SAN FRANCISCO / LONDON (IT BOLTWISE) – Der Chan Zuckerberg Biohub veröffentlicht mit ESM Atlas eine frei zugängliche Sammlung von mehr als 1,1 Milliarden Proteinstrukturvorhersagen. Grundlage ist ESMFold2, ein quelloffenes Proteinsprachmodell, das laut Angaben strukturelle Wechselwirkungen und komplexe Proteinassemblies besonders gut abbilden soll. Damit tritt ein neues Open-Model-Ökosystem neben etablierte Wettbewerber wie AlphaFold und liefert zugleich Metagenom-Daten, die in vielen anderen Datenbanken fehlen. Für Forschungsteams bedeutet das vor allem schnellere Hypothesengenerierung, mehr Experimentationshebel und neue Fragen zur Robustheit bei seltenen Proteinfamilien.
Mit ESM Atlas erweitert der Chan Zuckerberg Biohub das „Proteinuniversum“ nicht nur um weitere Datensätze, sondern um eine neue Art des Zugangs: Statt einzelne Proteine punktuell zu testen, stellt das Team eine großskalierte Landkarte bereit, die Strukturvorhersagen für eine Größenordnung jenseits von einer Milliarde Einträgen aggregiert. Technisch ist das weniger ein einzelnes Tool als vielmehr eine vorbereitete Rechenbasis: Das zugrunde liegende Modell ESMFold2 wird als KI-gestütztes Proteinsprachmodell beschrieben, das aus Sequenzinformationen strukturelle Muster ableitet. Genau in diesem Spannungsfeld zwischen Datenvolumen, Modellgenauigkeit und Nutzbarkeit für Forschungsteams liegt der eigentliche News-Wert der Veröffentlichung.
Herzstück ist ESMFold2, das auf dem bereits 2024 vorgestellten Ansatz eines Proteinsprachmodells aufsetzt. Der entscheidende Unterschied zur klassischen „nur Struktur“-Pipeline liegt im Trainingssignal: Das Modell wurde mit Milliarden Proteinen aus vielen Bereichen des Lebensbaums trainiert, darunter explizit auch metagenomische Sequenzen aus Boden, Ozeanen und weiteren Habitaten. Damit adressiert das Team eine Lücke, die in vielen kuratierten Protein-Datenbanken weniger stark vertreten ist: Proteine aus mikrobiellen Gemeinschaften, die oft nur indirekt über Sequenzfragmente sichtbar werden. Diese Breite ist für die spätere Atlas-Erstellung relevant, weil sie die Abdeckung seltenerer Sequenzräume erhöht.
Die veröffentlichten Zahlen machen deutlich, warum das Projekt für die Community interessant ist: Der ESM Atlas soll 1,1 Milliarden Vorhersagen zu Proteinstrukturen sowie Informationen zu 6,8 Milliarden Proteinsequenzen enthalten. Im direkten Größenvergleich nennt das Team einen Vorsprung gegenüber etablierten Datenbanken wie AlphaFold – konkret um mehr als 800 Millionen zusätzliche Strukturvorhersagen gegenüber der AlphaFold-Datenbasis und um etwa 300 Millionen gegenüber einer früheren ESM-Atlas-Version. Im Kern basiert der Vergleich damit weniger auf einer „absoluten Genauigkeits“-Aussage, sondern auf Skalierung: Wo andere Ressourcen bereits sehr groß sind, versucht ESM Atlas den Maßstab deutlich nach oben zu schieben, um mehr Hypothesen parallel untersuchen zu können.
Technisch wird auch ein qualitativer Anspruch betont: ESMFold2 soll bei der Bestimmung korrekter Strukturen von Proteinkomplexen besser abschneiden als konkurrierende Ansätze, einschließlich der neueren AlphaFold3-Generation. Der Fokus liegt dabei besonders auf Interaktionen – etwa wenn Antikörpermoleküle an Antigene binden. In dem Bericht wird beschrieben, dass das Modell für das Design neuer Antikörper und anderer Proteine verwendet wurde, die Bindungen an krankheitsassoziierte Zielproteine besonders gut unterstützen sollen. Laborversuche zeigten laut Angaben, dass ein großer Anteil der prognostizierten Strukturen mit den beobachteten Ergebnissen übereinstimmt. Damit bewegt sich der Nutzen näher an einem „Design-to-Experiment“-Workflow als an einer reinen Annotation.
Markt- und Wettbewerbsseitig ist das Timing bemerkenswert, weil Proteinstrukturvorhersage in den letzten Jahren stark von wenigen großen Modellfamilien geprägt wurde. AlphaFold ist hier seit längerem ein De-facto-Referenzpunkt für Forschende; mit AlphaFold3 ist die nächste Stufe der Modellierung in Sicht gewesen, insbesondere für komplexere Kontexte wie Interaktionen. Parallel hat Isomorphic Labs, ein Spin-off von Google DeepMind, proprietäre Fortschritte in diesem Bereich adressiert, die im gleichen Marktsegment Aufmerksamkeit gewinnen. Branchenexperten ordnen ESM Atlas daher vor allem als Ergänzung ein: Er liefert eine zusätzliche Sicht auf Proteine, insbesondere dort, wo Datenbasis und Trainingsverteilungen anders sind. Genau diese „Komplementarität“ dürfte kurzfristig die Akzeptanz steigern.
In der wissenschaftlichen Einordnung werden zwei Fragen besonders sichtbar: Erstens, wie zuverlässig bleiben Vorhersagen für Proteine, die deutlich außerhalb bekannter Strukturen liegen? Zweitens, ob großskalierte Open-Source-Modelle für Interaktionsthemen tatsächlich einen strukturellen Zusatznutzen liefern. Wie aus Aussagen von Biologinnen und Biologen hervorgeht, beeindruckt vor allem die Idee, dass Proteinsprachmodelle grundlegende Regeln der Proteinbiologie verinnerlichen können, statt lediglich Muster in bereits gut bekannten Domänen nachzubilden. Gleichzeitig äußert ein anderer Forscher Zweifel, wie stabil die Performance bei ungewöhnlichen Proteinstrukturen ist, insbesondere wenn die Trainingsbasis stark von Metagenomdaten geprägt ist. Für Unternehmen ist das relevant, weil robuste Generalisierung über Datenquellen hinweg oft über Pilotprojekte hinaus entscheidet.
Regulatorisch und datenschutzseitig ist das Projekt indirekt berührt: Es verarbeitet keine personenbezogenen Daten im engeren Sinn, sondern Sequenz- und Strukturinformation aus öffentlich zugänglicher Forschung. Dennoch hat die Open-Source-Komponente eine wichtige Compliance-Dimension für Enterprises: Vollständige Quelloffenheit und keine Einschränkungen für die kommerzielle Nutzung senken Hürden bei interner Evaluierung, interner Validierung und bei Auditierbarkeit von Modellverhalten. Für Teams in Pharma, Biotech und Medizintechnik bedeutet das außerdem, dass Workflows leichter in bestehende Validierungs- und Sicherheitsprozesse eingebunden werden können. Gerade wenn Vorhersagen als Teil einer Genehmigungspipeline dienen, zählt die Möglichkeit, Datenflüsse, Trainingsannahmen und Ausgabeverhalten nachzuvollziehen.
Mit Blick auf die nächsten Schritte zeichnet sich ein realistischer Zukunftspfad ab: ESM Atlas wird vermutlich nicht „AlphaFold ersetzen“, sondern die Forschungsarbeit beschleunigen, indem es Interaktionshypothesen, Bindungsroutinen und Strukturähnlichkeiten schneller priorisieren hilft. So berichten die Forschenden, sie hätten strukturelle Ähnlichkeiten zwischen CRISPR-Proteinen aus mikrobiellen Abwehrsystemen und einem Gen-Editierprotein gefunden, das 2023 in einem Bodenpilz identifiziert wurde und auch in weiteren eukaryotischen Arten vorkommt. Solche Querbezüge sind genau die Art von Forschungshebel, die bei gigantischer Atlas-Abdeckung entstehen: Nicht jede Hypothese wird sofort bestätigt, aber die Suchzeit bis zur „guten“ Kandidatenklasse sinkt. Für Entwickler eröffnet das außerdem Chancen für eigene KI-gestützte Protein-Workflows, etwa durch feinere Filter, maßgeschneiderte Benchmarking-Setups oder die Kombination mit firmenspezifischen Laborergebnissen.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- NIEDLICHER BEGLEITER: Eilik ist der ideale Begleiter für Kinder und Erwachsene, die Haustiere, Spiele und intelligente Roboter lieben. Mit vielen Emotionen, Bewegungen und interaktiven Funktionen.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "ESMFold2 und ESM Atlas: Offene KI sagt Proteinstrukturen für über 1 Milliarde vor" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "ESMFold2 und ESM Atlas: Offene KI sagt Proteinstrukturen für über 1 Milliarde vor" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »ESMFold2 und ESM Atlas: Offene KI sagt Proteinstrukturen für über 1 Milliarde vor« bei Google Deutschland suchen, bei Bing oder Google News!