KI schreibt komplette Virusgenome – 16 davon funktionieren im Labor

Von 700.000 Entwürfen zu 16 funktionierenden Phagen

Evo 2 ist ein sogenanntes genomisches Foundation-Modell. Es wurde mit DNA-Sequenzen aus Bakterien, Archaeen, Pflanzen, Tieren und dem Menschen trainiert und kann biologische Sequenzen auf Ebene einzelner Nukleotide verarbeiten . Für das Experiment wurden Evo 1 und Evo 2 zusätzlich mit Bakteriophagen-Genomen feinjustiert.

Die Modelle erzeugten zunächst rund 700.000 mögliche Virusgenome. Computergestützte Prüfungen reduzierten diese Zahl auf 302 aussichtsreiche Kandidaten . Von 285 Entwürfen ließ sich anschließend DNA chemisch herstellen und in E. coli testen .

16 der 285 synthetisierten Genome bildeten funktionsfähige, sich vermehrende Phagen – eine Trefferquote von etwa 5,6 Prozent . Die Studie liefert damit erstmals eine messbare Produktivitätskennzahl für generatives Design auf Ebene kompletter Genome .

Einige KI-Phagen schlugen das natürliche Vorbild

Als Vorlage diente ΦX174, ein gut untersuchter natürlicher Bakteriophage, der E. coli infiziert. Alle 16 funktionsfähigen KI-Phagen konnten E. coli im Labor infizieren, sich vermehren und die Wirtszellen durch Lyse zerstören .

Mehrere der neuen Phagen schnitten in direkten Vergleichen bei Wachstumsrate und Geschwindigkeit der Zelllyse besser ab als der natürliche Wildtyp ΦX174 . Einige Entwürfe wiesen im Vergleich zum Vorbild mehr als 50 Veränderungen in ihren Aminosäuresequenzen auf – eine ungewöhnlich große Abweichung für ein dennoch funktionierendes Virus .

Besonders bemerkenswert: Einer der Phagen enthielt ein DNA-Verpackungsprotein, das in keinem bislang bekannten Organismus nachgewiesen wurde . Die KI hatte damit eine biologische Struktur hervorgebracht, für die es offenbar kein bekanntes natürliches Gegenstück gibt.

Auch im Verbund zeigten die Phagen Wirkung. Ein Cocktail aus den 16 Viren konnte Resistenzen in mehreren E. coli-Stämmen überwinden, darunter Varianten, die gegen einzelne Phagen unempfindlich geworden waren .

Hoffnung für Therapien gegen resistente Bakterien

Bakteriophagen gelten seit Langem als mögliche Ergänzung oder Alternative zu Antibiotika. Ihr Vorteil: Sie greifen bestimmte Bakterien an, während menschliche Zellen nicht ihr Ziel sind. Ihr Nachteil: Bakterien können relativ schnell Resistenzen gegen einzelne Phagen entwickeln.

KI könnte diesen Wettlauf beschleunigen. Statt auf passende Phagen aus der Natur angewiesen zu sein, könnten Forschende künftig neue Varianten gezielt für einen bestimmten bakteriellen Erreger entwerfen. Cocktails aus mehreren Phagen würden dabei unterschiedliche Angriffspunkte kombinieren und es Bakterien erschweren, gleichzeitig gegen alle Bestandteile resistent zu werden .

Die Studie zeigt zunächst, dass Genom-Sprachmodelle überhaupt vollständige, funktionsfähige virale Genome hervorbringen können. Bis zu einer zugelassenen Behandlung ist es jedoch noch ein weiter Weg: Die Ergebnisse stammen aus Laborversuchen mit E. coli, nicht aus klinischen Studien am Menschen. Dennoch eröffnet der Ansatz die Möglichkeit, Therapiekandidaten schneller für bestimmte Krankheitserreger zu entwickeln .

Die Sicherheitslücke hinter dem Durchbruch

Der wissenschaftliche Fortschritt hat eine klare Doppelbedeutung. Dieselben Verfahren, die bei der Suche nach neuen antimikrobiellen Therapien helfen könnten, könnten theoretisch auch zur Entwicklung gefährlicher biologischer Systeme missbraucht werden.

In einem begleitenden Kommentar in Science warnten Thomas Inglesby und Moritz Hanke vom Johns Hopkins Center for Health Security: „Die Fähigkeit, virale Genome mithilfe generativer KI zusammenzusetzen, existiert inzwischen; die nötige Regulierung, um diese Fähigkeiten sicher und geschützt einzusetzen, jedoch nicht“ .

Ein wichtiges bestehendes Schutzsystem ist die Prüfung von DNA-Bestellungen durch das International Gene Synthesis Consortium. Sie ist freiwillig und wurde vor allem dafür entwickelt, bekannte Sequenzen gefährlicher Erreger zu erkennen. Ein vollständig neuartiges Genom, das mit keiner natürlichen Sequenz übereinstimmt, könnte durch ein solches Verfahren jedoch schwerer auffallen .

Das Arc Institute versuchte, das Risiko zu begrenzen, indem es Genome von eukaryotischen Viren – also Viren, die Menschen oder andere Tiere infizieren – gezielt aus den Trainingsdaten von Evo 2 ausschloss . Fachleute warnen trotzdem, dass KI-generierte Genome künftig schneller entstehen könnten, als es aktuelle Überwachungs- und Kontrollsysteme erlauben . Auch ein Kommentar in Nature betonte, dass biologische KI zwar für die Arzneimittelforschung entwickelt wird, zugleich aber die Hürde für neuartige biologische Bedrohungen senken könnte .

Der zentrale Punkt ist daher nicht nur, ob KI Viren entwerfen kann. Das hat dieses Experiment erstmals praktisch gezeigt. Entscheidend wird sein, ob Forschung, Labore, DNA-Anbieter und Gesetzgeber Schutzmechanismen entwickeln, die mit diesem Tempo Schritt halten.