KI kartiert Proteinevolution aus Sequenz und Struktur

Ein internationales Forscherteam hat ein neues Protein-Sprachmodell namens CLSS vorgestellt, das zwei bisher getrennt betrachtete Informationsquellen der Biochemie vereint: die Aminosäuresequenz und die dreidimensionale Struktur von Proteinen. Die Studie, geleitet von der Universität Haifa, der Tel Aviv University und dem Earth-Life Science Institute (ELSI) am Institute of Science Tokyo, wurde kürzlich in den Proceedings of the National Academy of Sciences veröffentlicht. Das Modell adressiert ein fundamentales Problem der evolutionären Bioinformatik, bei dem traditionelle Ansätze Sequenz- und Strukturrepräsentationen oft in unterschiedlichen Merkmalsräumen abbildeten. Die entwickelten KI-Modelle basieren auf kontrastivem Lernen. Während des Trainings erkennt das System korrespondierende Sequenz-Struktur-Paare und generiert für beide Darstellungen nahezu identische numerische Embeddings. Dies ermöglicht eine integrierte Proteinlandkarte, auf der jedes Protein an einer klaren Position verankert ist, unabhängig davon, ob die Eingabe aus der Primärsequenz oder der räumlichen Faltung stammt. Im Vergleich zu aktuellen State-of-the-Art-Modellen übertrifft CLSS diese nicht nur in der Kohärenz der Darstellung, sondern rekonstruiert auch etablierte Experten-Klassifikationssysteme wie ECOD und CATH mit hoher Genauigkeit, ohne jemals explizit mit diesen Daten trainiert worden zu sein. Besonders hervorzuheben ist die Fähigkeit des Modells, selbst kurze Proteinfragmente präzise in die Gesamtmappend einzuordnen. Da Fragmente im Laufe der Evolution immer wieder wiederverwendet und neu kombiniert wurden, bieten sie wertvolle Hinweise auf urtümliche Proteindomänen und tiefgreifende evolutionäre Verwandtschaften. Darüber hinaus offenbaren die erzeugten Karten systematische Muster: So konzentrieren sich beispielsweise Proteine mit organischen Cofaktoren in spezifischen Regionen, während Metallbindeproteine breiter verteilt sind. Diese Korrelationen verdeutlichen, wie Sequenz, Struktur, Funktion und evolutionäre Historie global miteinander verwoben sind. Die Entwickler um Rachel Kolodny, Guy Yanai, Nir Ben-Tal, Gabriel Axel und Liam M. Longo betonen, dass CLSS den Blick auf das Proteinuniversum fundamental erweitert. Durch die gemeinsame Visualisierung unterschiedlicher biologischer Informationsebenen entstehen neue Möglichkeiten für effiziente Datenbanksuchen, das gezielte Proteinengineering und die Rekonstruktion evolutionärer Trajektorien. Das Modell liefert somit ein leistungsstarkes Werkzeug, um zu untersuchen, wie sich die immense Vielfalt der heutigen Proteine über nahezu vier Milliarden Jahre Evolution herausgebildet hat.