KI entwirft Enzym für Wirkstoffsynthese

Forschende des Instituts für Proteindesign der Universität Washington und von NVIDIA haben mit RFD4-Proteina ein vereinheitlichtes KI-Modell für die Entwicklung neuer Proteine vorgestellt. Das System kombiniert die IPD-Linie RosettaFold Diffusion mit Proteina-Complexa von NVIDIA und erzeugt gezielt neue Proteinsequenzen sowie dreidimensionale Strukturen für definierte Aufgaben. RFD4-Proteina optimiert Aminosäureabfolge, räumliche Struktur und Wechselwirkung mit Zielmolekülen zugleich. Rechenkapazität wird auf vielversprechende Entwürfe konzentriert. In vergleichenden Tests erreicht das Modell nach Angaben der Projektbeteiligten fünf- bis zehnmal höhere Erfolgsquoten bei Designaufträgen und erzeugt Testkandidaten fünf- bis zehnmal schneller als frühere Verfahren. Das Modell steht unter einer offenen BSD-3-Lizenz. Ein Team um Professor Anthony Green, Dr. Henry Jones und Dr. Zefei Xu vom Manchester-Institut für Biotechnologie der Universität Manchester nutzte RFD4-Proteina mit dem IPD, um rechnerisch entworfene Enzyme für eine kostengünstige und nachhaltige Produktion von Wirkstoffen für die globale Gesundheitsversorgung zu entwickeln. Ein Schwerpunkt lag auf Lenacapavir, einem Mittel zur HIV-Prävention. Die KI sollte Enzyme entwerfen, die eine schwierige Amidbildung katalysieren. Von 67 experimentell geprüften Entwürfen zeigten vier messbare Aktivität. Das wirksamste Enzym wandelte 79 Prozent eines sterisch anspruchsvollen chiralen Amins in das gewünschte Amidprodukt um und zeigte die benötigte Selektivität für das S-Enantiomer. Die Herausforderung bestand vor allem darin, die Amidbildung gegenüber einer konkurrierenden Reaktion mit dem stark überschüssigen Wasser zu bevorzugen. Die Ergebnisse liegen als Vorveröffentlichung vor und gelten als Machbarkeitsnachweis dafür, dass KI-gestützt entworfene Enzyme anspruchsvolle Schritte bei der Herstellung pharmazeutischer Wirkstoffe übernehmen können. Professor David Baker, Leiter des Instituts für Proteindesign und Chemie-Nobelpreisträger 2024, sieht in dem Modell einen Weg zu neuen Lösungen in Medizin, Nachhaltigkeit, Materialforschung und Biotechnologie. Da das Modell Moleküle gemeinsam aufbauen kann, könnte es laut den Forschenden die Entwicklung von Medikamenten, Antikörpern, Diagnostika, Enzymen und industriellen Bioprozessen beschleunigen.