Google DeepMind enthüllt AlphaProteo: KI zur Proteindesign-Revolution

MÜNCHEN (IT BOLTWISE) – Google DeepMind hat mit AlphaProteo ein neues KI-System vorgestellt, das in der Lage ist, neuartige Proteine zu entwerfen, die gezielt an bestimmte Moleküle binden können. Dies könnte einen bedeutenden Fortschritt in der Wirkstoffforschung und Krankheitsbekämpfung darstellen.

AlphaProteo kann Proteinbindungen für eine Vielzahl von Zielproteinen entwerfen, darunter VEGF-A, das mit Krebs und Diabeteskomplikationen in Verbindung steht. Zum ersten Mal konnte ein KI-System eine erfolgreiche Bindung an VEGF-A entwerfen, was die Forschung in diesen Bereichen maßgeblich vorantreiben könnte.

Das System zeigt dabei eine beeindruckende Leistung, indem es experimentelle Erfolgsquoten und Bindungsstärken erreicht, die bis zu 300 Mal besser sind als bei herkömmlichen Methoden. Insgesamt wurden sieben Zielproteine getestet, bei denen AlphaProteo in vitro deutliche Erfolge erzielte:

• BHRF1 – 88% Erfolgsquote
• SC2RBD
• IL-7RA
• PD-L1
• TrkA
• IL-17A
• VEGF-A

AlphaProteo wurde mit umfangreichen Daten aus der Protein-Datenbank und über 100 Millionen von AlphaFold vorhergesagten Proteinstrukturen trainiert. Diese Daten ermöglichten es dem System, komplexe Molekülbindungen zu verstehen. Anhand der Struktur eines Zielmoleküls und bevorzugter Bindungsstellen generiert AlphaProteo neue Proteine, die speziell für diese Bindungsstellen entworfen wurden.

Um die Leistungsfähigkeit des Systems zu validieren, testete das DeepMind-Team Proteinbindungen an einer breiten Palette von Zielproteinen. Diese reichen von viralen Proteinen, die bei Infektionen eine Rolle spielen, bis hin zu Proteinen, die mit Krebs, Entzündungen und Autoimmunerkrankungen in Verbindung stehen. Die Ergebnisse waren vielversprechend: Die Bindungsstärken und Erfolgsquoten waren durchweg hoch.

So gelang es AlphaProteo beispielsweise, 88% seiner entworfenen Moleküle erfolgreich an das virale Protein BHRF1 zu binden. Im Durchschnitt waren die von AlphaProteo entworfenen Bindungen 10 Mal stärker als die besten bestehenden Designmethoden für die getesteten Zielproteine.

Diese beeindruckende Leistung deutet darauf hin, dass AlphaProteo den zeitlichen Aufwand für anfängliche Experimente mit Proteinbindungen erheblich verkürzen könnte, was für zahlreiche Anwendungen in der Biotechnologie von Bedeutung ist. Dennoch hat das System auch seine Grenzen: Es konnte keine erfolgreichen Bindungen an das Protein TNFɑ entwerfen, welches bei Autoimmunerkrankungen wie rheumatoider Arthritis eine Rolle spielt.

Google DeepMind arbeitet bereits mit externen Experten zusammen, um eine verantwortungsbewusste Weiterentwicklung sicherzustellen. Ein schrittweiser Ansatz zur Veröffentlichung der Forschungsergebnisse wird verfolgt, und es wird aktiv an der Entwicklung von Best Practices gearbeitet, unter anderem im Rahmen des neuen AI Bio Forum der NTI.

In Zukunft plant das Team, AlphaProteo in enger Zusammenarbeit mit der wissenschaftlichen Gemeinschaft auf biologisch relevante Fragestellungen anzuwenden und weiterzuentwickeln. Außerdem wird an der Erforschung von Anwendungsmöglichkeiten im Bereich des Wirkstoffdesigns bei Isomorphic Labs gearbeitet.

Obwohl AlphaProteo einen bedeutenden Fortschritt im Bereich des Proteindesigns darstellt, ist die Entwicklung starker Bindungen nur der erste Schritt. In der biotechnologischen Forschung und Entwicklung müssen noch viele weitere Herausforderungen gemeistert werden, bevor diese Fortschritte in der Praxis Anwendung finden können.

Dennoch bietet Google DeepMinds neuer Ansatz enormes Potenzial, um die Fortschritte in der Wirkstoffentwicklung, bei der Zell- und Gewebedarstellung, im Verständnis von Krankheiten und ihrer Diagnose sowie im Bereich der Resistenz gegen Schädlinge in der Landwirtschaft zu beschleunigen.

Die vollständige AlphaProteo-Studie ist hier verfügbar (PDF) AlphaProteo Whitepaper.