Forscher des Lawrence Berkeley National Laboratory haben gemeinsam mit einem internationalen Team unter der Leitung von Carnegie Mellon University ein neues Programm zur Analyse von Proteinen entwickelt. Die Veröffentlichung in der Fachzeitschrift Nature Communications beschreibt dieses Werkzeug, das auf künstlicher Intelligenz und Quantenmechanik basiert. Es trägt die Bezeichnung AQuaRef, abgeleitet von AI-enabled Quantum Refinement. Ziel ist es, die Struktur von Proteinen schneller und präziser zu bestimmen als mit bisherigen Methoden. Proteine sind fundamental für biologische Prozesse. Ihre genaue räumliche Anordnung gibt Aufschluss darüber, wie sie funktionieren oder wie sie im Falle von Krankheiten versagen. Die Aufklärung der Proteinstruktur ist daher ein zentraler Schritt in der medizinischen Forschung und der Entwicklung neuer Medikamente. Bisher war diese Analyse jedoch oft mit erheblichen rechnerischen Einschränkungen verbunden. Die herkömmlichen Methoden kombinieren experimentelle Daten aus Techniken wie der Röntgenkristallographie und der Kryo-Elektronenmikroskopie mit theoretischen Modellen. Diese Ansätze stoßen jedoch an Grenzen, insbesondere wenn es um nichtkovalente Wechselwirkungen geht, die für die Stabilität der Proteinstruktur essenziell sind. AQuaRef umgeht diese Limitierungen, indem es maschinelles Lernen mit quantenmechanischen Berechnungen verknüpft. Das System integriert maschinelle Lernmodelle, die an der Carnegie Mellon University entwickelt wurden, in die Software-Suite Phenix. Phenix ist ein weit verbreitetes Tool in der Strukturbiologie zur Erstellung realistischer Computermodelle von Makromolekülen. Durch die Kombination von KI und präzisen physikalischen Rechnungen kann AQuaRef die Position von Atomen und Elektronen mit bisher unerreichter Genauigkeit vorhersagen. Dies macht quantitative Verfeinerungen möglich, die zuvor zu rechenintensiv waren. In einer Studie testeten die Forscher das neue Programm an 71 verschiedenen Experimenten. Die Ergebnisse zeigten, dass AQuaRef bei deutlich geringerem Rechenaufwand qualitativ hochwertigere Strukturinformationen liefert als herkömmliche Verfahren. Gleichzeitig blieb die Übereinstimmung mit den experimentellen Daten gleichwertig oder übertraf diese sogar. Ein besonders wichtiger Testfall war das Protein DJ-1, das mit bestimmten Formen der Parkinson-Krankheit in Verbindung steht. Die Struktur dieses Proteins galt als schwer zu kartieren. AQuaRef konnte jedoch erfolgreich die Position von Protonen bestimmen, ein Detail, das für das Verständnis der Proteinfunktion entscheidend ist. Nigel Moriarty, einer der beteiligten Forscher des Lawrence Berkeley National Laboratory, betonte die Bedeutung dieser Entwicklung. Er verglich die Rolle von Proteinen im menschlichen Körper mit der Bedeutung von Hieroglyphen für das Verständnis alter Zivilisationen. Nur durch das Entschlüsseln ihrer Struktur lassen sich Krankheitsmechanismen identifizieren oder Prozesse in Pflanzen für die Energiegewinnung nutzen. Mit AQuaRef verschiebt sich das Paradigma in der Bestimmung von Proteinstrukturen. Das Forschungsteam plant nun, den Anwendungsbereich des Programms zu erweitern. Zukünftig sollen verschiedene Proteinstrukturen untersucht werden, die für die pharmazeutische Arzneimittelentwicklung relevant sind. Die Auswirkungen dieser Technologie reichen weit über die menschliche Gesundheit hinaus. Sie könnte dazu beitragen, den Mechanismus der Photosynthese besser zu verstehen, was die Produktivität von Nutzpflanzen steigern könnte. Zudem ermöglicht sie die Kartierung von Proteinen in Pflanzen, was wiederum die Forschung im Bereich der Biokraftstoffe vorantreiben könnte. Die Entwicklung markiert einen signifikanten Fortschritt in der computergestützten Biochemie und eröffnet neue Wege für wissenschaftliche Entdeckungen.