Mögliches Antibiotikum: Forscher entwickeln erstmals Virus mithilfe von KI

Ein neuer Ansatz in der medizinischen Forschung

Die Vorstellung, dass künstliche Intelligenz zur Erschaffung von Viren eingesetzt wird, weckt bei vielen Menschen zunächst Assoziationen mit biologischen Gefahren oder Science-Fiction-Szenarien. Ein Forschungsteam der Universität Stanford hat nun jedoch einen Durchbruch erzielt, der genau das Gegenteil bezweckt: Die Entwicklung von Viren, die als präzise medizinische Werkzeuge fungieren sollen. Im Fokus stehen dabei Bakteriophagen – Viren, die ausschließlich Bakterien infizieren und somit als potenzielle Alternative zu klassischen Antibiotika gelten.

Funktionsweise von Evo 2

Das Herzstück dieser Entwicklung ist das KI-Modell namens Evo 2. Anders als generative Sprachmodelle, die auf Texten basieren, wurde Evo 2 darauf trainiert, DNA-Sequenzen zu verarbeiten. Das Modell arbeitet ausschließlich mit den genetischen Grundbausteinen Adenin, Guanin, Cytosin und Thymin. Es kann ausgehend von einer bekannten DNA-Sequenz – in diesem Fall dem Bakteriophagen ΦX174 – neue Varianten vorschlagen oder die biologische Funktionalität und die codierten Proteine einer Sequenz bewerten.

Die Forscher trainierten zwei Varianten des Modells: Ein kleineres Modell mit 7 Milliarden Parametern sowie eine leistungsstärkere Version mit 40 Milliarden Parametern. Letztere wurde mit einer Datenbasis von 9,3 Billionen Basenpaaren gefüttert, um ein tiefgreifendes Verständnis für die Struktur von Erbgut zu entwickeln.

Von der Simulation ins Labor

Der Prozess der Virusentwicklung verlief in mehreren Schritten. Zunächst schlug die KI verschiedene DNA-Sequenzen vor, die auf ihre Wirksamkeit hin untersucht wurden. Die Arbeitsgruppe synthetisierte knapp 300 dieser Vorschläge. In anschließenden Labortests erwiesen sich 16 der synthetisierten Viren als funktionsfähig. Bemerkenswert ist, dass einige dieser künstlich erzeugten Phagen eine höhere Effektivität bei der Infektion von E.-Coli-Bakterien zeigten als das natürliche Vorbild.

Potenzial im Kampf gegen Antibiotikaresistenzen

Die medizinische Relevanz dieses Ansatzes ist erheblich. Antibiotikaresistenzen stellen weltweit eine wachsende Bedrohung für die öffentliche Gesundheit dar. Bakteriophagen bieten hier einen strategischen Vorteil: Da sie in der Lage sind, in kurzer Zeit zahlreiche Mutationen zu durchlaufen, können sie sich an die Abwehrmechanismen von Bakterien anpassen. Dies erschwert es den Erregern, Resistenzen zu entwickeln. Zudem ermöglicht das KI-Design, Viren spezifisch auf einen bestimmten Wirt zuzuschneiden, was das Risiko für unerwünschte Nebenwirkungen im menschlichen Körper minimieren könnte.

Sicherheit und Abgrenzung zu Missbrauchsszenarien

Die Forscher betonen, dass Evo 2 kein Werkzeug für den Bioterrorismus darstellt. Das Modell versteht keine Anweisungen zur Modifikation von Krankheitserregern. Zudem wurde das System nicht mit Gensequenzen trainiert, die eukaryotische Zellen – also Zellen von Tieren, Pflanzen oder Pilzen – befallen. Die Nutzung des Modells erfordert zudem fundiertes biologisches Fachwissen und eine entsprechende Laborinfrastruktur, um aus den digitalen Vorschlägen tatsächlich biologisch aktive Strukturen zu erzeugen.

Brian Hie, einer der Leiter des Projekts, hebt hervor, dass KI-Modelle im Gegensatz zur natürlichen Evolution mit Sicherheitsmechanismen ausgestattet werden können. Die Entscheidung, Evo 2 unter einer Apache-Lizenz auf GitHub frei zugänglich zu machen, unterstreicht den wissenschaftlichen Anspruch der Gruppe, die Forschung an neuen Medikamenten und funktionalen Bakterien voranzutreiben.

Ausblick auf zukünftige Anwendungen

Die Einsatzmöglichkeiten von Evo 2 gehen über die reine Bekämpfung von Bakterien hinaus. Die Wissenschaftler sehen großes Potenzial darin, das Modell für das Design funktionaler Bakterien zu nutzen, die beispielsweise in der Lage sind, Treibstoffe oder spezifische Medikamente zu synthetisieren. Auch das grundlegende Verständnis darüber, wie Genmutationen Krankheiten auslösen, könnte durch die Analysefähigkeiten von Evo 2 signifikant verbessert werden. Die Arbeit der Stanford-Forscher markiert somit einen wichtigen Schritt in der Verbindung von Bioinformatik und synthetischer Biologie.