Universal Virtual Cell
Eine Universal Virtual Cell ist ein KI-Modell, das eine lebende Zelle am Computer nachbildet – mit all ihren Bestandteilen und deren Wechselwirkungen. Forscher nutzen sie, um biologische Experimente virtuell durchzuführen, bevor sie echte Zellen im Labor anfassen.
Eine Universal Virtual Cell ist ein Computermodell, das eine lebende Zelle so genau nachahmt, dass man biologische Vorgänge darin simulieren kann. Das Ziel ist ein einziges, universell einsetzbares Modell – nicht dutzende Spezialmodelle für jede Zellart. Es soll verstehen, wie Gene abgelesen werden, wie Proteine (die molekularen Maschinen der Zelle) arbeiten und wie äußere Einflüsse das alles verändern. Damit ist es weniger ein klassisches Computerprogramm als ein KI-System, das aus riesigen Mengen biologischer Messdaten lernt. Es geht also darum, das Innenleben der kleinsten Lebenseinheit – der Zelle – digital begreifbar zu machen.
Bedeutung für Medizin und Forschung
Wer eine Krankheit verstehen will, muss Zellen verstehen. Viele Krankheiten – darunter Krebs, Diabetes oder neurodegenerative Erkrankungen wie Alzheimer – entstehen, weil etwas in einzelnen Zellen aus dem Gleichgewicht gerät. Bisher testet man mögliche Medikamente in echten Zellkulturen oder Tierversuchen, was teuer, langsam und ethisch umstritten ist.
Eine Universal Virtual Cell würde diesen ersten Schritt in den Computer verlagern. Man könnte tausende Substanzen virtuell testen und nur die vielversprechendsten ins echte Labor schicken. Das spart nicht nur Zeit und Geld, sondern auch Versuchstiere. Für die Grundlagenforschung bedeutet es außerdem, dass man Hypothesen im Sekundentakt prüfen kann, statt wochenlang auf Labordaten zu warten.
Wie das Modell eine Zelle lernt
Das Herzstück ist maschinelles Lernen – also ein Verfahren, bei dem ein System Muster aus Daten erkennt, statt explizit programmiert zu werden. Trainiert wird das Modell auf sogenannten Omics-Daten: Genomik misst die Gene, Transkriptomik misst, welche Gene gerade aktiv sind, Proteomik misst die Proteine. Aus diesem Zusammenspiel lernt die KI, wie eine Zelle auf verschiedene Situationen reagiert.
Das ist schwieriger, als es klingt. Eine menschliche Zelle enthält rund 20.000 Gene und Millionen von Proteinmolekülen, die ständig miteinander interagieren. Das Modell muss diese Komplexität nicht exakt kopieren – es muss sie gut genug vorhersagen, um nützlich zu sein. Aktuelle Ansätze, wie das Projekt Arc Institute in den USA verfolgt, nutzen dafür Architekturen, die denen großer Sprachmodelle ähneln, aber auf biologische Daten angepasst sind.
Ein zentrales Problem ist die Verallgemeinerung. Ein Modell, das nur Leberzellen kennt, ist für Nervenzellen wertlos. Deshalb wird « universal » zum eigentlichen technischen Anspruch: Das Modell soll auf Zelltypen übertragen werden können, die es im Training nie gesehen hat – ähnlich wie ein gutes Sprachmodell auch Texte zu Themen schreiben kann, die in seinen Trainingsdaten kaum vorkamen.
Universal Virtual Cells in aktuellen Produkten und Nachrichten
Der Begriff taucht vor allem in Forschungsmeldungen aus der Bio-KI-Szene auf. 2024 und 2025 haben mehrere Labore und Start-ups angekündigt, an solchen Modellen zu arbeiten – darunter das Arc Institute mit seinem Modell « Evo » und verschiedene Teams, die von der Chan Zuckerberg Initiative gefördert werden. Auch große Technologiekonzerne wie Google und Microsoft investieren in verwandte Ansätze wie AlphaFold, das die Struktur von Proteinen vorhersagt.
In Finanznachrichten taucht das Thema auf, wenn Pharmafirmen oder Biotech-Start-ups Finanzierungsrunden verkünden, die auf KI-gestützte Wirkstoffentwicklung setzen. Der Markt für KI in der Arzneimittelforschung wird auf mehrere Milliarden Dollar geschätzt und wächst schnell. Eine funktionsfähige Universal Virtual Cell gilt dabei als einer der größten möglichen Durchbrüche – weil sie fast den gesamten frühen Teil der Medikamentenentwicklung beschleunigen würde.
Wichtig ist die Abgrenzung zu digitalen Zwillingen, die man aus der Industrie kennt: Ein digitaler Zwilling einer Maschine modelliert physikalische Prozesse nach bekannten Gleichungen. Eine Virtual Cell hingegen lernt ihre Regeln aus Daten, weil die Biologie zu komplex ist, um sie vollständig in Formeln zu fassen. Das macht sie leistungsfähiger – aber auch schwerer zu überprüfen.