Virtual Biology

Biologische Forschung findet normalerweise im Labor statt. Man züchtet Zellen, gibt einen Wirkstoff dazu und beobachtet über Tage, was passiert. Virtual Biology verfolgt einen anderen Weg: Das Verhalten von Zellen, Eiweißmolekülen oder ganzen Geweben wird am Computer nachgebildet. Ein solches Modell rechnet aus, wie ein biologisches System vermutlich reagiert, bevor jemand ein Experiment ansetzt. Fachleute sprechen auch von Forschung « in silico » — also im Silizium der Computerchips, im Gegensatz zur Glasschale im Labor. Das Ziel ist nicht, das Labor abzuschaffen, sondern es gezielter einzusetzen.

Warum Labore Modelle vorschalten

Biologische Experimente sind langsam und teuer. Ein einziger Zellversuch kann Wochen dauern und tausende Euro kosten. Bis ein neues Medikament auf dem Markt ist, vergehen oft zehn bis fünfzehn Jahre. Die allermeisten Kandidaten scheitern unterwegs, viele davon erst nach jahrelanger Arbeit.

Ein Computermodell kann Millionen Varianten in wenigen Tagen durchprobieren. Es liefert keine sicheren Antworten, aber eine Rangliste. Forscherinnen und Forscher testen dann im Labor nur die aussichtsreichsten hundert statt blind zu suchen. Diese Vorauswahl ist der eigentliche Gewinn.

Dazu kommt ein ethischer Punkt. Viele Versuche laufen heute an Tieren, weil menschliche Zellen im Labor sich anders verhalten als im Körper. Je besser die Modelle werden, desto mehr Tierversuche lassen sich ersetzen. Die US-Arzneimittelbehörde FDA hat 2023 die Vorschrift gelockert, dass jedes Medikament zwingend im Tierversuch geprüft werden muss. Computermodelle sind dort ausdrücklich als Alternative genannt.

Von Messdaten zum rechnenden Zellmodell

Grundlage sind riesige Messdatensätze. Mit modernen Verfahren lässt sich für einzelne Zellen bestimmen, welche Gene gerade aktiv sind. Solche Datensätze umfassen inzwischen dutzende Millionen Einzelzellen aus Menschen, Mäusen und Pflanzen. Sie sind das Rohmaterial, aus dem die Modelle lernen.

Trainiert wird ähnlich wie bei Sprachprogrammen. Ein Sprachmodell lernt aus Texten, welches Wort auf welches folgt. Ein Zellmodell lernt aus Messdaten, welche Genaktivität mit welcher zusammenhängt. Man kann sich das als Grammatik der Zelle vorstellen: Bestimmte Muster treten gemeinsam auf, andere schließen sich aus. Das Modell erkennt diese Regelmäßigkeiten, ohne dass jemand sie ihm erklärt.

Danach kann man dem Modell Fragen stellen. Was passiert, wenn man ein bestimmtes Gen abschaltet? Wie reagiert eine Krebszelle auf diesen Wirkstoff? Das Modell sagt einen Zustand voraus, den es so nie gesehen hat. Wichtig ist der Unterschied zur klassischen Simulation: Dort programmiert man die biologischen Regeln von Hand ein. Bei Virtual Biology leitet das System die Regeln selbst aus Daten ab. Ein verbreiteter Irrtum ist, solche Vorhersagen seien Beweise. Sie sind Hypothesen und müssen im Labor bestätigt werden.

Pharmafirmen, Start-ups und Nobelpreise

Das bekannteste Beispiel ist AlphaFold von Google DeepMind. Das Programm sagt voraus, wie sich eine Eiweißkette im Raum faltet — eine Frage, an der die Forschung fünfzig Jahre gearbeitet hat. 2024 gab es dafür den Chemie-Nobelpreis. Die vorhergesagten Strukturen von über 200 Millionen Proteinen stehen frei im Netz.

Bei virtuellen Zellen ist das Feld jünger. Arc Institute, ein von Nvidia und mehreren Universitäten gestütztes Forschungsinstitut, arbeitet an einem Modell der menschlichen Zelle. Große Pharmakonzerne wie Roche und Novartis bauen eigene Abteilungen dafür auf. In Wirtschaftsnachrichten taucht der Begriff meist auf, wenn ein Start-up Kapital einsammelt oder eine Partnerschaft mit einem Pharmakonzern verkündet.

Als Patient merkt man davon vorerst wenig. Kein Medikament kommt allein aus dem Computer, klinische Studien am Menschen bleiben Pflicht. Realistisch ist eine schrittweise Beschleunigung der frühen Forschungsphasen. Wer Schlagzeilen liest, sollte deshalb genau hinsehen: Eine Modellvorhersage ist kein Wirkungsnachweis.