AntigenLM: DNA-Sprachmodell vorhersagt Influenza-Varianten mit Struktur-Ansatz

Ein neues generatives DNA-Sprachmodell namens AntigenLM nutzt die komplette Struktur von Influenza‑Genomen, um die Evolution von Viren besser zu verstehen. Durch das Training auf ausgerichteten, funktionellen Einheiten lernt das Modell die evolutionären Beschränkungen, die in den Genen verankert sind, und kann diese Muster auf verschiedene Aufgaben übertragen.

Nach dem Pre‑Training wird AntigenLM auf Zeitreihen von Hemagglutinin‑ (HA) und Neuraminidase‑ (NA) Sequenzen feinjustiert. Damit kann es zukünftige antigenische Varianten in unterschiedlichen Regionen und Subtypen vorhersagen – sogar solche, die während des Trainings nicht vorkamen. Im Vergleich zu klassischen phylogenetischen und evolutionären Modellen liefert AntigenLM deutlich genauere Vorhersagen und erreicht nahezu perfekte Subtypklassifikationen.

Durch gezielte Ablationsstudien wurde gezeigt, dass das Zerstören der genomischen Struktur – etwa durch Fragmentierung oder Zufalls­shuffling – die Leistung stark reduziert. Diese Ergebnisse unterstreichen, wie entscheidend die Erhaltung der funktionellen Einheitlichkeit für die Effektivität von DNA‑Sprachmodellen ist.

AntigenLM bietet damit nicht nur ein leistungsfähiges Werkzeug zur Vorhersage von Antigen‑Evolution, sondern liefert auch ein generelles Prinzip für die Entwicklung biologisch fundierter DNA‑Foundation‑Modelle. Es eröffnet neue Perspektiven für die Überwachung und Bekämpfung von Influenza‑Ausbrüchen.