Stanford-Forscher haben eine Schwelle überschritten, die vor wenigen Jahren noch nach Science-Fiction klang: Ein KI-System hat vollständige, funktionsfähige Virusgenome von Grund auf entworfen, und 16 dieser KI-generierten Entwürfe erwiesen sich tatsächlich als funktionsfähig – sie konnten im Labor erfolgreich Bakterien infizieren und abtöten.

Diese Woche im Journal Science veröffentlicht, markiert die bahnbrechende Arbeit zum ersten Mal, dass generative KI ein komplettes, funktionierendes Virusgenom von Anfang bis Ende hervorgebracht hat – und sie fällt in eine Zeit, in der genau diese Art von Technologie, die gerade Chatbots und Bildgeneratoren verändert, nun direkt in den Code des Lebens selbst vordringt.

Wie die KI es tatsächlich geschafft hat

Die Forschung wurde von Brian Hie geleitet, Assistenzprofessor für Chemieingenieurwesen an der Stanford University und Innovationsforscher am Arc Institute. Gemeinsam arbeiteten sie mit PhD-Student Samuel King sowie mit Kooperationspartnern von NVIDIA und UC Berkeley. Das Team nutzte zwei Genom-Sprachmodelle namens Evo 1 und Evo 2 – KI-Systeme, die konzeptionell ähnlich funktionieren wie die großen Sprachmodelle hinter Tools wie ChatGPT. Der Unterschied: Statt das nächste Wort in einem Satz vorherzusagen, sagen sie das nächste Basenpaar in einem DNA-Strang voraus.

Evo 2, das fortgeschrittenere der beiden Modelle, wurde auf ungefähr 9,3 Billionen DNA-Basenpaare trainiert, die aus einem kuratierten Genomdatensatz stammen, der Bakterien, Pflanzen und andere Organismen umfasst. Entscheidend ist: Die Forschenden schlossen genetisches Material aus Viren, die Menschen, Tiere oder Pflanzen infizieren können, bewusst aus den Trainingsdaten aus – eine Schutzmaßnahme, die speziell dafür entwickelt wurde, die Wahrscheinlichkeit zu verringern, dass das Modell genutzt werden könnte, um etwas Gefährliches für Menschen zu entwerfen.

Ausgehend vom Genom eines natürlich vorkommenden Bakteriophagen namens ΦX174 – einem Virus mit weniger als 6.000 Basenpaaren, also winzig im Vergleich zu den ungefähr 3 Milliarden Basenpaaren in einem menschlichen Genom – erzeugte die KI Tausende neuer, zuvor nie gesehener Genomsequenzen. Die Forschenden schränkten diesen Pool auf 302 der vielversprechendsten von der KI entworfenen Kandidaten ein und synthetisierten sie im Labor in der Realität, indem sie den von der KI geschriebenen genetischen Code in bakterielle Zellen einfügten, um zu prüfen, ob die Zellen die Anweisungen tatsächlich zu einem lebenden, funktionsfähigen Virus zusammenbauen würden.

Die Ergebnisse: 16 von 302

Der Prozess war nicht besonders effizient – nur 16 der 302 im Labor synthetisierten Entwürfe erwiesen sich als lebensfähig. Doch diese 16 funktionierten: Sie bauten sich zu funktionsfähigen Bakteriophagen zusammen, die in der Lage waren, E.-coli-Bakterien zu infizieren und zu zerstören. Der PhD-Student Samuel King, der einen Großteil der Laborarbeit geleitet haben soll, habe offenbar bei einer frühen morgendlichen Kontrolle der Petrischalen erkannt, dass die Phagen erfolgreich arbeiteten – indem er auf sichtbare Anzeichen dafür achtete, dass die neuen von der KI entworfenen Viren die auf der Platte wachsenden bakteriellen Kolonien verzehrten.

Bemerkenswert ist: Als Forschende mehrere der erfolgreich mit KI entworfenen Phagen zu einem Cocktail kombinierten, erwies sich das Gemisch als fähig, bakterielle Resistenzen rasch über zwei unterschiedliche E.-coli-Stämme hinweg zu überwinden – eine entscheidende Erkenntnis, denn Antibiotika- und Phagenresistenz gehören zu den zentralen Herausforderungen, die begrenzen, wie nützlich entwickelte Viren als medizinische Behandlungen sein können.

Warum das für den Kampf gegen Superkeime wichtig sein könnte

Bakteriophagen – Viren, die spezifisch Bakterien ins Visier nehmen und töten und dabei menschliche Zellen unberührt lassen – werden seit langem als potenzielle Alternative oder Ergänzung zu Antibiotika untersucht, insbesondere bei Infektionen mit „Superkeimen“, die gegen Medikamente resistent sind und nicht mehr auf eine konventionelle Behandlung ansprechen. Die zentrale Herausforderung bestand dabei immer aus Tempo und Präzision: Natürlich vorkommende Phagen, die auf einen bestimmten resistenten Bakterienstamm abzielen, sind nicht immer verfügbar, und neue von Grund auf zu entwickeln, ist historisch gesehen langsam und schwierig.

In ihrer Arbeit schrieben die Forschenden, dass die Fähigkeit, „Genome rasch zu entwerfen“ und sie gegen spezifische bakterielle Zielstrukturen abzustimmen und dabei Resistenzen zu überwinden, „die Phagen-Therapie transformieren“ und die verfügbaren „biotechnologischen Werkzeugkästen“ für die Medizin sinnvoll „erweitern“ könne. Wenn KI zuverlässig neue Phagen auf Abruf erzeugen kann – zugeschnitten auf die jeweilige resistente Infektion, mit der ein Patient konfrontiert ist – könnte sie die Zeitspanne für die Entwicklung gezielter Therapien gegen Bakterien, die nicht mehr auf bestehende Medikamente ansprechen, erheblich verkürzen.

Die Sicherheitswarnung im Zusammenhang mit dem Durchbruch

Neben dem wissenschaftlichen Erfolg machten die Forschenden selbst auf ernsthafte Bedenken aufmerksam. In der Science-Studie erklärten sie ausdrücklich, die Arbeit werfe „wichtige Überlegungen zu Biosicherheit, Biokontainment und biologischer Sicherheit“ auf, und forderten alle Forschenden, die ähnliche Arbeiten zum Entwurf ganzer Genome mit KI verfolgen, dazu auf, „während des gesamten Projekts sowohl Safety- als auch Security-Profis zu konsultieren“.

Diese Warnung wurde durch einen begleitenden Kommentar verstärkt, der zusammen mit der Studie von Professor Tom Inglesby und Dr. Moritz Hanke vom Center for Health Security der Johns Hopkins University veröffentlicht wurde. Sie schrieben:

„Obwohl das vielversprechend für Anwendungen in den Lebenswissenschaften ist, wirft es auch dringende Fragen zu Biosicherheit und biologischer Sicherheit auf. Die Fähigkeit, virale Genome mithilfe generativer KI zu komponieren, ist inzwischen vorhanden; die Governance, um sie sicher zu steuern, jedoch nicht.“

Diese Lücke in der Governance ist wohl der folgenreichste Teil dieser Geschichte. Evo 2, das Modell hinter dem Durchbruch, wurde als Open-Source-Werkzeug veröffentlicht – das bedeutet: Die gleiche grundlegende KI-Fähigkeit, die 16 funktionierende Bakterien tötende Viren entworfen hat, steht nun öffentlich anderen zur Verfügung, um darauf aufzubauen.

Hie hat anerkannt, dass modifizierte Versionen von Tools wie Evo 2 potenziell missbraucht werden könnten, auch wenn er argumentiert, dass die Vorteile des offenen Zugangs – einschließlich neuer Möglichkeiten für Forschende, gefährliche natürliche Krankheitserreger zu untersuchen und Sicherheitschecks direkt in den Designprozess einzubauen – die Risiken überwiegen, insbesondere da die aktuellen Trainingsdaten des Modells bewusst von Viren, die Menschen infizieren, ferngehalten wurden.

Was kommt als Nächstes

Hie’s Team sagt, es arbeite nun daran, längere und komplexere DNA-Sequenzen zu erzeugen, einschließlich kleiner bakterieller Genome – ein deutlicher Sprung in der Komplexität gegenüber den rund 6.000 Basenpaaren umfassenden Phagengenomen, die in dieser Studie verwendet wurden. „Die größten offenen Fragen für mich“, so Hie, „sind: Wie bekommen wir eine größere genetische Neuartigkeit, und wie bekommen wir eine größere Steuerbarkeit der Ergebnisse?“

Diese Frage – wie man mithilfe von KI entworfene Biologie sowohl leistungsfähiger als auch besser vorhersagbar macht – dürfte die nächste Phase dieser Forschung prägen. Für ein Publikum aus dem Bereich KI und Krypto, das es gewohnt ist zu sehen, wie KI-gestützte Systeme jahrelange Arbeit in Tage komprimieren, ist das Stanford-Ergebnis eine Erinnerung daran, dass dieselbe Beschleunigungskurve, die Code, Bilder und Finanzmärkte umformt, nun sichtbar innerhalb des genetischen Codes lebender Organismen im Gange ist – inklusive all dessen Versprechen und Risiken, die damit einhergehen.