Suchen

Karlsruher Institut für Technologie

Künstliche Intelligenz bestimmt Proteinstrukturen

| Redakteur: Julia Mutzbauer

Bisher war die Bestimmung von Proteinstrukturen aufwendig und teuer. Forscher des Karlsruher Instituts für Technologie haben nun wohl eine effizientere Methode entwickelt – dabei soll die Struktur der Proteine von einer Künstlichen Intelligenz (KI) vorhergesagt werden.

Die Funktion von Proteinen lässt sich anhand ihrer Gestalt erkennen. Forscher des KIT haben eine Methode entwickelt die Proteinstruktur mit Hilfe von KI vorhersagen zu lassen. Dabei werden Programme der automatisierten Sprachübersetzung eingesetzt.
Die Funktion von Proteinen lässt sich anhand ihrer Gestalt erkennen. Forscher des KIT haben eine Methode entwickelt die Proteinstruktur mit Hilfe von KI vorhersagen zu lassen. Dabei werden Programme der automatisierten Sprachübersetzung eingesetzt.
( © Design Cells - stock.adobe.com )

Proteine (Eiweiße) sind in jeder Zelle des menschlichen Körpers zu finden und spielen dabei eine wichtige Rolle. Beispielsweise bei der Blutgerinnung und als Hauptbestandteil von Haaren oder Muskeln. Proteine können dabei je nach Form mit anderen Molekülen durch Eindringen oder Umschließen interagieren. An ihrer Gestalt lässt sich erkennen, welche Funktion sie erfüllen.

Forscher des Steinbuch Centre for Computing (SCC), das Rechenzentrum des Karlsruher Instituts für Technologie (KIT) haben nun eine neue Methode entwickelt, die diese Proteinstruktur mithilfe von Künstlicher Intelligenz (KI) vorhersagen kann. Das Forscher-Team hat der KI beigebracht, welche Kopplungen in bekannten Proteinsequenzen in der Evolution erfolgreich waren.

Dafür haben die Forscher erst einmal Datenbanken für Proteinsequenzen durchkämmt und gleiche Proteine unterschiedlicher Spezies verglichen. Zum Beispiel ist Hämoglobin, das im menschlichen Körper für den Transport von Sauerstoff zuständig ist, auch bei anderen Lebewesen vorhanden. Die Paarungen der Proteine können sich bei verschiedenen Organismen unterscheiden aber die Eigenschaften des Proteins bleiben gleich.

„Wir erwarten, dass das System so auch Rückschlüsse auf den Aufbau unbekannter Proteinsequenzen ziehen kann“, so der Datenanalyst des SCC, Markus Götz. Laut Götz sei es sehr einfach zu bestimmen, aus welchen Aminosäuren eine Proteinkette besteht. Hierbei ergänzt Alexander Schug vom SCC: „Proteinstrukturen direkt experimentell zu bestimmen, ist aber sehr aufwendig und kostet Millionen“.

Der Ansatz, Kontakte in Proteinen von einer KI vorhersagen zu lassen, sei nicht ganz neu. Laut Götz werden aktuell dafür Methoden aus der Bildverarbeitung eingesetzt. Für die neuralen Netzwerke seien Muster gut erkennbar. Jedoch seien bei der Proteinstruktur besonders Kontakte, die weit auseinander liegen entscheidend, da sie beim Falten einen stärkeren Einfluss auf die Form haben.

„Daher verfolgen wir stattdessen einen Ansatz aus der automatisierten Sprachübersetzung. Wir betrachten die Aminosäureketten als Sätze, die in eine andere Sprache übersetzt werden“, erklärt Götz. Die sogenannten „Self-Attention Neural Networks“ kommen in populären Übersetzungsprogrammen zum Einsatz. Diese erkennen die Teile des Satzes, die miteinander in Beziehung stehen und im Proteinkontext, welche Aminosäuren einen Kontakt miteinander bilden.

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 46096269)

Dr. Shafi Ahmed; Universitätsmedizin Essen; gemeinfrei; ©Kateryna_Kon - stock.adobe.com; Design Cells - stock.adobe.com; Apple; wearHealth AG; GE Healthcare; Sozialministerium; ©BillionPhotos.com - stock.adobe.com; elenabsl - stock.adobe.com; Otto-von-Guericke-Universität Magdeburg, Fotograf: Jana Dünnhaupt; TMF e.V.; mast3r - stock.adobe.com; adam121 – stock.adobe.com; Romolo Tavani - stock.adobe.com; alexey_boldin - stock.adobe.com; Maxim; j-mel - stock.adobe.com; Jaiz Anuar - stock.adobe.com; Socura; Vogel IT-Medien; contrastwerkstatt - stock.adobe.com; Volkmar Könneke ; aga7ta – Fotolia