Science-Sensation: KI generiert erstmals ein komplettes Bakteriophagen-Genom, das lebensfähig ist und Bakterien hemmen kann.
Willkommen im Zeitalter des generativen Genomdesigns!
Heute veröffentlicht die Stanford University das erste von künstlicher Intelligenz (KI) realisierte vollständige Genomdesign von Bakteriophagen in der renommierten Fachzeitschrift Science. Dieser generierte Bakteriophage ist nicht nur lebensfähig und kann Bakterien hemmen, sondern weist auch eine vergleichbare Lyseaktivität auf wie natürliche Phagen der Klasse ΦX174.
Link zur Arbeit: http://www.science.org/doi/10.1126/science.aec2657
Ergebnisse der Kryo-Elektronenmikroskopie zeigen, dass das KI-generierte Evo-Φ36 neue kompatible Proteinkombinationen bildet; darüber hinaus kann die Mischung generierter Bakteriophagen das Wachstum von ΦX174-resistenten Escherichia coli-Stämmen nach 1 bis 2 Passagen hemmen, während natürliche Mischungen der ΦX174-Klasse nach 5 Passagen noch nicht den gleichen Effekt erzielen.
Das Forschungsteam ist der Ansicht, dass dieser Durchgang einen Weg für die KI-generierte Bakteriophagentherapie ebnet und in Zukunft zur Bekämpfung schnell evolvierender bakterieller Pathogene beitragen kann. Mit der Weiterentwicklung der Technik wird das Genomdesign voraussichtlich ebenso wie Genomsequenzierung, -synthese und -bearbeitung zu einer zentralen Biotechnologie werden und zur Generierung größerer und komplexerer Genomsysteme eingesetzt werden.
Dennoch kann diese Fähigkeit auch Probleme der Biosicherheit und Bioprotektion mit sich bringen. Ein begleitender Meinungsartikel weist darauf hin, dass das Forschungsteam auf die damit verbundenen Risiken proaktiver reagiert hat als die meisten Entwickler leistungsstarker biologischer KI-Modelle. Das Forschungsteam betont, dass zukünftige Projekte zur vollständigen Genomgestaltung während des gesamten Zyklus Experten für Sicherheit und Schutz einbeziehen und robustere Mechanismen zur Verhinderung von Missbrauch aufbauen müssen.
KI gestütztes Design des vollständigen Bakteriophagengenoms
Seit langem ist das Design vollständiger Genome eine gewaltige Herausforderung: Das Genom ist äußerst empfindlich gegenüber der Sequenzzusammensetzung, und eine einzelne Mutation kann es funktionsunfähig machen. Trotz Fortschritten im Proteindesign und im Engineering biologischer Schaltkreise fehlt noch immer ein allgemeiner Rahmen für das vollständige Genomdesign.
Im Gegensatz zu früheren Arbeiten, die sich meist auf einzelne Gene oder Genschaltkreise konzentrierten, unternimmt diese Arbeit den ersten Versuch, ein vollständiges Bakteriophagengenom mithilfe von KI zu generieren. Das Forschungsteam baute auf den vortrainierten Modellen Evo 1 und Evo 2 auf, testete zunächst ihre Fähigkeit, phagenähnliche Sequenzen zu generieren, und filterte anschließend Kandidatengenome durch Feinanpassung an Microviridae, Startprompts von ΦX174, genetische Architekturbeschränkungen und Wirtspezifitätsfilter.
Abbildung｜KI-gesteuerter Rahmen für das Design von Bakteriophagengenomen.
1. Test der grundlegenden Generierungsfähigkeit der Modelle
Das Forschungsteam testete zunächst die grundlegende Generierungsfähigkeit von Evo 1 und Evo 2. Beide Modelle wurden auf großen Mengen an DNA-Sequenzen vortrainiert, darunter mehr als 2 Millionen Bakteriophagengenome. Das Team nutzte drei Arten von Virustags, um die Modelle zur Generierung von Sequenzen anzuleiten, und bewertete die Ergebnisse durch geNomad, BLAST, Kodierungsdichte, Proteinstrukturvorhersage und PHROGs-Annotation. Die Ergebnisse zeigten, dass beide Modelle Sequenzen mit Phagenmerkmalen generieren können, wobei Evo 2 eine stärkere grundlegende Leistung aufweist.
Abbildung｜Evo generiert realistische Bakteriophagengenomsequenzen.
2. Generierung von Genomen der ΦX174-Klasse
Das Forschungsteam wählte den Bakteriophagen ΦX174 und den Wirtsstamm Escherichia coli C als Designobjekte aus. Das ΦX174-Genom ist klein und die Forschungsgrundlage ist umfassend, während Escherichia coli C nicht pathogen und leicht zu validieren ist, was es für ein Testsystem geeignet macht. Anschließend passte das Team Evo 1 und Evo 2 an etwa 15.000 Sequenzen von Microviridae fein an und leitete die Modelle zur Generierung mithilfe der gemeinsamen Startsequenz von Genomen der ΦX174-Klasse an. Schließlich kontrollierten sie die Länge des Prompts auf etwa 4-9 Nukleotide und die Abtasttemperatur auf 0,7-0,9, um vielfältigere Kandidatengenome der ΦX174-Klasse zu generieren.
Abbildung｜Erstellung lebensfähiger generierter Bakteriophagengenome.
Nach Erhalt der generierten Sequenzen filterte das Forschungsteam die Kandidatengenome unter mehreren Beschränkungen, darunter grundlegende Qualitätsindikatoren wie Länge und GC-Gehalt sowie die Genstruktur der ΦX174-Klasse und die angestrebte Wirtspezifität. Gleichzeitig vermieden sie, dass die Sequenzen dem Wildtyp-ΦX174 zu ähnlich sind, und entwickelten eine spezielle Genvorhersagemethode für die überlappenden Gene von ΦX174.
„KI erzeugt Bakteriophagen“ sind lebensfähig und können Bakterien hemmen
Insgesamt betrachtet sind die ausgewählten KI-generierten Bakteriophagen lebensfähig und weisen unterschiedliche Fitnessmerkmale auf. Unter anderem bestätigte die Kryo-Elektronenmikroskopie, dass Evo-Φ36 DNA-Verpackungsproteine von entfernt verwandten Bakteriophagen kompatibel aufnehmen kann. Die Mischung generierter Bakteriophagen kann das Wachstum von ΦX174-resistenten Escherichia coli-Stämmen nach 1 bis 2 Passagen hemmen, während natürliche Mischungen der ΦX174-Klasse nach 5 Passagen noch nicht den gleichen Effekt erzielen.
1. Genomselektion und Überlebensrate
Das Forschungsteam testete fast 300 KI-entworfene Genome und erhielt schließlich 16 lebensfähige Bakteriophagen. Die Ergebnisse zeigten, dass Kandidatensequenzen umso leichter überleben, je ähnlicher sie bekannten natürlichen Genomen sind. Alle diese Bakteriophagen können den Zielwirtsstamm Escherichia coli C infizieren, hemmen aber das Wachstum von 6 weiteren getesteten Stämmen nicht. Insgesamt kann das Modell nach Kombination von Anleitung während der Inferenz und Filterung lebensfähige Bakteriophagengenome generieren, die den Erwartungen an die Wirtspezifität entsprechen.
Abbildung｜Generierte Bakteriophagen liefern Erkenntnisse über Sequenzen und Strukturen.
2. Generierung neuer Sequenzkombinationen
Generierte Bakteriophagen weisen eine deutliche Sequenzdiversität auf, und 13 lebensfähige Genome enthalten Mutationen, die nicht durch eine einzelne bekannte natürliche Sequenz erklärt werden können. Evo-Φ36 ist ein typisches Beispiel: Es ersetzt das ursprüngliche DNA-Verpackungsprotein J durch ein kürzeres homologes Protein des entfernt verwandten Bakteriophagen G4; frühere Studien zeigten, dass diese Art von Austausch im Hintergrund von ΦX174 nicht lebensfähig ist. Die Kryo-Elektronenmikroskopie-Struktur zeigt, dass das neue J-Protein immer noch kompatible Wechselwirkungen mit dem Kapsid aufrechterhält, was darauf hindeutet, dass generatives Design neue Sequenzkompatibilitätslösungen entdecken kann.
3. Fitnessmerkmale
Generierte Bakteriophagen sind nicht nur überlebensfähig, sondern weisen auch unterschiedliche Fitnessmerkmale auf. Im Vergleich zu natürlichen Bakteriophagen der ΦX174-Klasse decken sie einen breiteren Bereich der Lysekinetik ab: Evo-Φ2483, Evo-Φ69 und andere zeigen starke Lysephänotypen, während Evo-Φ63 die langsamste Lysekinetik mit der geringsten Amplitude aufweist. In Konkurrenzexperimenten setzte sich Evo-Φ69 6 Stunden nach der Infektion durch; in diesem Experiment zeigte die Sequenzähnlichkeit keine klare Korrelation mit der Wettbewerbsfähigkeit. Insgesamt entspricht die Diversität der KI-generierten Genome beobachtbaren phänotypischen Unterschieden.
Abbildung｜Generierte Bakteriophagen weisen ein breites Spektrum an Fitnessmerkmalen auf.
4. Überwindung der bakteriellen Resistenz
Mischungen generierter Bakteriophagen können schnell die bakterielle Resistenz gegen Bakteriophagen durchbrechen. Das Forschungsteam evolvierte zwei ΦX174-resistente Stämme CR1 und CR2 und stellte fest, dass die Mischung generierter Bakteriophagen die Resistenz der beiden Stämme nach 1 bzw. 2 Passagen durchbricht und dies mindestens 5 Passagen lang aufrechterhält. Im Vergleich dazu durchbrachen einzelnes ΦX174 und Mischungen natürlicher Bakteriophagen der ΦX174-Klasse die Resistenz nach 5 Passagen noch nicht. Sequenzierungen zeigten, dass die Bakteriophagen, die die Resistenz erfolgreich durchbrachen, aus der Rekombination von 2-3 generierten Bakteriophagenfragmenten stammen und mehrere von Evo generierte Mutationen an Kapsid- und Spike-Proteinen tragen. Das Forschungsteam ist der Ansicht, dass diese Ergebnisse darauf hindeuten, dass generative Modelle zur Erzeugung genetisch vielfältigerer Bakteriophagenmischungen verwendet werden können, die möglicherweise die therapeutische Wirkung verbessern.
Abbildung｜Generierte Bakteriophagen können schnell die bakterielle Resistenz überwinden.
Einschränkungen und zukünftige Richtungen
Dennoch weist diese Studie noch einige Einschränkungen auf.
Das Forschungsteam weist darauf hin, dass KI zwar bereits lebensfähige Bakteriophagengenome mit unterschiedlichen Fitnessmerkmalen generieren kann, aber auch Probleme der Biosicherheit und Bioprotektion mit sich bringt. Zukünftig müssen Projekte zur vollständigen Genomgestaltung Sicherheitsbewertungen während des gesamten Zyklus einbeziehen, Experimente in angemessenen Biosicherheitsstufen durchführen und Governance-Mechanismen zur Verhinderung von Missbrauch aufbauen.
Gleichzeitig hat diese Arbeit nur am Modellbakteriophagen ΦX174 nachgewiesen, dass KI lebensfähige Genome in einem eingeschränkten Genombereich generieren kann. Ob diese Methode auf größere, komplexere Bakteriophagen mit breiterem Wirtsspektrum angewendet werden kann, bedarf noch weiterer Validierung.
Darüber hinaus ist das Design größerer Bakteriophagen noch durch DNA-Synthese und -Zusammenbau eingeschränkt, was zusätzliche methodische Innovationen und bessere Trainingsdatensätze erfordert. Zukünftig müssen Forscher die Konditionierungsmethoden der Modelle weiter verbessern und mehr Daten aus Genom- und Metagenom-Sequenzierungsprojekten nutzen; Mehrfragment-Zusammenbau, kombinierte Oligonukleotid-Pools und in vitro Transkriptions-Translations-Systeme können ebenfalls wichtige Wege für das Design komplexer Genome sein.
Darüber hinaus bietet generatives Design neue Möglichkeiten für die Erforschung der Bakteriophagenevolution. Durch die Abtastung der von den Modellen erlernten Genomverteilung können Forscher große Mutationslandschaften erkunden und die genetische Grundlage von Eigenschaften wie der Wirtspezifität analysieren. Zukünftig kann das schnelle Design von Bakteriophagen mit einstellbarem Wirtsspektrum, Fitness und Resistenz-Escape-Eigenschaften zu anpassungsfähigeren antibakteriellen Strategien beitragen.
Weitere technische Details finden Sie in der Originalarbeit.