Proteine können sogenannte „Catch-Bonds“ bilden, die unter mechanischer Belastung stärker werden – ein Phänomen, das an ein chinesisches Fingerfessel-Spiel erinnert: Je mehr man zieht, desto fester wird der Griff. Diese paradoxen Bindungen sind entscheidend für biologische Prozesse wie die Anheftung von Bakterien an menschliche Zellen, die Stabilität von Geweben unter Belastung oder die Adhäsion von Immunzellen an Blutgefäße. Doch bislang blieb unklar, ob diese Bindungen erst nach Erreichen einer bestimmten Dehnung aktiviert werden oder sich bereits im Moment der Belastung „einschalten“. Ein internationales Forschungsteam um Dr. Rafael Bernardi von der Auburn University und Dr. Marcelo Melo (ehemals Auburn, jetzt Colorado State University) hat diese Frage nun mithilfe von Künstlicher Intelligenz (KI) und hochauflösenden molekularen Simulationen beantwortet. Sie untersuchten das Bakterien-Proteinkomplex-System Cellulosomen, eines der stärksten bekannten catch-bond-Systeme. Mit sogenannten „Steered Molecular Dynamics“-Simulationen, die Moleküle atomgenau mechanisch dehnen, erstellten sie Hunderte von „Filmen“ der Proteinreaktion unter Zug. Anschließend trainierten sie KI-Regressionmodelle, um den Bruchzeitpunkt vorherzusagen. Überraschenderweise konnten die KI-Modelle bereits auf Basis von extrem kurzen Simulationsabschnitten präzise Vorhersagen treffen – lange bevor die Bindung brach. Dies deutet darauf hin, dass die Proteine bereits im ersten Moment der Belastung ihre Stabilität „entscheiden“, also die catch-bond-Mechanismen fast sofort aktivieren. „Die Bindung schaltet sich quasi sofort ein, sobald Kraft aufgebracht wird“, sagt Bernardi. Diese Erkenntnis hat weitreichende Konsequenzen. Sie zeigt, dass lebende Systeme mechanische Kraft nicht nur ertragen, sondern aktiv nutzen, um ihre Stabilität zu erhöhen. Dieses Prinzip könnte in der Medizin und Materialwissenschaft revolutionär sein: von adhäsiven Biomaterialien, die unter Belastung fester werden, bis hin zu neuen Therapien, die gezielt auf mechanisch gesteuerte Proteine abzielen – etwa, um Bakterien an Geweben zu verhindern, die sonst durch mechanische Kräfte „eingeklemmt“ werden. Die Studie unterstreicht zudem das enorme Potenzial von KI in der Biophysik. Statt auf statische Strukturen zu vertrauen, erfassten die Modelle dynamische Bewegungsmuster an Protein-Interfaces und identifizierten frühe Signale für Stabilität, die menschliche Forscher verfehlt hätten. „KI kann Muster erkennen, die uns verborgen bleiben – das eröffnet neue Wege in der Arzneimittelentwicklung, der Bioengineering und der synthetischen Biologie“, betont Bernardi. Die Forschung ist ein Paradebeispiel für die interdisziplinäre Zukunft der Wissenschaft: Physik, Biologie und KI zusammengefasst, um Fragen zu lösen, die allein nicht zu beantworten waren. Die Arbeit wurde in der Zeitschrift Journal of Chemical Theory and Computation veröffentlicht und markiert einen Meilenstein im Verständnis mechanischer Proteinfunktionen. Industrielle Experten sehen darin eine Schlüsseltechnologie für die nächste Generation biobasierter Materialien. Unternehmen in der Biomaterial- und Pharmabranche arbeiten bereits an Anwendungen, die diese Erkenntnisse nutzen, etwa in künstlichen Gelenkknorpeln oder adhäsiven Wundverschlussmaterialien, die unter Druck wirken. Die Kombination von KI und molekularer Simulation wird zunehmend zur Standardmethode in der biophysikalischen Forschung.