Eine neue Studie in Natur berichtet über einen KI-gesteuerten Fortschritt in der Biotechnologie mit Auswirkungen auf die Arzneimittelentwicklung, die Erkennung von Krankheiten und die Umweltüberwachung. Wissenschaftler am Institute for Protein Design der University of Washington School of Medicine verwendeten Software, um Proteinmoleküle zu erzeugen, die mit außergewöhnlich hoher Affinität und Spezifität an eine Vielzahl anspruchsvoller Biomarker, einschließlich menschlicher Hormone, binden.
Bemerkenswert ist, dass die Wissenschaftler die höchste Wechselwirkungsstärke erreichten, über die jemals zwischen einem computergenerierten Biomolekül und seinem Ziel berichtet wurde.
Der leitende Autor David Baker, Professor für Biochemie an der UW Medicine und Forscher am Howard Hughes Medical Institute, betonte die möglichen Auswirkungen: „Die Fähigkeit, neuartige Proteine mit solch hoher Bindungsaffinität und Spezifität zu erzeugen, eröffnet eine Welt voller Möglichkeiten, von neuen Krankheitsbehandlungen bis hin zu fortgeschrittenen.“ Diagnostik.“
Das Team unter der Leitung der Baker Lab-Mitglieder Susana Vazquez-Torres, Preetham Venkatesh und Phil Leung machte sich daran, Proteine zu entwickeln, die an Glucagon, Neuropeptid Y, Parathormon und andere helikale Peptidziele binden könnten. Solche Moleküle, die in biologischen Systemen von entscheidender Bedeutung sind, sind für Medikamente und Diagnosewerkzeuge besonders schwer zu erkennen, da ihnen oft stabile Molekülstrukturen fehlen.
Antikörper können zum Nachweis einiger dieser medizinisch relevanten Ziele eingesetzt werden, sind jedoch oft kostspielig in der Herstellung und haben nur eine begrenzte Haltbarkeitsdauer.
„Es gibt viele Krankheiten, die heutzutage nur deshalb schwer zu behandeln sind, weil es so schwierig ist, bestimmte Moleküle im Körper nachzuweisen. Als Diagnosewerkzeuge könnten entwickelte Proteine eine kostengünstigere Alternative zu Antikörpern darstellen“, erklärte Venkatesh.
Die Studie stellt einen neuartigen Proteindesign-Ansatz vor, der fortschrittliche Deep-Learning-Methoden nutzt. Die Forscher präsentieren eine neue Möglichkeit, RFdiffusion, ein generatives Modell zur Schaffung neuer Proteinformen, in Verbindung mit dem Sequenzdesign-Tool ProteinMPNN zu nutzen. Diese im Baker Lab entwickelten Programme ermöglichen es Wissenschaftlern, funktionelle Proteine effizienter als je zuvor herzustellen.
Durch die Kombination dieser Werkzeuge auf neue Weise erzeugte das Team Bindungsproteine, indem es begrenzte Zielinformationen nutzte, beispielsweise nur die Aminosäuresequenz eines Peptids. Die weitreichenden Auswirkungen dieses „Build to fit“-Ansatzes deuten auf eine neue Ära in der Biotechnologie hin, in der KI-generierte Proteine zum Nachweis komplexer Moleküle verwendet werden können, die für die menschliche Gesundheit und die Umwelt relevant sind.
„Wir erleben eine aufregende Ära im Proteindesign, in der fortschrittliche Werkzeuge der künstlichen Intelligenz, wie die in unserer Studie vorgestellten, die Verbesserung der Proteinaktivität beschleunigen. Dieser Durchbruch wird die Landschaft der Biotechnologie neu definieren“, bemerkte Vazquez-Torres .
In Zusammenarbeit mit dem Joseph Rogers Lab an der Universität Kopenhagen und dem Andrew Hoofnagle Lab an der UW Medicine führte das Team Labortests durch, um ihre Biodesign-Methoden zu validieren. Mittels Massenspektrometrie wurden gezielt entwickelte Proteine nachgewiesen, die an Peptide in geringer Konzentration im menschlichen Serum binden, und so das Potenzial für eine empfindliche und genaue Krankheitsdiagnostik demonstriert.
Darüber hinaus behielten die Proteine ihre Zielbindungsfähigkeiten trotz rauer Bedingungen, einschließlich hoher Hitze, bei, eine entscheidende Eigenschaft für die Anwendung in der Praxis.
Um das Potenzial der Methode weiter zu demonstrieren, integrierten die Forscher einen hochaffinen Parathormon-Binder in ein Biosensorsystem und erreichten eine 21-fache Steigerung des Biolumineszenzsignals in Proben, die das Zielhormon enthielten. Diese Integration in ein Diagnosegerät unterstreicht die unmittelbaren praktischen Anwendungen von KI-generierten Proteinen.
Die Studie, die den Zusammenfluss von Biotechnologie und künstlicher Intelligenz verdeutlicht und in beiden Bereichen einen neuen Präzedenzfall schafft, erscheint In Natur mit dem Titel „De novo design of high-affinity binders of bioactive helicalpeptides.“
Mehr Informationen:
Torres, SV et al., De-novo-Design hochaffiner Bindemittel bioaktiver helikaler Peptide, Natur (2023). DOI: 10.1038/s41586-023-06953-1 www.nature.com/articles/s41586-023-06953-1