KI entschlüsselt genetischen Schalter menschlicher DNA

Forschende der University of California San Diego haben gemeinsam mit KI-Modellen einen bisher unbekannten Steuermechanismus in der menschlichen DNA entschlüsselt. Das sogenannte Initiator-Element fungiert als molekularer Ein-Schalter, der genau markiert, an welcher Position die genetische Information in funktionale Produkte wie Proteine oder Enzyme umgeschrieben wird. Störungen dieses Prozesses können zu Zellfehlfunktionen und Krankheiten wie Krebs führen. Um die dahinterliegende Sequenzstruktur aufzuklären, leitete Professor James T. Kadonaga ein Team unter Anleitung von Doktorandin Torrey Rhyne-Carrigg, das zunächst durch Hochdurchsatz-Sequenzierung die Expressionsaktivität von rund 500.000 verschiedenen Initiator-Varianten maß. Die gewonnenen Daten dienten als Trainingsbasis für ein Machine-Learning-Modell, das daraus das charakteristische DNA-Muster des Initiators ableitete. Das KI-System ermöglichte erstmals eine präzise Vorhersage, ob ein bestimmtes Gen über dieses Startelement verfügt und identifiziert den genauen Basenablauf. Bei der genomweiten Suche stießen die Forschenden auf das Signal bei etwa sechzig Prozent aller menschlichen Gene. Die gewonnenen Erkenntnisse eröffnen neue Möglichkeiten in der biomedizinischen Forschung: Durch die genaue Kenntnis des Initiator-Musters lässt sich künftig besser abschätzen, wie Mutationen die Genaktivität verändern und zu Erkrankungen beitragen. Zudem unterstützt das Modell die Entwicklung synthetischer Promotoren, deren Schaltfunktionen gezielt für biotechnologische oder therapeutische Anwendungen maßgeschneidert werden können. Professor Kadonaga betont, dass die Studie einen Meilenstein in der kombinierten Nutzung experimenteller Biotechnologie und künstlicher Intelligenz darstellt. Sie demonstriert, wie Laborergebnisse und algorithmische Modellierung zusammenwirken, um die in der DNA-Kodierung verborgene Regellogik zu entschlüsseln. Der Initiator bildet lediglich einen Baustein des komplexen Genexpressionscodes, der festlegt, wann, wo und in welchem Maße Gene aktiviert werden. Langfristiges Ziel ist der Aufbau umfassender KI-Modelle für den gesamten menschlichen Genexpressionscode. Sollten diese realisiert werden, ließen sich Genaktivitäten individueller Varianten in verschiedenen Bevölkerungsgruppen exakt vorhersagen. Die aktuelle Forschung positioniert sich damit als wichtiger Schritt hin zu einer prädiktiven Genomik und einer datengetriebenen Präzisionsmedizin.