Die 3D-Struktur eines Proteins besteht aus Aminosäureketten, die sich in Formen falten, welche die Funktion des Proteins bestimmen. Es gibt Millionen von verschiedenen Proteinen mit unterschiedlichen Formen, von denen Wissenschaftler*innen bisher nur ein Bruchteil bekannt war. Das Problem der Proteinfaltung ist seit etwa 50 Jahren eine große Herausforderung in der biologischen Forschung. Diese Woche gab DeepMind bekannt, dass ihr KI-System "AlphaFold" von den Organisator*innen des biennalen CASP (Critical Assessment of protein Structure Prediction) als Lösung für dieses Problem anerkannt wurde.
Prof. Dr. Stefan Harmeling, Professor für Machine Learning an der HHU und Teil der Manchot Forschungsgruppe, ordnet diesen Durchbruch "auf einer ähnlichen Skala wie AlphaGo" ein.
Einer der Leiter des Use Case Gesundheit in der Manchot Forschungsgruppe ist Prof. Dr. Markus Kollmann, der Professor für Mathematische Modellierung biologischer Systeme an der HHU ist. Eines seiner Forschungsthemen beinhaltet "Deep generative models" um RNA-/Protein-Faltung zu bestimmen. Er schätzt die Situation wie folgt ein: "Die unerwartet genaue Vorhersage von 3D Proteinstrukturen aus Sequenzinformation mittels Neuronaler Netzwerke ist tatsächlich ein großer Durchbruch. Nicht nur, dass es nun möglich ist Probleme dieser Komplexität algorithmisch zu sehr guter Näherung zu lösen, sondern auch wegen der enormen praktischen Bedeutung. Die Struktur eine Proteins bestimmt im Wesentlichen seine Funktion und ist damit zentral für die Entwicklung neuer Medikamente. Interessanterweise kam dieser Durchbruch nicht durch die Entwicklung völlig neuartiger Konzepte zustande, sondern basiert auf der geschickten Integration aller im Internet frei verfügbarer Information über Proteinsequenzen und Proteinstrukturen in ein einziges Vorhersagemodell. Die für die Entwicklung des Vorhersagemodells benötigte Rechenleistung ist allerdings so groß, dass eine einzelne Universität hier nicht mithalten kann."
Weiterführende Informationen (Englisch):
Blog Artikel von DeepMind
Ergebnisse des CASP14 Wettbewerbs