Im auch dem Normalbürger gut bekannten wissenschaftlichen Fachmagazin «Nature» ist wieder mal Bahnbrechendes veröffentlicht worden.
Ein Forschungsteam der Universität Basel hat eine grosse Menge von bislang nicht beschriebenen Proteinen entdeckt. Dank der jüngsten Entwicklungen im «Deep Learning» gelang es den Baslern, Hunderte neue Proteinfamilien und sogar eine neue Art der Proteinfaltung aufzudecken.
In den vergangenen Jahren hat «AlphaFold» die Proteinforschung revolutioniert. Diese Künstliche Intelligenz (KI) wurde mit Daten von Proteinen gefüttert, die Wissenschaftlerinnen und Wissenschaftler in mehr als 50 Jahren! zusammengetragen haben.
Durch dieses Training war «AlphaFold» nun in der Lage, die dreidimensionale Gestalt von Proteinen mit einer sehr hohen Genauigkeit vorherzusagen.
Im letzten Jahr konnte man mithilfe der KI die Strukturen von etwa 215 Millionen Proteinen! prognostizieren. Dies erlaubt Einblicke in die Struktur nahezu aller Proteine. Interessant ist dies vor allem für Proteine, die bisher noch nicht genauer experimentell untersucht wurden – ein aufwändiger und langwieriger Prozess.
«Es gibt inzwischen sehr viele Quellen, in denen man Informationen zu Proteinen finden kann. Sie liefern wertvolle Erkenntnisse darüber, wie sich Proteine entwickeln und wie sie funktionieren», sagt Frau Joana Pereira, Leiterin dieser Studie. Dennoch stand die Forschung lange Zeit vor einem «Daten-Dschungel». Dem Forschungsteam von Prof. Dr. Torsten Schwede am Biozentrum der Universität Basel und Forschungsleiter am Swiss Institute of Bioinformatics (SIB) ist es nun erstmals gelungen, einen Teil dieser verborgenen Informationen zu entschlüsseln.
Die Forschenden haben ein interaktives Netzwerk bestehend aus 53 Millionen Proteinen, deren Struktur «AlphaFold» mit hoher Qualität modelliert hat, aufgebaut. «Dieses Netzwerk ist eine wertvolle Quelle, um im grossen Massstab unbekannte Proteinfamilien und deren Funktionen theoretisch vorherzusagen.», unterstreicht Erstautorin Dr. Janani Durairaj.
Auf diese Weise entdeckte das Team 290 neue Proteinfamilien und eine neue Art der Proteinfaltung. Sie kommt der Form einer Blume sehr nahe.
Auf Basis der Expertise der Forschungsgruppe von Torsten Schwede bei der Entwicklung und dem Unterhalt der Software SWISS-MODEL zur Proteinmodellierung, stellten sie das neu entwickelte Netzwerk als interaktive Plattform im Internet zur Verfügung. Diese wird als «Protein Universe Atlas» bezeichnet.
Schliesslich setzten die Forschenden auf Deep Learning Tools, um in diesem Netzwerk nach Informationen zu suchen, die neue Wege für Innovationen in den Biowissenschaften und Biotechnologie ebnen.
«Um neue Wirkstoffe für Medikamente zu finden oder mit biotechnologischen Verfahren die Funktion von Proteinen zu verändern, müssen wir zuerst die Struktur von Proteinen kennen und verstehen, wie sie funktionieren.», sagt Frau Pereira.
Das Swiss Institute of Bioinformatics förderte das Forschungsprojekt mit einem «Kickstarter» Grant, der ins Leben gerufen wurde, um den Einsatz von KI in den Biowissenschaften voranzubringen. Sie unterstreicht das transformative Potenzial von Deep Learning und der intelligenten Algorithmen in der Forschung.
Mit dem oben erwähnten «Protein Universe Atlas» können Wissenschaftlerinnen und Wissenschaftler weltweit nun mehr über die für ihre Forschung relevanten Proteine erfahren.
«Wir hoffen, dass diese neue Plattform nicht nur Forschenden und Biokuratoren, sondern auch Studierenden und Lehrenden helfen wird, mehr über die Proteinvielfalt zu lernen, von der Struktur über die Funktion bis hin zur Evolution.», fügt Janani Durairaj hinzu.
KI hat sich hier als sinnvolles & wertvolles Werkzeug für die Forschung erwiesen!
Quelle:
Janani Durairaj, Andrew M. Waterhouse, Toomas Mets, Tetiana Brodiazhenko, Minhal Abdullah, Gabriel Studer, Gerardo Tauriello, Mehmet Akdel, Antonina Andreeva, Alex Bateman6, Tanel Tenson, Vasili Hau
ryliuk, Torsten Schwede, Joana PereiraUncovering new families and folds in the natural protein universe.
Nature (2023), doi: 10.1038/s41586-023-06622-3
Foto:
Author Profile
