Wie De-novo-Proteindesign funktioniert – und warum es wichtig ist

Proteine bauen, die sich die Natur nie vorgestellt hat

Proteine sind die molekularen Maschinen des Lebens. Sie katalysieren Reaktionen, bekämpfen Infektionen, bauen Gewebe auf und leiten Signale durch Ihren Körper. Milliarden von Jahren lang hat die Evolution jedes Protein auf der Erde durch zufällige Mutation und natürliche Selektion geformt – ein langsamer, blinder Prozess. Jetzt haben Wissenschaftler gelernt, die Evolution ganz zu überspringen und brandneue Proteine von Grund auf zu entwerfen.

Das Feld wird De-novo-Proteindesign genannt, und es brachte David Baker von der University of Washington den Nobelpreis für Chemie 2024 ein. In Kombination mit Durchbrüchen in der künstlichen Intelligenz ist es bereit, die Medizin, die Materialwissenschaft und die industrielle Chemie neu zu gestalten.

Was Proteine sind – und warum Form alles ist

Ein Protein ist eine Kette von Aminosäuren, die sich zu einer präzisen dreidimensionalen Form faltet. Diese Form bestimmt, was das Protein tut: Eine leichte Verschiebung kann ein hilfreiches Enzym in einen nutzlosen Klumpen verwandeln. Die Proteine der Natur haben ihre Formen über Jahrtausende entwickelt. De-novo-Design dreht das Drehbuch um: Wissenschaftler wählen zuerst eine gewünschte Form und Funktion und berechnen dann eine Aminosäuresequenz, die sich darin falten wird.

Man kann es sich wie Architektur vorstellen. Die traditionelle Biologie untersucht bestehende Gebäude, um zu verstehen, wie sie stehen. De-novo-Design ermöglicht es Ihnen, Baupläne für Strukturen zu entwerfen, die noch niemand gebaut hat – und sie dann zu konstruieren.

Wie der Designprozess funktioniert

Das Proteindesign folgt drei breiten Schritten:

1. Definieren Sie die Zielstruktur. Forscher geben das 3D-Rückgrat an, das sie wollen – vielleicht eine Tasche, die ein Arzneimittelmolekül greift, oder ein Käfig, der eine Impfstoffkomponente abgibt.
2. Berechnen Sie die Sequenz. Software-Tools suchen nach einer Aminosäuresequenz, von der vorhergesagt wird, dass sie sich zuverlässig in diese Form faltet. Das Programm muss Tausende von physikalischen Einschränkungen erfüllen: Wasserstoffbrücken, hydrophobe Packung, elektrostatische Wechselwirkungen.
3. Validierung im Labor. Das entworfene Gen wird synthetisiert, in Zellen eingefügt und das resultierende Protein wird getestet, um zu bestätigen, dass es sich tatsächlich wie beabsichtigt faltet und funktioniert.

Jahrzehntelang war der zweite Schritt der Engpass. Frühe Werkzeuge waren langsam und hatten niedrige Erfolgsraten. Das änderte sich dramatisch mit KI.

Die KI-Revolution: Von AlphaFold zu RFdiffusion

Im Jahr 2020 verblüffte AlphaFold von DeepMind Biologen, indem es Proteinstrukturen mit nahezu experimenteller Genauigkeit vorhersagte. Bakers Labor passte ähnliche Deep-Learning-Architekturen an – nicht um Formen vorherzusagen, sondern um sie zu generieren.

Das Ergebnis war RFdiffusion, ein generatives KI-Modell, das Proteindesign wie Bildgenerierung behandelt. Es beginnt mit zufälligem Rauschen und verfeinert es schrittweise zu einer brauchbaren Proteinstruktur, wodurch sich die experimentellen Erfolgsraten um zwei Größenordnungen erhöhen. Ein begleitendes Tool, ProteinMPNN, findet dann in etwa einer Sekunde eine optimale Aminosäuresequenz – mehr als 200-mal schneller als frühere Software, so die National Institutes of Health.

Die neueste Version, RFdiffusion3, kann Proteine entwerfen, die mit atomarer Präzision mit DNA, kleinen Molekülen und anderen Proteinen interagieren und Enzyme herstellen, die fast so effektiv sind wie die in der Natur vorkommenden.

Anwendungen in der realen Welt

Die praktischen Vorteile zeichnen sich bereits ab:

• Medizin: Bakers Gruppe hat kleine Proteine entworfen, die eine SARS-CoV-2-Infektion blockieren, Nanopartikel, die als Influenza-Impfstoffkandidaten dienen, und Binder, die tödliche Schlangengifttoxine neutralisieren.
• Diagnostik: Kundenspezifische Proteinsensoren können Substanzen wie Fentanyl nachweisen und bieten so schnelle und kostengünstige Screening-Tools.
• Materialien: Forscher am MIT haben begonnen, Proteine nach ihrer Bewegung und nicht nur nach ihrer Form zu entwerfen, was den Weg zu nachhaltigen Fasern und biologisch abbaubaren Alternativen zu Kunststoffen auf Erdölbasis ebnet.
• Industrielle Enzyme: Entwickelte Enzyme können chemische Reaktionen katalysieren, die kein natürliches Enzym durchführt, wodurch Herstellungsprozesse potenziell umweltfreundlicher werden.

Herausforderungen vor uns

Trotz der raschen Fortschritte bleiben Hürden bestehen. Nicht jedes entworfene Protein faltet sich nach der Synthese korrekt, und die Erfolgsraten erfordern – obwohl sie erheblich verbessert wurden – immer noch das Screening mehrerer Kandidaten. Das Entwerfen von Proteinen mit komplexen, mehrstufigen katalytischen Funktionen ist schwieriger als das Entwerfen einfacher Binder. Und die Übertragung von Laborerfolgen in zugelassene Medikamente oder kommerzielle Produkte erfordert jahrelange Sicherheitstests und behördliche Überprüfungen.

Dennoch ist die Richtung klar. Da KI-Tools jetzt Open-Source sind und sich schnell verbessern, katalogisierte das Protein Design Archive bereits Anfang 2025 über 1.500 strukturell bestätigte Designs. Wissenschaftler sind nicht mehr auf die Proteine beschränkt, die die Evolution zufällig hervorgebracht hat. Sie können jetzt molekulare Maschinen auf Bestellung bauen – eine Aminosäure nach der anderen.