Forscher der Stanford University haben künstliche Intelligenz (KI) eingesetzt, um neue Viren zu entwerfen, die Bakterien infizieren. Mithilfe sogenannter großer Genommodelle, bezeichnet als Evo 1 und Evo 2, gelang es ihnen, genetisch entfernte Varianten eines Bakterienvirus namens ΦX174 zu generieren. Von 285 synthetisierten Virussequenzen erwiesen sich 16 als funktionsfähig und konnten das Wachstum des Bakteriums E. coli hemmen.
Funktionsweise großer Genommodelle
Während ein Großteil der biologischen KI-Forschung sich auf das Design von Proteinen konzentrierte, zeigen große Genommodelle, die auf DNA-Sequenzen trainiert werden, neue Möglichkeiten auf. Ähnlich wie große Sprachmodelle menschliche Texte analysieren, verarbeiten diese Genommodelle riesige Mengen an DNA-Sequenzen. Sie lernen dabei, die vier Basen (A, T, C, G) in ihrem biologischen Kontext zu interpretieren. Dies ermöglicht es ihnen, DNA-Sequenzen auszugeben, die funktionale Proteine in Bakterien kodieren oder Genstrukturen komplexer Zellen nachahmen. Die Herausforderung liegt darin, dass Genommodelle den biologischen Kontext erkennen müssen, auch wenn menschliches Wissen noch begrenzt ist.
Experiment mit Bakteriophagen
Für ihre Studie konzentrierten sich die Forscher auf Bakteriophagen – Viren, die ausschließlich Bakterien infizieren und für Menschen ungefährlich sind. Dies bot eine sichere Testumgebung. Als Modellvirus wählten sie ΦX174, einen gut untersuchten Phagen, der E. coli befällt. Dieses Virus ist mit 11 Genen und etwa 5.400 Basen relativ einfach aufgebaut und sein Infektionszyklus ist bekannt. Ein entscheidendes Merkmal für die KI-Modelle ist eine kurze, immer gleiche Basensequenz am Ende des Virusgenoms, die als Erkennungsmerkmal dienen kann.
Entwicklung und Filterung der Virussequenzen
Die Modelle Evo 1 und Evo 2 wurden zunächst mit über zwei Millionen zusätzlichen Basen von Bakteriophagen-DNA trainiert und anschließend speziell auf Sequenzen der Microviridae-Gruppe, zu der ΦX174 gehört, feinabgestimmt. Beim Generieren neuer Viren experimentierten die Forscher mit Prompts, die aus vier bis neun Basen der Startsequenz von ΦX174 bestanden. Um sicherzustellen, dass die generierten Sequenzen potenziell funktionsfähig waren, wurden strenge Filter angewendet:
- Sequenzen mit weniger als 60 Prozent Ähnlichkeit zum Spike-Protein des Originals (das für die Infektion notwendig ist), wurden aussortiert.
- Viren außerhalb einer Länge von 4.000 bis 6.000 Basen wurden verworfen.
- Sequenzen mit ungewöhnlichen Basenwiederholungen (mehr als 10 gleiche Basen hintereinander) oder unüblichen Frequenzen der Basenpaarungen (GC und AT) wurden ebenfalls ausgeschlossen.
Ergebnisse und Implikationen
Von den anfänglich generierten Sequenzen blieben 302 potenzielle Virusgenome übrig. 285 davon konnten chemisch synthetisiert und in E. coli-Bakterien getestet werden. 16 dieser synthetisierten Viren zeigten die Fähigkeit, das Bakterienwachstum zu hemmen. Neun dieser funktionsfähigen Viren stammten direkt aus der KI-Generierung, die restlichen sieben entwickelten zusätzliche Mutationen nach der Insertion in die Bakterien.
Es zeigte sich, dass die erfolgreichsten Viren dem ursprünglichen ΦX174 sehr ähnlich waren: Bei einer Sequenzähnlichkeit von über 98 Prozent stieg die Überlebensfähigkeit auf 46 Prozent. Alle funktionierenden Viren behielten den ursprünglichen Gensatz und wiesen keine Veränderungen im Startbereich der Genomduplikation auf.
Die Forscher weisen darauf hin, dass die Entwicklung solcher KI-Systeme, die Viren entwerfen können, eine vorausschauende Auseinandersetzung mit der potenziellen Entwicklung von Viren, die Wirbeltiere angreifen könnten, erfordert. Aus diesem Grund wurden die Modelle Evo 1 und Evo 2 präventiv nicht mit Sequenzen von Viren trainiert, die komplexe Zellen infizieren.
Thema: Technologie / KI allgemein. Quelle/Inspiration: Ars Technica.