KI-designte Viren replizieren sich schneller als natürliche Phagen, zeigt Stanford

Forscher der Stanford University und des Arc Institute haben einen historischen Meilenstein erreicht, indem sie ein generatives KI-Modell nutzten, um vollständige Virusgenome von Grund auf neu zu entwerfen. Dieser Durchbruch markiert einen Wendepunkt von der traditionellen biologischen Entdeckung hin zu einer Ära des computergestützten Designs, in der die KI die Architektur des Lebens diktiert.

Evo: Das Large Language Model für die Genomik

Im Zentrum dieser Forschung steht Evo, ein spezialisiertes generatives Modell, das ähnlich wie ein Large Language Model (LLM) funktioniert, aber auf der „Sprache“ der DNA operiert. Im Gegensatz zu textbasierten Modellen wurde Evo auf einem massiven Datensatz trainiert, der etwa neun Billionen Nukleotide umfasst, die von Millionen von Organismen wie Tieren, Pflanzen, Mikroben und Viren stammen.

Um seine Präzision zu verfeinern, setzten die Forscher einen zweistufigen Trainingsprozess ein. Nachdem Evo die grundlegenden Muster des Stammbaums des Lebens erlernt hatte, folgte eine zweite, spezialisierte Trainingsrunde unter Verwendung der 11 Gene des phiX174-Bakteriophagen und etwa 15.000 seiner nächsten Verwandten. Dies ermöglichte es dem Modell, die spezifischen Nuancen zu meistern, die für den Entwurf funktioneller, replizierender biologischer Einheiten erforderlich sind.

Von 700.000 Vorschlägen zu funktionellen Viren

Das Ausmaß der generativen Fähigkeiten von Evo ist immens. Das Modell schlug 700.000 potenzielle Virusgenome vor. Das Forschungsteam grenzte diese anschließend durch strenge Auswahl ein, synthetisierte chemisch 285 Sequenzen als DNA-Stränge und schleuste sie in E. coli-Bakterien ein.

Die Ergebnisse waren äußerst erfolgreich: 16 der synthetisierten Sequenzen erzeugten Viren, die zur Replikation fähig waren. Bemerkenswerterweise waren diese KI-generierten Viren nicht bloß „kränkliche“ oder abgeschwächte Versionen existierender Arten; sie waren so robust wie natürliche Viren, wobei einige sogar schneller replizierten als der ursprüngliche phiX174. Experten stellten fest, dass die KI sogar unerwartete Änderungen an Genreihenfolgen und -anordnungen einführte, die menschliche Wissenschaftler zuvor nicht in Betracht gezogen hatten.

Ein zweischneidiges Schwert: Medizinische Durchbrüche vs. Lücken in der Biosicherheit

Die Auswirkungen auf die Biotechnologie sind tiefgreifend. KI-entworfenen Viren könnten die Phagentherapie revolutionieren – den Einsatz von Viren zur Bekämpfung multiresistenter Bakterien – und die Gentherapie verbessern, indem sie effizientere Transportmittel für genetisches Material schaffen.

Die Entwicklung hat jedoch eine kritische „Diskrepanz“ in den globalen Biosicherheitsvorschriften aufgezeigt. Die aktuellen Richtlinien der US-amerikanischen National Institutes of Health (NIH) konzentrieren sich darauf, Experimente zu verbieten, die bekannte Erreger gefährlicher machen, decken aber keine rein computergestützten Arbeiten ab – also das Design von Virus-DNA auf einem Computer. Dies schafft ein regulatorisches Vakuum für „unbekannte“ Risiken: Wenn eine KI einen neuartigen, hochübertragbaren Erreger entwirft, der in der Natur noch nie existiert hat, könnten bestehende Schutzmaßnahmen möglicherweise die Bedrohung nicht erkennen.

Um dies abzumildern, implementierte das Stanford-Team proaktive Sicherheitsmaßnahmen, indem es sicherstellte, dass Evo niemals auf menschlichen Pathogenen oder verwandten Tier-/Pflanzenviren trainiert wurde, wodurch effektiv verhindert wurde, dass das Modell in der Lage ist, menschliche Infektionsgenome zu generieren.

Warum das Ergebnis für die Medizin wichtig ist

Die Phagentherapie, die Viren einsetzt, um antibiotikaresistente Bakterien zu bekämpfen, wurde lange Zeit durch das begrenzte Instrumentarium natürlicher Phagen behindert. Eine KI, die neue, effiziente Viruskapside herbeizaubern kann, könnte dieses Instrumentarium drastisch erweitern. Ähnlich könnten Gentherapie-Vektoren – oft gentechnisch veränderte Viren, die therapeutische DNA in Zellen transportieren – präziser und weniger immunogen werden, wenn sie von Grund auf neu entworfen werden, anstatt bestehende Stämme nur zu modifizieren.

Die Aufdeckung des regulatorischen blinden Flecks

US-Förderorganisationen beschränken derzeit Experimente, die bekannte Erreger gefährlicher machen, befassen sich jedoch nicht explizit mit der Erschaffung neuartiger Pathogene durch rein computergestütztes Design. Die Arbeit von Evo umging diese Klausel, da das Modell während des Trainings nie menschliche Viren sah; die Forscher schlossen gezielt alle Sequenzen aus, die menschliche Pathogene hervorbringen könnten. Dennoch bleibt die Möglichkeit bestehen, dass eine KI ohne solche Schutzmaßnahmen ein Virus mit keinem natürlichen Vorbild entwerfen könnte – ein „synthetisches Unbekanntes“, das bestehende Prüfungsausschüsse möglicherweise nicht als Gefahr einstufen würden.

Die Lücke ist nicht bloß akademischer Natur. Wenn ein Modell darauf trainiert werden dürfte, ein breiteres Set an viralen Daten zu nutzen, könnte es die Bausteine für hohe Übertragbarkeit oder Immunflucht erlernen und anschließend ein Genom ausgeben, das nach der Synthese eine Bedrohung im Pandemie-Ausmaß darstellen könnte. Aktuelle Aufsichtsmechanismen konzentrieren sich auf die Manipulation im Nasslabor; ihnen fehlt ein klares Mandat, die Risiken des in silico Designs zu bewerten, das aus der Ferne und in großem Maßstab durchgeführt werden kann.

Bei den produzierten Viren handelte es sich um Bakteriophagen – Viren, die Bakterien und nicht Menschen infizieren. Ihr Nutzen beschränkt sich weitgehend auf die Kontrolle von Bakterien und die Laborforschung, was unmittelbare Bedenken für die öffentliche Gesundheit einschränkt.

Fazit

Evo zeigt, dass KI den Schritt von der Vorhersage von Proteinstrukturen zum Entwurf ganzer, funktionaler viraler Genome vollziehen kann. Die Technologie verspricht schnellere, vielseitigere Werkzeuge zur Bekämpfung arzneimittelresistenter Bakterien und zur Bereitstellung von Gentherapien, zwingt die Regulierungsbehörden jedoch auch dazu, sich mit einer neuen Art von Risiko auseinanderzusetzen: digitalen Bauplänen des Lebens, die in der Natur so nie existiert haben.