KI entwirft funktionale virale Genome von Grund auf neu: 16 in Stanford-Arc-Institut-Studie als funktionsfähig bestätigt
Wichtige Erkenntnisse
- •Wissenschaftler der Stanford University und des Arc Institute nutzten Genom-Sprachmodelle, um vollständige virale Genome zu entwerfen; 16 von 302 Kandidaten wurden als funktionsfähige Bakteriophagen bestätigt, die E. coli infizieren und zerstören können.
- •Mehrere von der KI entworfene Phagenvarianten erreichten Replikationsvorteile von bis zu 65-mal gegenüber der natürlichen ΦX174-Vorlage und zeigten in Cocktailtherapien gegen antibiotikaresistente bakterielle Stämme eine signifikante Wirksamkeit.
- •Die Modelle Evo 1 und Evo 2 übertragen die Transformer-Architektur auf DNA-Sequenzen und sagen das nächste Basenpaar über ein vierbuchstabiges genetisches Alphabet voraus, statt Text-Token wie herkömmliche große Sprachmodelle.
- •Die Beteiligung von NVIDIA unterstreicht die wachsenden Rechenanforderungen KI-getriebener Genomik, wobei Life Sciences zu einem wichtigen Anwendungsfeld für High-Performance-GPU-Infrastruktur werden.
- •Die Dual-Use-Natur von generativen Modellen im Genom-Maßstab hat die Aufmerksamkeit von US-Biosecurity-Behörden und internationalen Governance-Gremien auf sich gezogen und laufende Diskussionen über Aufsichtsrahmen für KI-Systeme ausgelöst, die biologische Entitäten entwerfen können.
Generative KI hat eine Schwelle überschritten, die Forschende seit Jahren im Blick haben. Wissenschaftler der Stanford University und des Arc Institute haben KI eingesetzt, um vollständige virale Genome von Grund auf neu zu entwerfen, und 16 dieser Entwürfe erwiesen sich als vollständig funktionsfähige Viren. Nicht teilweise funktionsfähig. Nicht simuliert. Biologisch tatsächlich aktiv und in der Lage, Bakterien zu infizieren.
Der auf bioRxiv am 12. September 2025 veröffentlichte Preprint markiert das erste Mal, dass generative KI funktionsfähige virale Genome end-to-end erzeugt hat. Es handelt sich um Bakteriophagen, also Viren, die Bakterien infizieren, nicht Menschen.
Was die Forschenden tatsächlich gebaut haben
Das Team unter Leitung von Brian Hie an der Stanford University und mit Beteiligung von Mitarbeitenden des Arc Institute, NVIDIA und UC Berkeley nutzte Genom-Sprachmodelle namens Evo 1 und Evo 2. Statt das nächste Wort in einem Satz vorherzusagen, prognostizieren sie das nächste Basenpaar in einer DNA-Sequenz.
Das Team erzeugte 302 Kandidaten für Phagen-Genome auf Grundlage der Architektur eines natürlichen Virus namens ΦX174, eines Bakteriophagen, der E. coli infiziert. Von diesen 302 Kandidaten wurden 16 experimentell bestätigt, dass sie sich zu lebensfähigen Viren zusammensetzen und E. coli-Bakterien erfolgreich infizieren und lysieren.
Mehrere der von der KI entworfenen Varianten zeigten Replikationsvorteile von bis zu 65-mal gegenüber der natürlichen Vorlage, auf der sie modelliert wurden. Das Team testete diese KI-generierten Phagen außerdem in Cocktailtherapien gegen resistente bakterielle Stämme, und sie zeigten eine signifikante Wirksamkeit.
Warum Antibiotikaresistenz dies zu einer großen Sache macht
Antibiotikaresistenz ist eine der am wenigsten beachteten Krisen im globalen Gesundheitswesen. Die Phagentherapie, bei der Viren eingesetzt werden, um bestimmte Bakterien zu töten, existiert seit dem frühen 20. Jahrhundert als Konzept, hat sich jedoch nie in der klinischen Praxis des Mainstreams durchgesetzt, unter anderem weil das Entwerfen des passenden Phagen für einen bestimmten Bakterienstamm mühsame, langsame Arbeit ist.
Die vom Team verwendeten Evo-Modelle wurden auf der Grundlage enormer Mengen genetischer Daten entwickelt, die Billionen von DNA-Basenpaaren umfassen, und bauen auf früheren Arbeiten auf, die 2024 vorgestellt wurden. Der natürliche ΦX174-Phage hat ein Genom von rund 5.386 Basenpaaren, was nach biologischen Maßstäben winzig ist.
Biosecurity-Fragen begleiten diese Forschung bereits
Die 16 funktionsfähigen Phagen zielen auf E. coli-Bakterien ab und wurden unter den Einschränkungen einer bekannten natürlichen Vorlage entworfen. Die Forschenden erzeugten keine neuartigen Pandemie-Erreger. Dennoch ist die zugrunde liegende Fähigkeit — ein Modell, das versteht, wie funktionierende virale Maschinerie aufgebaut wird — die Art von Technologie, die sorgfältige Governance-Diskussionen erfordert, bevor sie sich weiterentwickelt.
Die Beteiligung von NVIDIA an dieser Zusammenarbeit ist für alle erwähnenswert, die verfolgen, wohin Investitionen in KI-Infrastruktur fließen. Genomisches Modellieren in diesem Umfang erfordert erhebliche Rechenleistung, und der Life-Sciences-Sektor ist zu einem der wichtigsten Anwendungsfelder für Hochleistungs-GPU-Cluster geworden.
