BERLIN / LONDON (IT BOLTWISE) – Ein internationales Forschungsteam unter der Leitung von Prof. Dr. Cecilia Clementi von der Freien Universität Berlin hat einen bedeutenden Fortschritt in der Proteinsimulation erzielt. Die neue Methode nutzt maschinelles Lernen, um die Dynamik und Faltung von Proteinen effizienter zu simulieren.

Die Entwicklung eines universellen grobkörnigen Proteinmodells war lange Zeit eine Herausforderung in der Wissenschaft. Nun hat ein Team unter der Leitung von Prof. Dr. Cecilia Clementi von der Freien Universität Berlin einen bedeutenden Fortschritt erzielt. Das in Nature Chemistry veröffentlichte Modell ermöglicht präzisere und schnellere Proteinsimulationen als herkömmliche Methoden. Diese Entwicklung könnte weitreichende Anwendungen in der Medikamentenentwicklung und Antikörpertherapie haben, insbesondere bei der Behandlung von Krebs und anderen schweren Erkrankungen.
Das neu entwickelte Simulationsmodell, bekannt als CGSchNet, nutzt ein Graph-Neuronales Netz, um effektive Wechselwirkungen zwischen den Teilchen der grobgranularen Proteinsimulation zu erlernen. Dies basiert auf einer Vielzahl von rechenintensiven Simulationen mit atomarer Auflösung. Im Gegensatz zu bestehenden Strukturvorhersage-Tools modelliert CGSchNet den dynamischen Faltungsprozess selbst, einschließlich der intermediären Zustände, die bei Fehlfaltungen wie Amyloiden eine Rolle spielen. Diese pathologischen Proteinaggregate sind beispielsweise bei der Alzheimer-Erkrankung von Bedeutung.
Ein entscheidender Vorteil des Modells ist seine Fähigkeit, Übergänge zwischen gefalteten Zuständen zu simulieren, die für die Funktion von Proteinen entscheidend sind. Die Ergebnisse des Modells lassen sich zudem auf Proteine außerhalb des Trainingsdatensatzes übertragen. Das Modell sagt langlebige Zustände gefalteter, ungefalteter und ungeordneter Proteine präzise voraus, die einen großen Anteil der biologisch aktiven Proteine ausmachen, die jedoch aufgrund ihrer Flexibilität experimentell schwer zu charakterisieren sind.
Prof. Dr. Cecilia Clementi, Expertin im Bereich der Computersimulation von Biomolekülen, hat mit ihrem Team gezeigt, dass Deep Learning die Hürden der Proteinsimulation überwinden kann. Die US-Italienische Doppelbürgerin, die zuvor an der Rice University in Houston, Texas, forschte und lehrte, stärkt nun die Forschung in der theoretischen und computergestützten Biophysik an der Freien Universität Berlin.
Die Förderung durch eine Einstein-Professur hat es ermöglicht, Spitzenforscher wie Clementi für Berlin zu gewinnen. Diese Professuren unterstützen die Berliner Universitäten und die Charité – Universitätsmedizin Berlin in Berufungs- oder Bleibeverhandlungen. Die aktuelle Studie, die in Nature Chemistry veröffentlicht wurde, zeigt, wie maschinelles Lernen die Proteinsimulation revolutionieren kann, indem es die Effizienz und Präzision der Modelle erheblich verbessert.
Die Ergebnisse dieser Forschung könnten nicht nur die Grundlagenforschung vorantreiben, sondern auch praktische Anwendungen in der Medizin ermöglichen. Die Fähigkeit, Proteinmutanten und deren Stabilität präzise vorherzusagen, könnte neue Wege in der personalisierten Medizin eröffnen. Die Kombination aus theoretischer Physik und angewandter Mathematik, die Clementi in ihrer Arbeit verfolgt, zeigt das Potenzial interdisziplinärer Ansätze in der modernen Wissenschaft.

- 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!
Stellenangebote

Head of Digital Transformation Operations / Program Manager AI (w/m/d)

Duales Studium BWL - Spezialisierung Artificial Intelligence (B.A.) am Campus oder virtuell

Systemarchitekt KI / AI Architect (m/w/d) – Python, Azure, Generative AI

Integration AI Developer (m/w/d)

- 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 "Durchbruch in der Proteinsimulation durch KI-gestützte Modelle" für unsere Leser?
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 "Durchbruch in der Proteinsimulation durch KI-gestützte Modelle" 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: »Durchbruch in der Proteinsimulation durch KI-gestützte Modelle« bei Google Deutschland suchen, bei Bing oder Google News!