Künstliche Intelligenz schreibt die Regeln des Protein-Designs neu
Proteine sind die Maschinerie des Lebens, und neue, künstliche Proteine zu entwerfen war jahrzehntelang ein langsames und teures Handwerk. KI hat das in nur wenigen Jahren völlig auf den Kopf gestellt.
Jeder Prozess in einer lebenden Zelle wird von Proteinen angetrieben. Sie bauen Nahrung ab, übermitteln Signale, reparieren DNA-Schäden, errichten Zellwände und vernichten krankheitserregende Eindringlinge. Proteine sind außerdem die Wirkstoffe in den meisten modernen Medikamenten. Wer Proteine gezielt entwerfen kann, kann im Prinzip neue biologische Funktionen erschaffen: Medikamente, die präziser wirken, Enzyme, die schneller abgebaut werden, Moleküle, die den Schäden des Alterns entgegenwirken.
Doch Proteine sind außerordentlich komplex. Das durchschnittliche menschliche Protein besteht aus Hunderten von Aminosäuren, die in einer exakten Abfolge angeordnet sind und sich dann zu einer dreidimensionalen Form falten. Schon kleine Veränderungen in dieser Sequenz können die Funktion vollständig zerstören. Ein funktionsfähiges neues Protein von Hand zu entwerfen dauerte früher Jahre -- eine Kombination aus biochemischer Intuition, kristallografischer Forschung und endlosem Ausprobieren.
Was KI verändert
Die KI-Revolution im Protein-Design begann mit AlphaFold, dem System von Google DeepMind, das 2021 das jahrzehntealte Protein-Faltungsproblem im Wesentlichen löste: die dreidimensionale Struktur eines Proteins aus seiner Aminosäuresequenz vorherzusagen. Das allein war ein Durchbruch. Eine aktuelle Analyse in Science beschreibt jedoch, wie KI nun auch die umgekehrte Frage beantworten kann -- nicht welche Struktur einer bestimmten Sequenz entspricht, sondern welche Sequenz nötig ist, um eine gewünschte Struktur und Funktion zu erzeugen. Dies ist als das "inverse Problem" bekannt und steht im Mittelpunkt des echten Protein-Designs.
Mit Werkzeugen wie RFdiffusion und ProteinMPNN können Forschende heute Proteine entwerfen, die in der Natur nicht vorkommen, aber dennoch in der Lage sind, bestimmte Aufgaben zu erfüllen. In Labortests erwies sich ein beträchtlicher Anteil der KI-entworfenen Proteine als funktionsfähig -- eine Erfolgsquote, die lange Zeit undenkbar gewesen wäre. Die Konsequenzen für Medizin und Biotechnologie sind erheblich: schnellere Entwicklung von Therapien, günstigere Herstellung biologischer Wirkstoffe und potenziell neue Ansätze zur Behandlung von Krankheiten, gegen die es bisher keine wirksame Therapie gibt.
Der Zusammenhang mit dem Altern
Für die Alternsforschung ist das besonders relevant. Viele der Prozesse, die das Altern vorantreiben, sind protein-abhängig: die Ansammlung fehlgefalteter Proteine im Gehirn bei Alzheimer und Parkinson, der Rückgang enzymatischer Reparaturprozesse, die Fehlfunktion der Mitochondrien. Wenn KI den Werkzeugkasten für das Protein-Design erheblich erweitert, eröffnet das neue Wege für Interventionen, die bislang unerreichbar waren. Ob und wie schnell sich diese Möglichkeiten in klinische Anwendungen übersetzen lassen, ist eine andere Frage -- doch die Beschleunigung ist unverkennbar.