WIEN / LONDON (IT BOLTWISE) – Forschende haben mit KI künstliche DNA-Enhancer entworfen, die in Mausembryonen Gene gezielt in Herz, Gliedmaßen und Nervensystem aktivieren. Das Team um Alexander Stark vom IMP in Wien testete insgesamt 15 neue Schalter in einem definierten Entwicklungsstadium. Die Modelle lieferten für unbekannte Sequenzen einen positiven Vorhersagewert von mindestens 70,6 Prozent. Gleichzeitig zeigen die Ergebnisse, dass die Gewebespezifität je nach Region unterschiedlich präzise ausfällt.
Die Idee klingt wie ein präzises Steuerpult für Biologie: Nicht nur Gene verändern, sondern die Aktivität dorthin lenken, wo sie im Körper gebraucht werden. Genau diesen Schritt versucht eine Arbeitsgruppe aus Wien mit KI zu adressieren. Im Zentrum stehen künstliche Enhancer – regulatorische DNA-Abschnitte, die festlegen, wann und in welchem Gewebe ein Gen aktiv wird. Anstatt vorhandene Schalter aus dem Genom „abzuschreiben“, konstruierten die Forschenden 15 neue Enhancer-Sequenzen, die dann in Mausembryonen auf ihre Gewebewirkung getestet wurden.
Die Studie von Alexander Stark und seinem Team am Forschungsinstitut für Molekulare Pathologie (IMP) in Wien wurde im Fachjournal Nature Genetics veröffentlicht. Für das Training der KI wurden zwei Arten von Informationen kombiniert: Zunächst lernte das neuronale Netz, welche Bereiche des Erbguts in embryonalem Herz-, Gliedmaßen- und Hirngewebe zugänglich sind. Danach verfeinerten die Modelle ihre Vorschläge mit bereits experimentell bestätigten Enhancern von Mäusen und Menschen. Entscheidend ist dabei, dass die KI hierfür keine riesigen Datensätze im klassischen Sinn benötigte: Je nach Gewebe standen für diesen zweiten Schritt nur 311 bis 432 bestätigte Enhancer zur Verfügung – trotzdem erreichten die Modelle bei zuvor unbekannten Sequenzen einen positiven Vorhersagewert von mindestens 70,6 Prozent.
Beim eigentlichen „Design“ ging die KI nicht auf Suche nach bekannten Sequenzen, sondern wählte Enhancer, die keine signifikante Ähnlichkeit zum menschlichen oder mausenspezifischen Genom aufwiesen. Erst die nachgelagerte Prüfung zeigte, ob diese synthetischen Schalter im richtigen Entwicklungsstadium funktionieren. Die Forscher testeten in Embryonen des Stadiums E11.5 und definierten Erfolg als Signal in mindestens drei unabhängigen Embryonen im vorgesehenen Gewebe. Insgesamt erfüllten alle 15 Enhancer dieses Zielkriterium – das ist ein starkes Indiz dafür, dass das Modell die grundlegende Logik der regulatorischen DNA verstanden hat und nicht lediglich zufällig passende Sequenzen erzeugte.
Die Ergebnisse sind aber nicht als „perfekt überall“ zu lesen. Die Erfolgsquote von 15 aus 15 bedeutet nicht, dass jeder Enhancer ausschließlich im gewünschten Gewebe aktiv ist. Besonders klare Abgrenzungen zeigten sich bei Herz- und Nervensystem-Enhancern: Bei vier von fünf Herz-Enhancern blieb die Aktivität auf das Herz beschränkt, ebenso blieben vier von fünf Schaltern fürs zentrale Nervensystem auf dieses Gewebe konzentriert. Daneben gab es Fälle, in denen ein Enhancer schwache Aktivität in einem zusätzlichen Gewebe zeigte. Bei den Gliedmaßen gestaltete sich die Spezifität hingegen schwieriger: Alle fünf dafür entworfenen Enhancer funktionierten dort zwar stark, schwächere Signale tauchten jedoch auch in Kopf- und Rumpfgeweben auf – ein Muster, das die Forschenden unter anderem mit dem Transkriptionsfaktor TWIST1 in Verbindung bringen, der zwar für die Gliedmaßenentwicklung wichtig ist, aber auch in anderen mesenchymalen Geweben vorkommt.
Innerhalb des Gehirns nahm die Komplexität weiter zu. Das Team entwarf jeweils zwei Enhancer für Vorderhirn und Mittelhirn. Zwei Vorderhirn-Enhancer waren dort aktiv, einer zeigte allerdings zusätzlich starke Aktivität in den Gliedmaßen. Im Mittelhirn blieb ein Schalter vollständig inaktiv; der zweite erzeugte nur bei zwei von acht Embryonen ein Signal und ließ sich wegen eines Fehlers im Testkonstrukt nicht verlässlich bewerten. Gleichzeitig wird damit sichtbar, warum solche Systeme für therapeutische Anwendungen anspruchsvoll bleiben: In vivo wirken nicht nur Enhancer, sondern das Zusammenspiel aus Promotoren, Chromatin-Zuständen und weiter entfernten regulatorischen Bereichen – im Mausmodell durch ein standardisiertes Reportersystem vereinfacht, im menschlichen Genom aber deutlich komplexer.
Technisch liefert die Arbeit außerdem einen Blick darauf, welche „Regeln“ das Modell aus den Sequenzen herausfilterte. Die KI erkannte bekannte DNA-Motive wieder, darunter MEF2 für das Herz, TWIST1 für die Gliedmaßen und SOX3 für das zentrale Nervensystem. Zudem lernte sie bevorzugte Abstände zwischen Motiven und passende Kombinationen. Interessant ist auch die Beobachtung, dass einige erlernte Sequenzmuster sich bislang keinem eindeutig zuordenbaren Transkriptionsfaktor zuordnen ließen. Das deutet darauf hin, dass das Modell möglicherweise bislang wenig charakterisierte regulatorische Konstellationen wiedererkennt oder rekombiniert – ein Hinweis darauf, dass hier nicht nur „Treffer“ erzeugt werden, sondern auch neue biologische Hypothesen entstehen könnten.
Für Gentherapien ist der Ansatz derzeit ausdrücklich Grundlagenforschung. Die Experimente fanden in Mausembryonen statt; ob sich die künstlichen Enhancer auch im menschlichen Kontext sicher und zuverlässig verhalten, wurde in der Quelle nicht untersucht. Genau in dieser Lücke liegt der nächste Schritt: Wenn Enhancer tatsächlich die Aktivität therapeutischer Gene auf bestimmte Organe oder Zelltypen begrenzen könnten, würde das die Präzision vieler Genansätze verbessern und Nebenwirkungen reduzieren helfen. Bis dahin bleibt jedoch entscheidend, wie gut sich die trainierten Muster von Modellorganismen auf die menschliche Genregulation übertragen lassen – inklusive der Frage, wie stabil die Wirkung über verschiedene Chromatin-Umgebungen und Entwicklungszustände bleibt.
Auch markt- und industriebezogen ist die Entwicklung relevant, weil sie zeigt, dass KI für DNA-Design nicht zwingend riesige Datensätze braucht, wenn die Lernziele sauber auf regulatorische Mechanismen abgestimmt sind. Das macht den Weg von der Idee zur Laborvalidierung realistischer, besonders für Forschungsgruppen, die nicht über unlimitierte Rechen- und Trainingsbudgets verfügen. Für die KI-Entwicklung in der Biotechnologie heißt das: Der Nutzen entsteht weniger durch „generisches Kreativdesign“, sondern durch kontrollierte Trainingsschritte, die echte biologische Constraints abbilden. Das macht die Studie zu einem belastbaren Beispiel dafür, wie aus KI-Modellen praktische DNA-Schalter werden können – zumindest im Embryo der Maus.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "KI entwirft künstliche DNA-Enhancer: Gene gezielt im Embryo anschalten" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "KI entwirft künstliche DNA-Enhancer: Gene gezielt im Embryo anschalten" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »KI entwirft künstliche DNA-Enhancer: Gene gezielt im Embryo anschalten« bei Google Deutschland suchen, bei Bing oder Google News!