KI weist auf neue Krankheitsziele in Mitochondrien hin

Forschende um Abhinav Swaminathan und Vishal Gohil vom Texas A&M AgriLife Research haben mit dem KI-Werkzeug AlphaFold-Multimer nahezu alle möglichen Proteinpaare der menschlichen Mitochondrien durchsucht und damit neue Ansatzpunkte für Diagnose und Therapie gefunden. Die in Nature Communications vorgestellte Arbeit nutzt den Umstand, dass sich die Biochemie von Proteinen häufig über ihre Interaktionspartner erschließen lässt. Dafür analysierte das Team mehr als 630.000 mögliche Kombinationen der etwa 1.100 bekannten mitochondrialen Proteine und identifizierte 2.895 wahrscheinliche Wechselwirkungen. Mehr als die Hälfte davon war zuvor nicht beschrieben. Zudem erhielten 85 bisher ungeklärte Proteine ihre ersten wahrscheinlichen Partner. Der Ansatz ist bedeutsam, weil Mutationen in rund 30 Prozent der mitochondrialen Proteine mit Erkrankungen in Verbindung gebracht werden, darunter Krebs, Parkinson, Alzheimer und seltene angeborene Stoffwechselstörungen. Ohne Kenntnis der konkreten Proteinfunktion bleiben Krankheitsmechanismen und mögliche Angriffsstellen für Medikamente schwer zugänglich. Die Vorhersagen verknüpften mehrere krankheitsassozierte Proteine mit bisher unbekannten biologischen Signalwegen und lieferten Hinweise auf neue diagnostische und therapeutische Zielstrukturen. Im Labor bestätigten die Forschenden mehrere Vorhersagen in Hefe- und menschlichen Zellen, teilweise in Zusammenarbeit mit der Washington University School of Medicine in St. Louis. Diese Validierung zeigt, dass KI-basierte Vorhersagen als Leitfaden für aufwendige Experimente dienen können und die Suche nach vielversprechenden Kandidaten beschleunigen. Damit adressiert die Studie ein zentrales Problem der Grundlagenforschung: traditionelle Methoden zur Funktionsbestimmung von Proteinen sind langsam, während KI die Priorisierung der besten Testziele ermöglicht. Die Ergebnisse sind über die kostenlose Online-Ressource MitoMatch verfügbar. Wissenschaftler können dort mutmaßliche Interaktionspartner für die von ihnen untersuchten mitochondrialen Proteine abrufen. Die Studie verdeutlicht, dass Heilmittel für mitochondriale Erkrankungen zwar noch nicht unmittelbar zu erwarten sind, der geteilte Datensatz und die gezeigte Methodik aber einen praktischen Startpunkt für weitere Forschung bilden. Zugleich zeigt der Fall, wie das von Google DeepMind entwickelte Strukturmodellierungswerkzeug nicht nur zur Vorhersage einzelner Proteinfaltungen, sondern auch als Klassifikationsmodell für direkte Proteininteraktionen genutzt werden kann.