LONDON (IT BOLTWISE) – Künstliche Intelligenz findet in prionassoziierten Proteinen versteckte antimikrobielle Peptide: „prionins“. In einem KI-Screen mit 19,3 Millionen Fragmenten wurden 1.179 Kandidaten priorisiert, von denen 75 synthetisierte Peptide in Tests gegen bakterielle Erreger häufig wirkten. Besonders relevant: Viele Kandidaten stören Membranen, zeigen selten Hämolyse und reduzieren in einem Mausmodell die Infektionslast. Der Ansatz könnte damit eine neue, proteinbasierte Quelle für Antibiotika-Leads gegen resistente Keime erschließen.
Prion-Proteine stehen seit Jahrzehnten vor allem für eines: fehlgefaltete, fehlgeleitete Proteinstrukturen, die sich „templated“ weitergeben und letztlich zu neurodegenerativen Erkrankungen führen. Gleichzeitig zeichnet sich in der Fachwelt seit einigen Jahren ein breiteres Bild ab, in dem amyloidogene Proteine nicht nur schädlich, sondern funktionell divers sein können. Der jetzt beschriebene KI-getriebene Ansatz dreht diese Perspektive um und fragt, ob in prion- und prion-ähnlichen Sequenzen kryptische Fragmente stecken, die als antimikrobielle Wirkungsträger dienen könnten. Der Clou: Der Nachweis bleibt nicht rein rechnerisch, sondern endet in mehreren Ebenen experimenteller Validierung.
Technisch startet die Studie mit einem sehr großen Screening-Raum. Die Forschenden kuratierten 2.897 UniProt-Einträge, die als Prion oder prion-bezogen annotiert sind, und fragmentierten die Proteine zu eindeutigen Peptidsequenzen mit Längen von 8 bis 50 Aminosäuren. Daraus entstanden 19.324.138 Kandidaten, die anschließend mit APEX 1.1 bewertet wurden, einem Deep-Learning-Framework, das für die Entdeckung von Peptid-Antibiotika entwickelt wurde. Die Modelllogik kombiniert Sequenz-Einbettungen über AAindex-Deskriptorvektoren mit einem Encoder aus rekurrenten und Attention-Komponenten und mehreren „Prediction Heads“, die sowohl MIC-Werte als Regression als auch AMP-/Nicht-AMP-Eigenschaften abbilden. Für die Priorisierung wurde der mediane prädizierte MIC über elf Pathogenstämme herangezogen.
Im Ergebnis konnten 1.179 Fragmente als Kandidaten klassifiziert werden, deren medianer MIC bei maximal 64 µmol/l lag. Interessant ist dabei nicht nur die Zahl, sondern die Breite der biologischen Herkunft: Die Kandidaten stammten aus 1.068 Organismen über mehrere Domänen hinweg, darunter Pilze, Metazoen und einzellige Eukaryoten. Damit deutet das Muster darauf hin, dass „verschlüsselte“ antimikrobielle Potenziale nicht auf wenige Spezialproteine beschränkt sind. Für die Einordnung des neuartigen Sequenzraums wurden die prionins anschließend in einen Vergleichskontext zu kuratierten AMP-Datenbanken gesetzt (u. a. DBAASP, APD3, DRAMP). Die Überlappung mit bekannten AMPs ist nur partiell: Prionins sind im Mittel tendenziell länger, stärker kationisch und hydrophober, jedoch nicht uniform optimiert nach klassischem amphipathischem Design, was auf eine verwandte, aber unterscheidbare chemisch-physikalische Landschaft für Membraninteraktion hindeutet.
Für die experimentelle „Proof“-Stufe wählten die Forschenden 75 topgerankte, sequenzdiverse Peptide zur Synthese aus. Die Auswahl enthielt bewusst Kandidaten aus phylogenetisch unterschiedlichen Proteinquellen, einschließlich kanonischer Prionproteine sowie prion-ähnlicher Q/N-reicher Proteine und Prioninhibitionsproteine. In den Tests zeigten 59 von 75 Prionins eine Hemmwirkung gegen mindestens einen klinisch relevanten Erreger bei einem MIC-Kriterium von ≤64 µmol/l; weitere 42 erreichten selbst strengere Werte (≤16 µmol/l). Besonders hervorgehoben wird dabei die Aktivitätskonzentration gegen Gram-negative Bakterien. Diese „Hit Rate“ ist für die Arzneimittelentwicklung deshalb strategisch, weil randomisierte Peptidbibliotheken typischerweise deutlich weniger direkte Wirksamkeit liefern und teurere Folgeexperimente vermeiden helfen.
Wie gelangen die Peptide zur Wirkung? Ein häufiges Muster bei antimikrobiellen Peptiden ist die Membranstörung, und genau das wurde bei den Prionins adressiert. Zirkulardichroismus-Messungen zeigen, dass viele Peptide in Wasser weitgehend ungeordnet sind, sich aber in membrandichten oder helixfördernden Umgebungen strukturieren—ein Hinweis auf eine induzierbare Faltung beim Zielkontakt. Anschließend wurden aktive Kandidaten gegen Escherichia coli AIC221 mit NPN- und DiSC3-5-Assays getestet. NPN uptake deutet auf Permeabilisierung der äußeren Membran hin, während DiSC3-5 auf einen Verlust des Membranpotentials (Depolarisation) zielt. Viele Prionins erhöhten die Durchlässigkeit und kollabierten das Membranpotential, teils vergleichbar oder stärker als Referenzantibiotika. Ergänzend wurden Selektivitätsaspekte geprüft: Hämolyse war selten—nur ein Peptid war im getesteten Bereich hämolytisch—während Cytotoxizität häufiger auftrat.
Der Markt- und Wettbewerbsbezug ergibt sich daraus, dass KI-basierte Antibiotika-Discovery seit Jahren an mehreren Fronten parallel läuft: Einerseits gibt es akademische Frameworks und Datenbank-getriebene Modelle, andererseits entstehen zunehmend spezialisierte Startup-Ansätze rund um Peptiddesign, Screening-Pipelines und Optimierungsketten bis hin zu Kandidaten für präklinische Studien. Ein direkter „Tech“-Wettbewerbspunkt ist die Frage, wie gut sich abstrakte Sequenzfeatures in praxisnahe MIC- oder Selektivitätsmetriken übersetzen lassen. Experten aus der Wirkstoffforschung betonen in diesem Zusammenhang häufig den Unterschied zwischen „Ranking auf Papier“ und „Entwicklungstauglichkeit in Zellen und Modellen“—also die Notwendigkeit, Toxizitätsgrenzen früh mitzudenken. Genau hier bietet die Studie einen vorbildlichen Workflow: Nach dem KI-Ranking folgte eine geordnete Validierungskette von Membranassays über RBC- und HEK293T-Tests bis zu einem In-vivo-Setting.
Auf der Regulierungs- und Sicherheitsseite ist das besonders relevant, weil antimikrobielle Peptide zwar potenziell gegen resistente Erreger wirken, gleichzeitig aber cytotoxische oder unspezifisch membranaktive Effekte riskieren. Die Daten zeigen zwar nicht automatisch klinische Sicherheit, aber sie schaffen eine aussagekräftige Vorauswahl für spätere Optimierungsschritte. Dass 16 aktive Peptide weder messbare Hämolyse noch Cytotoxizität bei den höchsten getesteten Konzentrationen aufwiesen, stärkt die Chance, dass sich aus dem prionins-Reservoir tatsächlich „entwickelbare“ Leads ziehen lassen. Gleichzeitig bleibt die wichtigste regulatorische Frage offen: Werden solche Fragmente im natürlichen Kontext überhaupt freigesetzt oder spielen sie physiologisch eine Rolle im angeborenen Immunsystem? Die Studie adressiert das explizit als offenen Punkt—es geht primär um eine nutzbare Quelle für Arzneimittel-Discovery, nicht um einen endgültigen Beweis für den biologischen Mechanismus in vivo.
Für die zukünftige Entwicklung wurden zwei Leitpeptide in einem murinen Hautabszessmodell gegen Acinetobacter baumannii getestet. Prionin-7 (aus Thelonectria olida) und Prionin-38 (aus Caenorhabditis elegans) gingen mit niedrigen MIC-Werten und günstigen Tox-Profilen in die nächste Stufe. Nach topischer Einmalgabe (10× MIC), ein bis zwei Stunden nach Infektion, reduzierte sich die bakterielle Last bereits am zweiten Tag signifikant gegenüber Kontrollen, mit Effektstärke in der Nähe von Polymyxin B. Bis Tag vier zeigte prionin-38 eine etwa dreistellige (≈ drei-log) Reduktion und blieb damit bei ähnlicher Richtung wie das Referenzantibiotikum, während prionin-7 moderater ausfiel. Auffällig ist zudem: Es gab keinen behandlungsassoziierten Gewichtsverlust—ein beruhigendes Signal für die Verträglichkeit im Modell.
In der Gesamtbewertung liefert die Arbeit zwei greifbare Impulse. Erstens werden prion- und prion-ähnliche Proteome als unerwartet reiches Reservoir verschlüsselter antimikrobieller Peptide markiert, wodurch ein neuer „Sequence Space“ für Antibiotika-Discovery entsteht. Zweitens verbindet die Studie diese biologische Hypothese mit einem umsetzbaren KI-Workflow, der über große Proteominhalte scannen kann, ohne dass jedes einzelne Kandidatenpaar zuvor experimentell laboraufwendig getestet werden muss. Für Unternehmen und Entwicklerteams bedeutet das perspektivisch: Wer an KI-gestütztem Peptiddesign arbeitet, kann stärker als bisher auch Proteincharakteristika berücksichtigen, die bisher nicht als Immun-effektorisch annotiert waren. Der nächste Schritt wird vermutlich sein, das Modell für Freisetzungs- und Stabilitätsrealität zu erweitern, beispielsweise durch zusätzliche prädiktive Komponenten zu proteolytischer Prozessierung, Serumstabilität und Zielgewebsverteilung—und damit die Brücke zwischen „sequence-only“ und „therapy-ready“ weiter zu schließen.
💳 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 "KI entdeckt „prionins“: antibakterielle Peptide in Prion-Proteinen" 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 "KI entdeckt „prionins“: antibakterielle Peptide in Prion-Proteinen" 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: »KI entdeckt „prionins“: antibakterielle Peptide in Prion-Proteinen« bei Google Deutschland suchen, bei Bing oder Google News!