Wissenschaftler der University of Washington School of Medicine haben mithilfe von KI neue Proteinmoleküle entworfen, die spannende Möglichkeiten für die Erkennung und Behandlung von Krankheiten eröffnen.
Die Wirksamkeit eines Arzneimittels bei der Behandlung einer Krankheit hängt weitgehend davon ab, wie spezifisch es sich an das krankheitsverursachende Ziel anlagert und wie stark es sich an dieses Ziel anlagert.
Die nahezu unendliche Anzahl möglicher Proteinformen macht die Entwicklung eines Proteins mit hoher Affinität (Bindungsstärke) und hoher Spezifität zu einer äußerst schwierigen Aufgabe.
Die Suche nach Proteinen, die stark an helikale Peptidziele wie Glucagon, Neuropeptid Y und Parathormon binden, war die schwierige Aufgabe, bei der die Forscher hofften, dass KI sie unterstützen könnte. Ihr Papier, veröffentlicht in Naturezeigt das Potenzial der KI für eine Revolutionierung Arzneimittelentwicklung.
Die Forscher setzten zunächst Deep-Learning-Halluzinationsmethoden mit AlphaFold2 und RosettaFold ein. Diese fortschrittlichen KI-Programme waren eine große Hilfe bei der Entwicklung neuer Proteine, verbrauchen aber viel Rechenleistung.
Auf der Suche nach einer rechnerisch effizienteren Methode für das Proteindesign wendeten sich die Forscher einem Ansatz zu, der dem ähnelt, mit dem KI-Bildgeneratormodelle wie Stable Diffusion und DALL-E arbeiten.
Papier heute @Natur beschreibt @UWproteindesign KI-generiertes Protein mit außergewöhnlich hoher Bindungsaffinität und Spezifität. Diese Biotechnologie hat Auswirkungen auf die Arzneimittelentwicklung, die Erkennung von Krankheiten und die Umweltüberwachung. https://t.co/KhtGhiyf6I
- UW Medicine Newsroom (@uwmnewsroom) 18. Dezember 2023
RF-Diffusion
RFdiffusion ist ein bahnbrechendes generatives KI-Modell, das auf Daten aus bekannten Proteinstrukturen trainiert wird. Das Modell verfeinert dann iterativ die Atome und ordnet sie in definierte Proteinstrukturen um.
RFdiffusion wurde darauf trainiert, iterativ Rauschen aus Wolken unverbundener Atome zu entfernen und diese dann zu neuen Proteinstrukturen anzuordnen. Dieses Modell wurde in Verbindung mit dem vom Baker-Labor entwickelten Software-Tool ProteinMPNN verwendet, das Teil des Institut für Proteindesign an der Universität von Washington.
ProteinMPNN nimmt eine Proteinstruktur als Eingabe und verwendet Deep-Learning-Techniken, um schnell neue Aminosäuresequenzen zu identifizieren, die sich wahrscheinlich zu bestimmten Proteinstrukturen falten.
Spannende Ergebnisse
Die von den Forschern entwickelten Proteine wiesen eine außergewöhnlich hohe Affinität und Spezifität für die Peptide auf, auf die sie ausgerichtet waren. Das bedeutet, dass sie möglicherweise zur Entwicklung von Arzneimitteln verwendet werden könnten, die auf die Ursache einer Krankheit abzielen, anstatt an unbeabsichtigte Ziele zu binden und möglicherweise Nebenwirkungen zu verursachen.
Die Proteinsynthese ist nicht neu, aber dieser neue Ansatz lieferte Proteine, die die höchste jemals gemeldete Interaktionsstärke zwischen einem von einem Computer entworfenen Biomolekül und seinem Ziel erreichen.
David Baker, Professor für Biochemie an der UW Medicine und Forscher am Howard Hughes Medical Institute, war der Hauptautor der Forschungsarbeit.
Baker erläuterte die Bedeutung der Ergebnisse: "Die Fähigkeit, neuartige Proteine mit einer so hohen Bindungsaffinität und Spezifität zu erzeugen, eröffnet eine Welt von Möglichkeiten, von neuen Krankheitsbehandlungen bis hin zu fortschrittlicher Diagnostik."
Es gibt viele Krankheiten, die derzeit mit Antikörpern behandelt werden. Die Herstellung von Antikörpern ist jedoch teuer und sie sind nicht lange haltbar.
Preetham Venkatesh, einer der leitenden Forscher, sagte: "Es gibt viele Krankheiten, die heute nur schwer zu behandeln sind, weil es so schwierig ist, bestimmte Moleküle im Körper nachzuweisen. Als Diagnoseinstrumente könnten designte Proteine eine kostengünstigere Alternative zu Antikörpern darstellen."
Die Forscher konnten ihre Biodesign-Methoden validieren, indem sie Labortests in Zusammenarbeit mit dem Joseph Rogers Lab an der Universität Kopenhagen und dem Andrew Hoofnagle Lab an der UW Medicine durchführten.
Diese Forschung ist ein großartiges Beispiel dafür, wie die KI die Entwicklung neuer Behandlungsmethoden für Krankheiten beschleunigt. Die Arbeit muss noch von Experten begutachtet werden, aber die ersten Ergebnisse sind sehr spannend.
