Forscher der Stanford University haben eine Schwelle überschritten, die vor wenigen Jahren noch nach Science-Fiction geklungen hat: Ein KI-System hat vollständige, funktionsfähige Virus-Genome aus dem Nichts entworfen, und 16 dieser KI-generierten Entwürfe erwiesen sich tatsächlich als funktionsfähig – sie konnten im Labor erfolgreich Bakterien infizieren und abtöten.
Diese Woche in der Zeitschrift Science veröffentlicht, markiert die bahnbrechende Arbeit das erste Mal, dass generative KI ein komplettes, funktionierendes Virus-Genom von Anfang bis Ende hervorgebracht hat – und sie kommt zu einem Zeitpunkt, an dem die gleiche Art von Technologie, die 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, einem Assistant Professor für Chemical Engineering an der Stanford University und Innovation Investigator am Arc Institute. Dabei arbeitete er mit dem PhD-Studenten Samuel King sowie mit Kooperationspartnern von NVIDIA und der UC Berkeley zusammen. Das Team nutzte zwei Genom-Sprachmodelle namens Evo 1 und Evo 2 – KI-Systeme, die konzeptionell genauso funktionieren wie die großen Sprachmodelle hinter Tools wie ChatGPT: Der Unterschied besteht darin, dass sie nicht das nächste Wort in einem Satz vorhersagen, sondern das nächste Basenpaar in einem DNA-Strang.
Evo 2, das weiterentwickelte der beiden Modelle, wurde auf ungefähr 9,3 Billionen DNA-Basenpaaren trainiert, die aus einem kuratierten Genomdatensatz stammen, der Bakterien, Pflanzen und andere Organismen umfasst. Entscheidend ist: Die Forschenden schlossen gezielt genetisches Material von Viren aus, die Menschen, Tiere oder Pflanzen infizieren können, aus den Trainingsdaten – eine Sicherheitsvorkehrung, die speziell darauf ausgelegt ist, die Wahrscheinlichkeit zu verringern, dass das Modell dazu verwendet werden könnte, etwas Gefährliches für Menschen zu entwerfen.
Ausgehend vom Genom eines natürlich vorkommenden Bakteriophagen namens ΦX174 – ein Virus mit weniger als 6.000 Basenpaaren, also winzig im Vergleich zu den rund 3 Milliarden Basenpaaren in einem menschlichen Genom – erzeugte die KI Tausende neuer Genomsequenzen, die es so noch nie gegeben hatte. Die Forschenden verengten diesen Pool auf 302 der vielversprechendsten von der KI entworfenen Kandidaten und synthetisierten sie im Labor physisch, indem sie den von der KI geschriebenen genetischen Code in bakterielle Zellen einfügten, um zu sehen, ob die Zellen die Anweisungen tatsächlich in einen lebenden, funktionierenden Virus zusammenbauen würden.
Die Ergebnisse: 16 von 302
Der Prozess war nicht besonders effizient – nur 16 von den 302 im Labor synthetisierten Entwürfen erwiesen sich als brauchbar. Aber diese 16 funktionierten: Sie bauten sich zu funktionsfähigen Bakteriophagen zusammen, die E.-coli-Bakterien infizieren und zerstören konnten. Samuel King, der PhD-Student, der einen Großteil der Laborarbeit leitete, soll die Phagen bereits bei einer frühen morgendlichen Kontrolle der Petrischalen als erfolgreich arbeitend erkannt haben, als er sichtbare Anzeichen dafür beobachtete, dass die neuen, von KI entworfenen Viren die auf der Platte wachsenden Bakterienkolonien „verzehrten“.
Bemerkenswert ist: Als Forschende mehrere der erfolgreichen, von KI entworfenen Phagen zu einem Cocktail kombinierten, erwies sich die Mischung als in der Lage, bakterielle Resistenzen schnell über zwei verschiedene E.-coli-Stämme hinweg zu überwinden – ein entscheidender Befund, wenn man bedenkt, dass Antibiotika- und Phagenresistenz zu den zentralen Herausforderungen gehört, die begrenzen, wie nützlich konstruierte Viren als medizinische Behandlungen sein können.
Warum das für den Kampf gegen Superbugs wichtig sein könnte
Bakteriophagen – Viren, die gezielt Bakterien ins Visier nehmen und abtöten, ohne menschliche Zellen anzugreifen – werden seit Langem als mögliche Alternative oder Ergänzung zu Antibiotika untersucht, insbesondere gegen medikamentenresistente „Superbug“-Infektionen, die nicht mehr auf eine konventionelle Behandlung ansprechen. Die zentrale Herausforderung bestand dabei schon immer in Geschwindigkeit und Präzision: Natürlicherweise vorkommende Phagen, die einen bestimmten resistenten bakteriellen Stamm treffen, sind nicht immer verfügbar, und neue von Grund auf zu konstruieren, war historisch langsam und schwierig.
In ihrer Arbeit schrieben die Forschenden, dass die Fähigkeit, „Genome schnell zu designen“ und sie gegen bestimmte bakterielle Zielkeime abzustimmen, während man zugleich Resistenzen überwindet, „die Phagentherapie transformieren“ und die „biotechnologischen Werkzeuge“ für die Medizin „sinnvoll erweitern“ könnte. Wenn KI zuverlässig neue Phagen auf Abruf erzeugen kann – zugeschnitten auf jede resistente Infektion, mit der ein Patient konfrontiert ist – könnte sie die Zeitspanne für die Entwicklung gezielter Behandlungen gegen Bakterien, die nicht mehr auf bestehende Medikamente ansprechen, drastisch verkürzen.
Die Biokriminalitäts-Warnung, die dem Durchbruch anhing
Neben dem wissenschaftlichen Erfolg haben die Forschenden selbst auf ernsthafte Bedenken hingewiesen. In der Science-Arbeit stellten sie ausdrücklich fest, die Studie werfe „wichtige Fragen zur Biosicherheit, zur biologischen Eindämmung und zur Biokriminalität“ auf, und sie forderten alle Forschenden, die eine ähnliche Arbeit zur KI-gestützten Gestaltung ganzer Genome verfolgen, dazu, „während des gesamten Projekts sowohl Sicherheits- als auch Sicherheitsfachleute zu konsultieren“.
Dieser Warnhinweis 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 zur Biosicherheit und zur Biokriminalität auf. Die Fähigkeit, Virus-Genome mithilfe generativer KI zusammenzusetzen, existiert jetzt; die Regulierung, um sie sicher zu steuern, jedoch nicht.“
Diese Regulierungslücke ist vermutlich der folgenreichste Teil dieser Geschichte. Evo 2, das Modell hinter dem Durchbruch, wurde als Open-Source-Tool veröffentlicht – das bedeutet: Dieselbe zugrunde liegende KI-Fähigkeit, die 16 funktionierende bakterientötende Viren entworfen hat, steht nun öffentlich für andere zur Verfügung, um darauf aufzubauen.
Hie hat anerkannt, dass modifizierte Versionen von Tools wie Evo 2 möglicherweise missbraucht werden könnten, doch er hat argumentiert, dass die Vorteile des Open Access – darunter neue Möglichkeiten für Forschende, gefährliche natürliche Krankheitserreger zu untersuchen, und Sicherheitschecks direkt in den Designprozess einzubauen – die Risiken überwiegen, insbesondere weil die aktuellen Trainingsdaten des Modells bewusst von Viren eingeschränkt wurden, die Menschen infizieren.
Was als Nächstes Kommt
Hie’s Team sagt, man arbeite nun daran, längere und komplexere DNA-Sequenzen zu generieren, einschließlich kleiner bakterieller Genome – ein bedeutender Sprung in der Komplexität gegenüber den etwa 6.000 Basenpaaren umfassenden Phagen-Genomen, die in dieser Studie untersucht wurden. „Die größten offenen Fragen für mich“, so Hie, „sind: Wie bekommen wir größere genetische Neuartigkeit, und wie bekommen wir größere Steuerbarkeit der Ergebnisse?“
Diese Frage – wie man KI-gestützte Biologie sowohl leistungsfähiger als auch besser vorhersagbar macht – dürfte die nächste Phase dieser Forschung bestimmen. Für ein KI- und Krypto-Publikum, das es gewohnt ist zu sehen, wie maschinelle Lernsysteme Jahre Arbeit in Tage komprimieren, sind die Ergebnisse von Stanford eine Erinnerung daran, dass dieselbe Beschleunigungs-Kurve, die Code, Bilder und Finanzmärkte verändert, nun auch sichtbar im genetischen Code lebender Organismen in Gang ist – inklusive all des Versprechens und der Risiken, die das mit sich bringt.