Wegbereiter für neue Behandlungen mit einem Werkzeug, das 3D-Strukturen von Proteinkomplexen aufbaut

Ein Forscher der University of Missouri hat ein Computerprogramm entwickelt, das die Geheimnisse der Zusammenarbeit von Proteinen entschlüsseln kann – und den Wissenschaftlern so wertvolle Erkenntnisse liefert, die ihnen helfen, Krebs und andere Erkrankungen besser vorzubeugen, zu diagnostizieren und zu behandeln.

Jianlin „Jack“ Cheng vom Mizzou College of Engineering und sein Student Nabin Giri haben ein Werkzeug namens Cryo2Struct entwickelt, das künstliche Intelligenz (KI) verwendet, um die dreidimensionale Atomstruktur großer Proteinkomplexe zu erstellen. veröffentlicht In NaturkommunikationDas Modell verwendet Daten aus Bildern gefrorener Moleküle, die mit leistungsstarken Mikroskopen aufgenommen wurden, oder aus Kryo-Elektronenmikroskopie-Bildern (Kryo-EM).

„Kryo-EM ist derzeit eine revolutionäre Schlüsseltechnologie zur Bestimmung großer Proteinstrukturen und -ansammlungen in Zellen“, sagte Cheng, ein angesehener Professor der Kuratoren für Elektrotechnik und Informatik.

„Aber der Aufbau von Proteinstrukturen aus Kryo-EM-Daten ist arbeitsintensiv und erfordert viel menschliches Eingreifen, was den Prozess zeitaufwändig und schwer reproduzierbar macht. Unsere Technik ist vollautomatisch und erzeugt genauere Strukturen als bestehende Methoden.“

Proteine ​​vorhersagen

Um die Bedeutung dieser Arbeit zu verstehen, muss man ein wenig über Proteine ​​und den jahrzehntelangen Kampf um ihr Verständnis wissen.

Proteine ​​sind die Bausteine ​​des Lebens. Sie beginnen als Aminosäureketten, die sich zu dreidimensionalen Formen falten. Diese Formen bestimmen, wie ein Protein funktioniert.

Mehr als 50 Jahre lang stellte dieser Faltprozess die Forscher vor Rätsel.

Cheng war einer der ersten, der Deep Learning, eine Form der künstlichen Intelligenz, auf dieses Problem anwandte. 2012 demonstrierte er ein KI-basiertes Modell, das bewies, dass Deep Learning Proteinstrukturen vorhersagen kann. Die Arbeit ebnete den Weg für bahnbrechende Fortschritte, darunter Googles AlphaFold, das heute als das weltweit genaueste Tool zur Vorhersage von Proteinstrukturen gilt.

Doch die Vorhersage einer einzelnen Proteinstruktur ist nur die Hälfte des Problems. In der realen Welt arbeiten Proteine ​​als molekulare Maschinen zusammen, die komplizierte biologische Funktionen ausführen. Das Verständnis der Proteininteraktionen ist von entscheidender Bedeutung, da sie bestimmen, wie sich Krankheiten entwickeln, und Wissenschaftlern helfen, herauszufinden, wie sie diese am besten behandeln können.

Den Code knacken

Chengs Cryo2Struct funktioniert ein bisschen wie ein Detektiv, der einen Fall ohne Hinweise löst.

Das System analysiert Kryo-EM-Bilder und identifiziert die einzelnen Atome und ihre Positionen innerhalb eines Proteinkomplexes, selbst wenn die Struktur nicht bekannt ist. Das System kann diese Atome dann zu einem vollständigen 3D-Modell von Proteinkomplexen zusammensetzen und so Einblicke in die Funktionsweise von Proteinen geben.

„Unsere Technologie ermöglicht es Wissenschaftlern, aus Kryo-EM-Daten eine Struktur zu bestimmen und aufzubauen“, sagte Cheng. „Sobald man diese Struktur hat und ihre Funktionen versteht, kann man Medikamente entwickeln, um Fehlfunktionen eines Proteinkomplexes auszugleichen und ihn wieder richtig funktionieren zu lassen.“

In einem Verwandtes Dokument veröffentlicht in KommunikationschemieCheng und sein Student Alex Morehead erforschten eine andere KI-Methode, ein sogenanntes Diffusionsmodell. Dabei wird modelliert, wie sich Molekülstrukturen aus zufälligem Rauschen zu wohldefinierten Formen entwickeln. Diese Methoden können Wissenschaftlern dabei helfen, kleine Moleküle, darunter auch Medikamente, zu erzeugen und zu optimieren und zu bestimmen, wie und wo diese Medikamente an Proteine ​​binden.

„Ich habe zum Beispiel ein Medikament und möchte, dass es bei einigen Patienten besser wirkt“, sagte Cheng. „Jetzt kann ich KI nutzen, um es zu ändern und zu optimieren.“

Mizzous interdisziplinäre Ressourcen haben den Durchbruch möglich gemacht. Cheng ist Forscher bei NextGen Precision Health, wo er Zugang zu Kryo-EM und hochauflösender Elektronenmikroskopie hat.

„Die Möglichkeiten bei Mizzou, mit anderen Forschern zusammenzuarbeiten und hochmoderne Geräte zu nutzen, sind beispiellos“, sagte er. „Bei NextGen arbeiten wir alle daran, die hochindividuelle Gesundheitsversorgung voranzutreiben, und Technologien wie Cryo2Struct werden dazu beitragen, dies zu ermöglichen.“