Große Genommodelle haben den größten Teil ihrer kurzen Existenz damit verbracht, Proteine zu entwerfen. Das war der logische Ausgangspunkt: Proteine sind die Arbeitspferde der Biologie, und zu verstehen, wie man neue konstruiert, bedeutet, direkten Einfluss auf die zelluläre Chemie zu gewinnen. Doch ein Forschungsteam der Stanford University hat diese Modelle nun in ein anderes Territorium geführt und sie genutzt, um komplette virale Genome von Grund auf zu generieren. Die Viren, die sie erzeugten, sind real, funktionstauglich und in einigen Fällen strukturell völlig anders als alles, was in der Natur zu finden ist.
Vom Proteindesign zu vollständigen Genomen
Die Modelle im Zentrum dieser Arbeit, genannt Evo 1 und Evo 2, gehören zu einer Klasse von Systemen, die eher mit DNA-Sequenzen als mit menschlicher Sprache trainiert wurden. Die zugrunde liegende Logik spiegelt die von großen Sprachmodellen wider: Anstatt das nächste Wort in einem Satz vorherzusagen, sagen diese Systeme das nächste Nukleotid in einer genetischen Sequenz voraus. DNA verwendet nur vier Buchstaben (A, T, C und G), was die Aufgabe zwar zu vereinfachen scheint, aber Genome sind alles andere als einheitlich. Einige Positionen sind biologisch kritisch; andere sind fast irrelevant. Ein Modell, das zwischen beiden nicht unterscheiden kann, erzeugt Sequenzen, die plausibel aussehen, aber nichts bewirken.
Evo 1 und Evo 2 scheinen diesen Unterschied gelernt zu haben, zumindest in bestimmten Bereichen. Frühere Arbeiten zeigten, dass sie DNA-Sequenzen ausgeben können, die funktionelle Proteine in Bakterien kodieren, und Genstrukturen nachahmen können, die in komplexen Zellen vorkommen. Der Beitrag des Stanford-Teams bestand darin zu fragen, ob dieselben Modelle ein gesamtes virales Genom generieren könnten, nicht nur einzelne Gene.
Das Virus, das sie auswählten, und warum
Das Testobjekt war ein Bakteriophage namens ΦX174, ein Virus, das E. coli infiziert und Menschen nicht infizieren kann. Es ist eine bewusste Entscheidung auf mehreren Ebenen. ΦX174 ist klein und gut verstanden: 11 Gene, verteilt auf etwa 5.400 Basen, wobei die Funktion jedes einzelnen Gens bereits identifiziert und der vollständige Infektionszyklus gut charakterisiert ist. Es endet außerdem mit einer konsistenten kurzen Sequenz von Basen, was den Forschern einen natürlichen Prompt lieferte. Füttere das Modell mit diesen terminalen Basen, und es sollte den Kontext erkennen und etwas Ähnliches generieren.
Vor der Durchführung der Experimente stimmte das Team Evo 1 und Evo 2 mit mehr als 2 Millionen zusätzlichen Basen an Bakteriophagen-DNA fein ab und schränkte das Training dann weiter auf Sequenzen von Microviridae ein, der größeren Familie, zu der ΦX174 gehört. Sie testeten daraufhin verschiedene Prompt-Längen und stellten fest, dass vier bis neun Basen der Startsequenz die nützlichsten Ergebnisse lieferten.
Nicht jedes Ergebnis war es wert, getestet zu werden. Das Team wandte eine Reihe von Filtern an: Jedes vorgeschlagene Genom, bei dem das Spike-Protein (die Struktur, die das Virus nutzt, um sich an Bakterien anzudocken) fehlte oder stark beeinträchtigt war, wurde verworfen, ebenso Sequenzen, die zu lang, zu kurz waren oder ungewöhnliche Muster in ihrer Basen Zusammensetzung aufwiesen. Nach der Filterung verblieben 302 Kandidatensequenzen. Von diesen wurden 285 chemisch synthetisiert und in Bakterien eingefügt.
Das Ergebnis: 16 der 285 Sequenzen hemmten das Bakterienwachstum, was darauf hindeutet, dass sie als echte Viren fungierten. Neun waren direkte KI-Ausgaben; sieben hatten nach der Insertion zusätzliche Mutationen erworben. Die Gesamtrate der Lebensfähigkeit lag bei 5,6 Prozent. Unter Sequenzen mit mindestens 98 Prozent Ähnlichkeit zum originalen ΦX174 stieg die Lebensfähigkeit auf 46 Prozent.
Was „funktionell, aber verschieden“ tatsächlich bedeutet
Hier ist, was die meiste Berichterstattung über diese Arbeit übersieht. Das interessante Ergebnis ist nicht, dass die KI Viren ähnlich wie ΦX174 produziert hat. Es ist, dass einige der lebensfähigen Viren auf eine Weise echt anders waren, die durch gewöhnliche Evolution nur schwer zu erreichen wäre.
ΦX174 ist bekanntermaßen fragil. Frühere Studien haben gezeigt, dass eine einzige Aminosäureänderung in einem seiner Proteine im Durchschnitt eine Wahrscheinlichkeit von 20 Prozent mit sich bringt, das Virus vollständig zu inaktivieren. Diese Fragilität bedeutet, dass die natürliche Evolution dazu neigt, das Genom an Ort und Stelle festzuhalten. Die KI, die außerhalb des Evolutionsdrucks agiert, erforschte Kombinationen, die die Biologie selten erreicht. Eines der lebensfähigen Viren verlor ein gesamtes virales Protein und kompensierte dies durch Veränderungen an anderer Stelle im Genom. Ein anderes fügte ein völlig neues Gen hinzu. Eines ersetzte ein ΦX174-Gen durch das Gen eines entfernt verwandten Virus.
Dies sind keine geringfügigen Variationen. Sie repräsentieren strukturelle Lösungen, die die natürliche Selektion, eingeschränkt durch die Notwendigkeit, jeden Zwischenschritt lebensfähig zu halten, nur schwer finden würde.
Die Forscher gingen vorsichtig mit der Sicherheit um. Evo 1 und Evo 2 wurden bewusst nicht mit Sequenzen von Viren trainiert, die komplexe Zellen einschließlich Wirbeltieren infizieren. Die Logik ist einfach: Selbst Ausgaben, die nicht verstanden werden können, könnten gefährlich sein, weshalb die Trainingsdaten eingeschränkt wurden, bevor die Frage überhaupt aufkommen konnte. Aber das Stanford-Team wies auch auf etwas hin, über das man nachdenken sollte: Derselbe allgemeine Ansatz, angewendet auf ein Modell, das mit Viren trainiert wurde, die Wirbeltiere infizieren, könnte im Prinzip etwas weit Besorgniserregenderes hervorbringen. Sie schlagen vor, dass das Fachgebiet jetzt über dieses Szenario nachdenken sollte, bevor es dringlich wird.
Kurz gefasst
Große Genommodelle können nun vollständige virale Genome generieren, die funktionell, strukturell neuartig und in einigen Fällen anders als alles sind, was durch die natürliche Evolution hervorgebracht wurde. Die Arbeit wurde sorgfältig durchgeführt, unter Verwendung eines Bakteriophagen, der kein Risiko für den Menschen darstellt, und mit bewussten Einschränkungen bei den Trainingsdaten. Die breitere Bedeutung liegt nicht in den spezifischen produzierten Viren. Es ist der Nachweis, dass KI-Systeme durch die kombinatorische Komplexität eines gesamten Genoms navigieren und zu Lösungen gelangen können, die die Biologie, sich selbst überlassen, selten finden würde. Diese Fähigkeit wird für die Medizin und Bioingenieurwesen enorm wichtig sein. Sie wirft auch Fragen auf, die das Fachgebiet noch nicht vollständig beantwortet hat.
Basierend auf Berichten von Ars Technica.