Das zeigt nun eine in Science publizierte Studie. Als Trainingsgrundlage für die Sprachmodelle Evo 1 und Evo 2 dienten Bakteriophagen der Familie Microviridae, orientiert am Modellphagen φX174, der den harmlosen E.-coli-Stamm C befällt.
Von 302 ausgewählten KI-Entwürfen ließen sich 285 im Labor herstellen. Bei 16 davon zeigte sich ein klarer funktioneller Effekt: Die entstandenen Phagen bremsten das Bakterienwachstum spürbar, eine Erfolgsquote von gut 5 bzw. knapp 7 Prozent je nach Modell. Dabei handelte es sich nicht um Nachbauten bestehender Phagen: Die Übereinstimmung mit den nächstverwandten natürlichen Genomen lag nur bei 93 bis 99 Prozent, die KI hatte also eigenständig neue Varianten hervorgebracht.
Neue Wege zur Resistenzüberwindung
Besonders bemerkenswert war Phage Evo-φ36: Die KI tauschte ein zentrales Gen gegen eine verkürzte Version aus einem entfernten Phagen, ein Umbau, der bei φX174 selbst nicht funktioniert hätte. Zudem gelang es einem Gemisch aus natürlichem Phagen und den 16 künstlichen Varianten, gezielt erzeugte Resistenzen bei E. coli zu überwinden.
Für die Phagentherapie, ein angesichts zunehmender Antibiotikaresistenzen wichtiges Feld, sieht die Studie einen möglichen Weg zu KI-generierten Phagentherapien gegen sich rasch entwickelnde bakterielle Erreger. Bis zur klinischen Anwendung ist es aber noch weit. Die Autor:innen betonen zudem, dass die gezielte KI-Konstruktion kompletter Virusgenome auch neue Fragen zur Biosicherheit aufwirft.
