KI-gestützte Protein-Neugestaltung revolutioniert gerichtete Evolution und Enzymdesign Die gerichtete Evolution von Enzymen bietet zentralen Ansatzpunkte für biomedizinische Forschung, Therapien und industrielle Syntheseprozesse. Ein fundamentales Hindernis natürlicher Proteine liegt dabei in ihrer oft marginalen Stabilität, welche die Ansammlung funktionsfördernder Mutationen erschwert und häufig zu einem Verlust der korrekten Faltung führt. Um dieses Problem zu lösen, haben Wissenschaftler ein hybrides Verfahren vorgestellt, das algorithmisches Sequenzdesign mit der phagenassistierten Kontinuierlichen Evolution (PACE) verbindet. Im Kern nutzt der Ansatz maschinelle Lernmodelle wie ProteinMPNN sowie physikalische Energiefunktionen wie PROSS, um die Sequenz natürlicher Protease-Ausgangsvarianten computergestützt zu stabilisieren, ohne deren katalytische Aktivität zu beeinträchtigen. Diese KI-optimierten Startproteine fungieren als robustes Fundament für nachfolgende Laborevolutionen. In systematischen Vergleichsstudien mit Botulinumtoxin-Proteasen erwiesen sich die designten Varianten als deutlich überlegen: Sie wiesen eine signifikant verbesserte Löslichkeit, höhere thermische Stabilität und effizientere Kinetik auf. Die Integration beschleunigte die Adaptation an neue Substrate erheblich. Während natürliche Startenzyme bei komplexen evolutionären Herausforderungen oft scheiterten oder auf aufwändige kompensatorische Mutationen angewiesen waren, ermöglichte die höhere Stabilität der KI-Varianten die direkte Nutzung destabilisierender, jedoch aktivitätssteigernder Mutationen. Dies erweiterte die zugängliche Fitness-Landschaft und führte zu einer höheren Erfolgswahrscheinlichkeit sowie zu überlegenen Endaktivitäten in allen getesteten Evolutionskampagnen. Als praktische Anwendung demonstrierte das Forscherteam die Entwicklung hochspezifischer Proteasen gegen Ataxin-2, ein Schlüsselprotein bei der Entstehung neurodegenerativer Erkrankungen. Die aus KI-designten Startpunkten evolvierten Enzyme spalteten das Zielprotein effizienter und mit nahezu eliminerter Kreuzreaktivität gegenüber natürlichen Substraten. In zellulären Testsystemen führte dies zu überlegener therapeutischer Spezifität, höherer Proteinasemenge und geringerer Zelltoxizität im Vergleich zu herkömmlich evolvierten natürlichen Enzymen. Das vorgestellte Workflow-Modell etabliert eine neue Standardstrategie in der Biotechnologie. Durch die gezielte Überbrückung der Grenzen rechnerischer Designmethoden und experimenteller Evolutionsverfahren lassen sich stabile, hocheffiziente Enzyme mit maßgeschneiderten Spezifitäten generieren. Dieser Ansatz eröffnet perspektivisch neue Wege für die Entwicklung gezielter Protease-Therapeutika und die Kontrolle komplexer zellulärer Prozesse jenseits natürlicher biologischer Vorbilder.