Direkt zum Inhalt
Login erforderlich
Dieser Artikel ist Abonnenten mit Zugriffsrechten für diese Ausgabe frei zugänglich.

Molekularbiologie: Das Geheimnis der Proteinfaltung

Eine künstliche Intelligenz hat eines der kniffligsten Probleme der Molekularbiologie gelöst: die Vorhersage der dreidimensionalen Architektur von Proteinen. Das hat weit reichende Implikationen für Medizin und Biowissenschaften, denn die Eiweißmoleküle sind praktisch an allen Funktionen lebender Organismen beteiligt.
Insulinmolekül

Im Sommer 2020 versetzte eine Nachricht die biowissenschaftliche Gemeinschaft – mich eingeschlossen – in Aufregung: Einer künstlichen Intelligenz (KI) namens AlphaFold2 war es gelungen, die Struktur von etlichen Eiweißmolekülen mit bis dahin unerreichter Genauigkeit vorherzusagen. Seit 1994 messen sich Forschergruppen aus aller Welt auf einem alle zwei Jahre stattfindenden Wettbewerb namens Critical Assessment of Protein Structure Prediction, kurz CASP. Alle Teilnehmer bekommen Sequenzen aus Aminosäuren vorgelegt. Anhand dieser müssen sie dann die dreidimensionale Architektur des zugehörigen Proteins prognostizieren.

Aminosäuren bilden die Grundbausteine von Proteinen; sie formen lange Ketten, die sich zu äußerst komplexen Gebilden falten. Erst die einzigartige räumliche Struktur definiert die Funktion eines solchen Moleküls. Daher ist Kenntnis darüber in vielen Bereichen der Biologie und Medizin von hohem Interesse. Allerdings stellt die Vorher­sage der Proteinfaltung lediglich anhand der Aminosäure­sequenz Fachleute seit Jahrzehnten vor große Schwierigkeiten. Es war sogar lange nicht einmal klar, ob die Information über die Abfolge der einzelnen Bestandteile überhaupt ausreicht, um die finale Gestalt eines Eiweißmoleküls exakt zu bestimmen.

Im Jahr 2018 nahm dann erstmals die KI »AlphaFold« am CASP-Wettstreit teil …

Kennen Sie schon …

Spektrum der Wissenschaft – Spezial Physik - Mathematik - Technik 3/2021: Algorithmen für die Zukunft

Algorithmen für die Zukunft - Beweisführung: Mathematiker aus Silizium • Arzneimittel: Automatisiert zu neuen Medikamenten • Neuronale Netze: Der gesunde Maschinenverstand

Spektrum Kompakt – Algorithmen im Alltag

Sie unterstützen bei der ärztlichen Diagnose, bringen Filmstars ins Kino, die nie am Set waren, steuern im Hintergrund, was wir als Empfehlungen auf unseren Monitoren sehen, und vieles mehr: Algorithmen, klar formulierte Abfolgen einzelner Schritte in Programmen, stecken überall in unserem Alltag.

Spektrum Kompakt – Science not fiction - Die Welt der Technik

Ist das noch Sciencefiction oder schon Realität? Bei manchen technischen Fortschritten erleben wir gerade den Übergang. Und auch wenn Warp-Antrieb oder Städte im All noch auf sich warten lassen: Die theoretischen Grundlagen werden längst in der Wissenschaft diskutiert.

Lesermeinung

Beitrag schreiben

Wir freuen uns über Ihre Beiträge zu unseren Artikeln und wünschen Ihnen viel Spaß beim Gedankenaustausch auf unseren Seiten! Bitte beachten Sie dabei unsere Kommentarrichtlinien.

Tragen Sie bitte nur Relevantes zum Thema des jeweiligen Artikels vor, und wahren Sie einen respektvollen Umgangston. Die Redaktion behält sich vor, Leserzuschriften nicht zu veröffentlichen und Ihre Kommentare redaktionell zu bearbeiten. Die Leserzuschriften können daher leider nicht immer sofort veröffentlicht werden. Bitte geben Sie einen Namen an und Ihren Zuschriften stets eine aussagekräftige Überschrift, damit bei Onlinediskussionen andere Teilnehmer sich leichter auf Ihre Beiträge beziehen können. Ausgewählte Lesermeinungen können ohne separate Rücksprache auch in unseren gedruckten und digitalen Magazinen veröffentlicht werden. Vielen Dank!

  • Quellen

Gremer, L. et al.: Fibril structure of amyloid-ß(1-42) by cryo-­electron microscopy. Science 358, 2017

Jumper, J.: Highly accurate protein structure prediction with AlphaFold. Nature 596, 2021

Lindorff-Larsen, K. et al.: How fast-folding proteins fold. ­Science 334, 2011

Röder, C. et al.: Cryo-EM structure of islet amyloid polypeptide fibrils reveals similarities with amyloid-ß fibrils. Nature Structural & Molecular Biology 27, 2020

Senior, A. W. et al.: Improved protein structure prediction using potentials from deep learning. Nature 577, 2020

Tunyasuvunakool, K. et al.: Highly accurate protein structure prediction for the human proteome. Nature 596, 2021