KI‑designte Bakteriophagen: Neue Perspektiven für die Phagentherapie und Biosicherheit

Bakteriophagen – also Viren, die gezielt Bakterien angreifen und abtöten – können mithilfe künstlicher Intelligenz (KI) inzwischen synthetisch entworfen werden. Solche KI‑generierten Phagen sind in der Lage, resistente E.-coli-Stämme zu infizieren und zu lysieren. Damit entsteht eine neue Perspektive für die Entwicklung maßgeschneiderter Phagentherapien – und zugleich eine neue sicherheitspolitische Dimension für die synthetische Genomik.

Forschende der Stanford University (Kalifornien) und des Broad Institute in Cambridge, Massachusetts (MIT/Harvard), haben mithilfe von Genom-Sprachmodellen vollständige Bakteriophagengenome entworfen und daraus im Labor vermehrungsfähige Phagen erzeugt. Diese konnten unter experimentellen Bedingungen E.-coli-Stämme lysieren, die zuvor gegen den natürlichen Ausgangsphagen ΦX174 resistent gemacht worden waren. Die Studie zeigt damit das Potenzial generativer KI für die Entwicklung neuer antimikrobieller Strategien, macht aber zugleich deutlich, dass mit diesen technologischen Möglichkeiten auch neue Anforderungen an einen verantwortungsvollen und sicheren Umgang mit synthetischer Genomik entstehen.

Was die Studie wissenschaftlich zeigt

Die Arbeitsgruppe nutzte die Genommodelle Evo 1 und Evo 2, um ausgehend vom Bakteriophagen ΦX174 vollständige Phagengenome zu entwerfen. Die Modelle erzeugten Tausende von Genomvarianten, von denen rund 300 synthetisiert und experimentell untersucht wurden. 16 der getesteten Genome erwiesen sich als vermehrungsfähig. Die daraus entstandenen Phagen hatten eine beträchtliche genetische Vielfalt und unterschieden sich teilweise deutlich von natürlichen Varianten – etwa durch neue Genkombinationen, veränderte Genomlängen oder die Integration von Proteinen aus evolutionär entfernten Phagen.

Besonders relevant für die Infektiologie sind die Resistenzexperimente. Die Forschenden untersuchten drei E.-coli-Stämme, die gegen ΦX174 resistent geworden waren. Während der natürliche Phage diese Bakterien nicht mehr wirksam lysieren konnte, führte ein Cocktail aus den KI-generierten Phagen zu einer raschen Lyse der resistenten Stämme. Damit demonstriert die Studie erstmals, dass Genommodelle vollständige, infektiöse Phagen mit neuen genetischen Eigenschaften erzeugen können, die unter den experimentellen Bedingungen bestehende Phagenresistenzen überwinden.

Die Ergebnisse sind insbesondere vor dem Hintergrund der zunehmenden Antibiotikaresistenz relevant. Bakteriophagen sind hochspezifische Viren, die Bakterien infizieren und abtöten. Diese Spezifität macht sie grundsätzlich für eine gezielte Behandlung bakterieller Infektionen interessant, erschwert bislang aber auch die Entwicklung standardisierter Therapien, da ein Phage häufig nur gegen bestimmte Bakterienstämme wirksam ist.

Die vorliegende Arbeit erweitert dieses Konzept um einen neuen Ansatz: Statt ausschließlich nach geeigneten natürlichen Phagen zu suchen oder vorhandene Phagen genetisch zu verändern, lassen sich potenzielle Kandidaten direkt am Computer entwerfen und anschließend experimentell prüfen. Langfristig eröffnet dies die Perspektive, Phagen gezielter an bestimmte bakterielle Erreger und deren Resistenzmechanismen anzupassen. Bis zu einer klinischen Anwendung ist es allerdings noch ein weiter Weg.

Chancen und Risiken der synthetischen Genomik

Mit dem technologischen Fortschritt wächst zugleich die Bedeutung von Biosicherheitsfragen. Die Studie zeigt eindrucksvoll, dass Genommodelle nicht nur einzelne biologische Eigenschaften vorhersagen oder optimieren, sondern vollständige virale Genome entwerfen können. Damit erweitert sich auch das Spektrum möglicher Anwendungen – und potenzieller Fehlanwendungen.

Für die Risikobewertung ist entscheidend, mit welchen biologischen Sequenzen ein Modell trainiert beziehungsweise spezialisiert wird. Im vorliegenden Fall konzentrierten sich die Forschenden auf Bakteriophagengenome. Dadurch war das System auf die Entwicklung von Phagen ausgerichtet, die Bakterien infizieren. Die Autoren weisen zugleich darauf hin, dass die Auswahl der Trainingsdaten eine wichtige Sicherheitskomponente darstellt: Werden Modelle mit Sequenzen anderer biologischer Systeme trainiert, erweitert sich grundsätzlich auch der Raum der Strukturen und Funktionen, die sie erzeugen können.

Daraus ergibt sich eine zentrale Herausforderung für die Biosicherheit: Mit der zunehmenden Leistungsfähigkeit generativer Modelle müssen technische Möglichkeiten und Sicherheitsmechanismen parallel weiterentwickelt werden. Dazu gehören unter anderem klare Standards für Trainings- und Testdaten, Verfahren zur Bewertung biologischer Risiken sowie geeignete Zugangskontrollen und internationale Rahmenbedingungen für die Nutzung solcher Systeme.

Dabei sollte die aktuelle Studie nicht als Beleg dafür verstanden werden, dass generative Genommodelle bereits unmittelbar gefährliche biologische Systeme erzeugen können. ΦX174 ist ein Bakteriophage und kann keine menschlichen Zellen infizieren. Zudem handelt es sich um ein vergleichsweise kleines und experimentell gut charakterisiertes Genom. Wie gut sich die Ergebnisse auf größere oder komplexere Viren übertragen lassen, ist offen. Aktuelle Arbeiten zur Biosecurity-Bewertung solcher Modelle unterstreichen ebenfalls, dass die Übertragbarkeit der bisherigen Befunde auf andere virale Genome noch nicht geklärt ist.

Fazit für die ärztliche Praxis

Für den klinischen Alltag sind die Ergebnisse derzeit noch nicht unmittelbar relevant. Sie markieren jedoch einen wichtigen Entwicklungsschritt für die Phagenforschung und zeigen, wie KI-gestützte Genommodelle die Suche nach neuen antimikrobiellen Wirkprinzipien verändern können.

Langfristig eröffnet die Möglichkeit, Bakteriophagen gezielt zu entwerfen, neue Perspektiven für die Behandlung schwer therapierbarer Infektionen mit multiresistenten Erregern. An die Stelle der zeitaufwendigen Suche nach einem passenden natürlichen Phagen könnte zumindest teilweise ein computergestützter Designprozess treten. Bis dahin sind jedoch weitere Untersuchungen zu Wirksamkeit, Spezifität, Sicherheit, Herstellung und regulatorischen Anforderungen erforderlich.

Die Studie zeigt zugleich die andere Seite des technologischen Fortschritts: Je leistungsfähiger generative Modelle in der Biologie werden, desto wichtiger sind Regeln, die einen verantwortungsvollen Einsatz gewährleisten. Für die Medizin bedeutet dies, die therapeutischen Perspektiven der Technologie im Blick zu behalten und gleichzeitig die Diskussion über Biosicherheit und geeignete regulatorische Rahmenbedingungen aktiv zu begleiten.

Quelle (Originalpublikation): King SH et al. Generative design of bacteriophages with genome language models. Science 2026; 393(6811): eaec2657; https://doi.org/10.1126/science.aec2657

Dr. Anja Lütke