KI überträgt Proteinwissen auf mRNA-Design
Das Forschungsteam um Dr. Xu Gang von der Fudan University und Opus Bio hat mit den KI-Modellen ProtRNA und ProtmRNA einen signifikanten Durchbruch in der bioinformatischen RNA-Forschung erzielt. Angestoßen durch die Erkenntnis, dass Protein-KI-Modelle bereits umfangreiche physikalisch-chemische und evolutionäre Muster gelernt haben, wandte das Team eine Kreuzmodale-Transfer-Strategie an, um das traditionelle Datenknappheitsproblem in der RNA-Biologie zu umgehen. Das 2025 in Cell Systems veröffentlichte ProtRNA nutzt das etablierte Protein-Sprachmodell ESM-2 als Grundlage und überträgt dessen erlernte Kontextbeziehungen auf RNA-Sequenzen. Durch diesen Ansatz reduziert sich der Trainingsaufwand erheblich: ProtRNA benötigt lediglich etwa ein Achtel der Parameter und ein Sechstel der RNA-Daten im Vergleich zu spezialisierten State-of-the-Art-Modellen, übertrifft diese jedoch in der Strukturvorhersage. Im Mai 2026 folgte ProtmRNA, das speziell auf die Optimierung von mRNA-Codonregionen ausgelegt ist. Durch die Erweiterung der Aminosäure- auf eine Codon-Wortschatzebene ermöglicht das Modell präzise Vorhersagen zur Stabilität und Expression von mRNA-Therapeutika. Die Validierung zeigte signifikante Verbesserungen bei der Degradationsvorhersage von Impfstoff-RNA um 26,7 Prozent sowie bei der Stabilitäts- und Expressionsprognose. Dieser methodische Shift ist besonders relevant für den aktuellen Pharmamarkt, in dem personalisierte mRNA-Krebstherapeutika und Impfstoffe rasch an Bedeutung gewinnen. Die KI-gestützte Sequenzoptimierung reduziert den Bedarf an trial-and-error-Experimenten, beschleunigt die präklinische Phase und senkt Entwicklungskosten. Opus Bio integriert diese Algorithmen nahtlos in ein geschlossenes Dry-Wet-Loop-System. Unter der Leitung von CEO Prof. Dr. Ma Jianpeng fließen experimentelle Erfolgs- und Fehldaten direkt zurück in die Modelliteration. Diese enge Verzahnung von Berechnung und experimenteller Validierung schafft einen langfristigen datentechnischen Wettbewerbsvorteil, der reine Software-Anbieter aufgrund fehlender biologischer Validierungszyklen nicht aufbauen können. Das Team profitiert dabei von der strategischen Einbindung renommierter Strukturbiologen wie dem Nobelpreisträger Michael Levitt und Alan Fersht, die physikalisch-chemische Constraints in die KI-Architektur einbringen. Neben der aktuellen Fokussierung auf Antikörperdesign erweitert Opus Bio die Plattformkompetenz gezielt auf mRNA-Plattformen, Gen-Therapie-Vektoren und synthetische Biologie. Die Cross-Modal-Transfer-Strategie etabliert sich damit als skalierbarer Ansatz, der KI-gestützte Wirkstoffentwicklung von der computergestützten Vorhersage hin zu klinisch validierten Therapeutika führt.
