Markt + Trends | KI / Data Science | iX

Durchbrüche bei KI-gestützter 3-D-Modellierung von Proteinen

AlphaFold prognostiziert 3-D-Strukturen fast aller bekannten Proteine, Meta stellt mit ESMFold ein schnelles Prognosemodell vor und RoseTTAFold „erfindet“ Proteine passend zur gewünschten Funktion.

DeepMinds KI AlphaFold hat ein Jahr nach seiner Freigabe die 3-D-Struktur fast aller Proteine vorhergesagt, die der Wissenschaft bekannt sind. In einer eigens dafür eingerichteten Datenbank liegen jetzt die Ergebnisse für 214 Millionen natürlich vorkommende Proteine vor. Ein Jahr zuvor waren erst eine Million Strukturen ermittelt. DeepMind, ein Tochterunternehmen von Alphabet, hat die Datenbank zusammen mit dem European Molecular Biology Laboratory’s European Bioinformatics Institute (EMBL-EBI) eingerichtet.

Nach Angaben des EMBL-EBI gelten 35 Prozent der Prognosen als sehr genau und damit als genauso gut wie experimentell ermittelte Strukturen, bei weiteren 45 Prozent genügt die Prognosequalität für Aussagen über ihre Funktion. Die Aufklärung beziehungsweise Prognose der räumlichen Proteinstrukturen ist eines der zentralen Probleme in der Biologie. Während die DNA nur die Reihenfolge der Aminosäuren im Protein codiert, bestimmt die räumliche Faltung der Aminosäureketten die biologische Funktion der Eiweiße. Diese ist (bei in Ruhe befindlichen Molekülen) reproduzierbar, hängt aber von extrem vielen Parametern ab.