12384723/
  24. Stokes JM et al. (2020). A Deep Learning Approach to Antibiotic Discovery (Halicin). Cell 180(4):688–702. https://www.cell.com/cell/fulltext/S0092-8674(20)30102-1 · MIT News: https://news.mit.edu/2020/artificial-intelligence-identifies-new-antibiotic-0220
  25. Liu G et al. (2023). AI discovery of Abaucin against A. baumannii. MIT News: https://news.mit.edu/2023/using-ai-scientists-combat-drug-resistant-infections-0525
  26. Urbina F et al. (2022). Dual use of artificial-intelligence-powered drug discovery. Nature Machine Intelligence 4:189–191. https://www.nature.com/articles/s42256-022-00465-9 · PubMed: https://pubmed.ncbi.nlm.nih.gov/36270472/

Dossier erstellt 2026-06-17 als Begleitmaterial zu FORSCH-0211. Recherchebasiert, ausgewogen (Chancen und Gefahren), Unsicherheiten markiert. Keine medizinische Beratung. CC BY 4.0 · Thomas Schüller · ORCID 0009-0003-9799-6747 · forschung@tschueller.com