KI entwirft erstmals funktionsfähige Phagen-Genome

Ein Forschungsteam hat mit generativer KI komplette Genome von Bakteriophagen entworfen und im Labor getestet. Der Schritt verlagert KI-gestütztes Biodesign von einzelnen Genen auf die Ebene ganzer Genome und lieferte funktionsfähige, künstlich erzeugte Phagen.

In einer Arbeit in Science beschreiben King und Kollegen den Einsatz der Genome Language Models Evo 1 und Evo 2. Die Modelle wurden laut Studie auf großen Mengen natürlicher Genomdaten trainiert. Ausgehend vom natürlichen Phagen ΦX174 erzeugte das Team Tausende KI-generierte Genome, synthetisierte fast 300 davon chemisch und erhielt in Labortests 16 lebensfähige Phagen.

Vom Einzelbaustein zum vollständigen Genom

Die Autoren beschreiben dies als einen Schritt über bisherige Grenzen des biologischen Designs hinaus. Fortschritte hätten sich bislang meist auf einzelne Gene, Proteine oder regulatorische Netzwerke konzentriert. Die neuen Modelle erzeugten dagegen vollständige Phagen-Genome mit „realistic genetic architectures“ und vorgegebener Wirtsspezifität für Escherichia coli C, wie es in der Science-Publikation heißt.

Die funktionsfähigen Phagen wichen der Studie zufolge von bekannten natürlichen Phagen ab. Genannt werden de novo-Mutationen, veränderte Gene und regulatorische Elemente sowie unterschiedliche Genomlängen. Einer der Phagen nutzte demnach ein DNA-Verpackungsprotein eines evolutionär entfernten Phagen in seiner Kapsidarchitektur.

Resistenztest mit Phagen-Mischung

Besonders auffällig war der Vergleich bei bakterieller Resistenz. Ein Gemisch der entworfenen Phagen überwand laut Studie rasch ΦX174-resistente E. coli-Stämme. Ein vergleichbares Gemisch natürlich isolierter, ΦX174-ähnlicher Phagen schaffte das nicht. Im Editor’s Summary von Science wird das als Grundlage für „AI-guided design of biological function at the whole-genome scale“ eingeordnet.

Hinweis auf das Potenzial generativer Genommodelle

Im Fazit führen die Autoren laut dem verfügbaren Abstract aus, dass ihre Ergebnisse zeigen, wie generative Modelle evolutionäre Zwänge in DNA-Sequenzen mit ausreichender Genauigkeit erfassen können. Die Arbeit stützt damit die Idee, biologische Funktionen mithilfe von KI auf Ebene ganzer Genome zu entwerfen.