Bei Megatrends geht es um Zusammenarbeit statt Isolation: Eine Fallstudie zu KI und Biorevolution
![](https://www.wisdomtree.eu/-/media/eu-media-files/blog/refresh-images/technology/biorevolution/technology_30_1151x564.jpg?h=564&iar=0&w=1151&sc_lang=de-lu&hash=9EDB42A3C1E0611E9D6F6C184F3849E0)
In vielen Gesprächen mit Investoren stellen wir fest, dass Menschen den „richtigen“ Megatrend finden wollen.
Viel seltener finden wir Investoren, die Bereiche diskutieren möchten, in denen sich Megatrends überschneiden, also Beispiele oder Fälle, bei denen die kombinierte Wirkung zweier unterschiedlicher Megatrends möglicherweise zu signifikanten Ergebnissen führen könnte – Ergebnisse, die ohne die Überschneidungen dieser Technologien wahrscheinlich unmöglich wären. Normalerweise wird diese klare Abgrenzung zwischen Megatrends bevorzugt.
Hier finden wir eine Fallstudie, in der künstliche Intelligenz (KI) im Bereich der als Biorevolution bekannten technologischen Revolution eingesetzt wird.
Während es wichtig sein kann, eine Trennung zwischen einer KI-Investitionsstrategie und einer Biorevolution-Investitionsstrategie aufzuzeigen, wird diese Notwendigkeit der Trennung tendenziell in ihrer Bedeutung schwinden, wenn es darum geht, echte Probleme zu lösen.
Beschreibung des Problems: Omicron
In Europa und den Vereinigten Staaten hatte man ein bestimmtes Bild hinsichtlich den Erwartungen für die Weihnachtszeit 2021 – ein Bild, das am 26. November 2021 weitgehend zerstört wurde, als die Weltgesundheitsorganisation einen Coronavirus-Stamm, der jetzt als „Omicron“ bekannt ist, in Südafrika als „besorgniserregende Variante“ bezeichnete1.
Die primäre Frage für das globale Gesundheitssystem war einfach: Wenn wir akzeptieren, dass Omicron einen gewissen Mutationsgrad des Coronavirus selbst darstellt, würden die bereits weit verbreiteten Impfstoffe dann ihre Wirksamkeit behalten?
Dies ist eine dieser Fragen, die einfach zu stellen und sehr intuitiv ist, aber die sich mit einem gewissen Maß an Genauigkeit nur weitaus schwerer beantworten lässt.
KI: Erstellen neuer Optionen und Techniken
Es gibt bekannte Verfahren, mit denen Wissenschaftler die dreidimensionale Struktur von Proteinen aufdecken. Manchmal werden Elektronenmikroskope verwendet, wobei das Konzept darin besteht, dass Sie, wenn es ein Bild davon geben könnte, wie sich die Coronaviren an menschliche Zellen binden und in diese eindringen, etwas über die Wirksamkeit eines bestimmten Impfstoffs erfahren und einen ersten Eindruck davon erhalten und bewerten können.
Das oft erwähnte „Spike-Protein“ ist entscheidend für den Bindungsprozess, was intuitiv zu der Vermutung führt, dass es für vorhandene Behandlungsmöglichkeiten problematischer sein könnte, wenn Mutationen signifikante Veränderungen am Spike-Protein verursachen.
Wenn Omicron stark abweichen würde, wäre die Wahrscheinlichkeit geringer, dass die bestehenden Impfstoffe weiterhin so wirksam wären. Wenn Omicron ähnlich ist, besteht eine größere Wahrscheinlichkeit, dass die bestehenden Impfstoffe weiterhin wirksam sind. Als Grundlage2:
- Omicron enthält 15 Mutationen in der Rezeptorbindungsdomäne, insbesondere wie das Spike-Protein an neutralisierende Antikörper bindet.
- Im Gegensatz dazu enthält die Delta-Variante sieben Mutationen über das gesamte Spike-Protein, von denen nur zwei in der Rezeptorbindungsdomäne liegen.
Wissenschaftler, die diese Techniken verwenden, unterliegen jedoch einer besonderen Einschränkung: Sie müssen tatsächliches physisches Material einsenden, um es unter dem Elektronenmikroskop betrachten zu können.
Was wäre, wenn Wissenschaftler damit beginnen könnten, die Frage der Wirksamkeit ohne jedwedes physisches Material zu beantworten? Hier kommt Künstliche Intelligenz ins Spiel.
Ein Forscher in Charlotte, North Carolina, war mithilfe von öffentlich verfügbare Software für künstliche Intelligenz und dem Grundgedanken, sich auf die mögliche Wirksamkeit von Antikörpern gegen frühere Coronavirus-Stämme zu konzentrieren, in der Lage, die Struktur von Omicron vorauszusehen. Diese Arbeit konnte bis Anfang Dezember 2021 abgeschlossen werden – nachdem die ersten Ankündigungen am 26. November weltweit verbreitet worden waren3.
Am 21. Dezember wurden Ergebnisse von traditionellen Ansätzen – wie denen, die das Elektronenmikroskop verwenden – verfügbar, und sie bestätigten, dass die Vorhersagen der KI-Software der Omicron-Struktur erstaunlich präzise waren.
Das ist nicht allein wegen Omicron so spannend, sondern wegen der universellen Anwendbarkeit dieses Konzepts – wir wissen, dass es zwangsläufig noch mehr Viren geben wird, und dieser Ansatz könnte sehr auf alle angewendet werden4.
Die Vorhersage, die sich aus dieser Arbeit ergab, war, dass bestehende Impfstoffe es aufgrund der Veränderungen in der Struktur schwerer haben würden, sich gegen Omicron zu schützen, insbesondere in der Region, in der der neutralisierende Antikörper eines Menschen darauf abzielen würde, sich an das Spike-Protein zu binden.
Als wir dies Mitte Januar 2022 schrieben, scheint dies korrekt gewesen zu sein, auch wenn wir anerkennen, dass die Erfahrungen von Einzelpersonen unterschiedlich sein können.
KI-Software, die Proteinstrukturen vorhersagen kann, ist vollkommen neu
Ende 2020 führte eine konkurrierende Forschung zwischen DeepMind und der University of Washington zu einer KI-basierten Software, die Proteinstrukturen genau vorhersagen konnte. Insbesondere die Software von DeepMind, bekannt als „Alphafold“, ist in der Molekularbiologie ziemlich bekannt geworden, da das „Proteinfaltungsproblem“ in den letzten 50 Jahren eine große Herausforderung für Wissenschaftler war5.
Der interessante Punkt ist, dass keines der Softwarepakete ursprünglich darauf ausgelegt war, kleine Strukturänderungen vorherzusagen, die sich aus Mutationen eines bestehenden Virus ergeben würden, und dennoch waren die Ergebnisse hilfreich . Anstatt nur auf das physische Material zu warten und keine Optionen zu haben, haben Wissenschaftler die Möglichkeit, eine fundierte Vermutung anzustellen, die mit traditionelleren Techniken bestätigt werden kann.
Wichtig ist, dass die Vorhersage von Strukturen nicht die „sofortige Heilung“ bedeutet. Erfahrene Forscher erhalten einen besseren Ausgangspunkt, um das Design eines Impfstoffs oder einer Behandlungstherapie strategisch zu planen.
KI trägt bereits in anderen Bereichen der Biorevolution bei
Überall dort, wo riesige Datenmengen verarbeitet werden und (hoffentlich) Erkenntnisse gewonnen werden können, kann KI möglicherweise helfen.
Die Weltgesundheitsorganisation schätzt, dass bis zum Jahr 2050 jährlich 10 Millionen Menschen an arzneimittelresistenten Infektionen sterben könnten . Um es deutlich zu sagen, es gibt keine einzelne Maßnahme, die ergriffen werden könnte, um dem vollständig entgegenzuwirken – als Gesellschaft müssen wir viele Ansätze ausprobieren und wahrscheinlich eine Mischung aus verschiedenen möglichen Strategien anwenden.
Kürzlich war ein KI-Algorithmus in der Lage, 43.000 Peptide im menschlichen Körper zu analysieren und die Zahl auf 2.603 davon einzugrenzen, die von Zellen ausgeschiedene Proteine sind. Die Analyse könnte zeigen, welche davon – wenn überhaupt – antibiotische Eigenschaften hatten. Die Forscher synthetisierten 55 der vielversprechendsten, und Tests zeigten, dass viele zumindest vorläufig in der Lage waren, die Replikation bekannter antibiotikaresistenter Bakterien zu stoppen8.
Fazit: Es gibt viele Proteine im menschlichen Körper, und wir kennen derzeit nicht die Eigenschaften von allen. KI kann verwendet werden, um auf dem Weg zu mehr Wissen zu helfen, um bekannte medizinische Probleme auf unterschiedliche Weise zu lösen.
Fazit: Die mächtige Kraft der Zusammenarbeit von Megatrends
In diesem Fall haben wir gezeigt, wie die Megatrends Biorevolution und KI zusammenarbeiten können.
KI wird weniger abstrakt, da wir Beispiele für Daten, Vorhersagen und den Wert dieser Vorhersagen sehen, die alle zusammenkommen. Die Biorevolution, insbesondere wenn es um die menschliche Gesundheit geht, ist sehr greifbar, insbesondere während einer globalen Pandemie.
Wir werden weiter nach Beispielen wie diesem suchen, bei denen verschiedene Megatrends interagieren und Kraftmultiplikatoren in Bezug auf ihre potenziellen Auswirkungen schaffen können.
Quelle
1 Source: Simonite, Tom. “This AI Software Nearly Predicted Omicron’s Tricky Structure.” * Wall Street Journal, 10. Oktober 2022
2 Quelle für Stichpunkte: Ford et al. „Predictions of the SARS-CoV-2 Omicron Variant (B.1.1.529) Spike Protein Receptor-Binding Domain Structure and Neutralizing Antibody Interactions.“ bioRxiv. 3. Dezember 2021.
Quelle: Simonite, 2022.
3 Quelle: Simonite, 2022.
4 Quelle: Simonite, 2022.
5 Quelle: Simonite, 2022.
6 Quelle: Simonite, 2022.
7 Quelle: Levy, Max G. „An AI Finds Superbug-Killing Potential in Human Proteins.“ WIRED. 30 November 2021.
8 Quelle: Levy, 2021.
Zudem könnte Sie folgende Lektüre interessieren...
+ Tsingshans missliche Lage – Nickelsulfat mit hohem CO2-Gehalt für den Elektrofahrzeugsektor
+ Was charakterisiert Genforschung? Eine Fallstudie
+ Alle wollen die BioRevolution