KI entwirft funktionierende Bakteriophagen: Stanford-Forschung als Antibiotika-Alternative, Experten warnen vor Biosecurity-Risiken
Forschende in Stanford nutzen das KI-Modell Evo 2, um neue Viren gegen Bakterien zu entwickeln – ein möglicher Weg gegen Antibiotikaresistenzen. Doch Fachleute mahnen zu Vorsicht wegen möglichem Missbrauch.
Dieser Artikel wurde mit KI-Unterstützung aus mehreren Quellen entworfen und vor der Veröffentlichung von einer Redakteurin/einem Redakteur geprüft und freigegeben.
Forschende der Stanford University haben mit Hilfe des KI-Modells Evo 2 neue Viren entworfen, die Bakterien der Art Escherichia coli befallen. Die Viren, sogenannte Bakteriophagen, gelten als mögliche Alternative zu Antibiotika. Die Arbeit wurde im Fachjournal Science veröffentlicht.
Das Team um den Chemieingenieur Brian Hie nutzte das Genom-Lernmodell Evo 2, um neue DNA-Sequenzen vorzuschlagen, die auf Teilen des Genoms des Bakteriophagen ΦX174 basieren. Evo 2 ist ein sogenanntes Genom-Sprachmodell – das genetische Pendant zu großen Sprachmodellen wie Claude, ChatGPT oder Gemini. Das Modell arbeitet ausschließlich mit DNA-Sequenzen, nicht mit Textanweisungen; es verwendet die Token A, G, C und T. Es kann ausgehend von einer Startsequenz Varianten vorschlagen (In-silico-Evolution) und biologische Funktionen sowie codierte Proteine vorhersagen.
Für das Training von Evo 2 wurden zwei Varianten erstellt: eine kleinere mit 7 Milliarden Parametern, trainiert auf 2,4 Billionen Basenpaaren, und eine größere mit 40 Milliarden Parametern, trainiert auf 9,3 Billionen Basenpaaren. Die Daten stammten von rund zwei Millionen Bakteriophagen. Bewusst ausgeschlossen wurden Gensequenzen von Viren, die Pflanzen, Menschen oder andere Tiere infizieren – um das Sicherheitsrisiko zu verringern. Das Modell ist unter der Apache-Lizenz auf GitHub verfügbar.
Die Forschenden ließen die KI Tausende potenzieller Genome erzeugen und wählten fast 300 vielversprechende Sequenzen aus, die im Labor synthetisiert wurden. Anschließend führten sie die synthetisierten Genome in Bakterien ein, die daraufhin die neuen Bakteriophagen produzierten. Von den synthetisierten Sequenzen zeigten nur 16 die gewünschte Funktion; einige davon waren wirksamer als das ursprüngliche Phagenvirus. Ein Cocktail dieser Phagen überwand zudem schnell Resistenzen in zwei verschiedenen E.-coli-Stämmen.
Brian Hie, einer der Leiter der Forschungsgruppe, betonte, dass sich Sicherheitsmechanismen in KI-Modelle einbauen ließen – anders als in die natürliche Evolution. Er sieht weitere Anwendungen: etwa die Entwicklung funktionaler Bakterien, die Medikamente oder Treibstoff herstellen, sowie ein besseres Verständnis darüber, wie Genmutationen Krankheiten verursachen. Die Forschenden riefen andere Teams dazu auf, bei ähnlichen Projekten Fachleute hinzuzuziehen.
Tom Inglesby und Moritz Hanke vom Johns Hopkins Center for Health Security kommentierten die Studie im selben Journal und warnten vor Biosecurity- und Biosafety-Risiken. Sie schrieben: "Obwohl [die Methode] für Anwendungen in den Lebenswissenschaften vielversprechend ist, wirft es auch dringende Fragen zur biologischen Sicherheit und zum Bioschutz auf. Die Fähigkeit, virale Genome mithilfe generativer KI zu komponieren, ist jetzt vorhanden; die Rahmenbedingungen, um das sicher zu steuern, fehlen aber noch." Sie betonten, es sei unklar, ob sich der Ansatz auf andere Viren übertragen lasse, und rieten davon ab, an Krankheitserregern zu arbeiten, die Menschen, Tiere oder Pflanzen infizieren könnten.
Auch Tom Ellis, Professor für Synthetische Genomtechnik am Imperial College London, äußerte sich besorgt: Eine KI, die mit dem Erbgut gefährlicher Krankheitserreger trainiert werde, könnte genutzt werden, um schädlichere Viren zu konstruieren. Gleichzeitig sagte er dem Guardian, die Gefahr einer vollständig KI-gestützten Konstruktion eines Virus- oder Bakteriengenoms sei stark übertrieben.