Microsoft Research hat BioEmu 1 vorgestellt, ein bahnbrechendes KI-System, das die Genomforschung durch eine drastisch beschleunigte Analyse der Proteinfaltung neu definiert.
Das Deep-Learning-Modell kann auf einer einzelnen GPU pro Stunde Tausende statistisch unabhängiger Proteinstrukturen generieren – mit einer Geschwindigkeit, die zehnmal höher liegt als bei AlphaFold 2, das bislang als Goldstandard der Branche galt. Während AlphaFold die Vorhersage statischer Proteinstrukturen revolutionierte, geht BioEmu 1 einen Schritt weiter und modelliert das dynamische Verhalten von Proteinen – und erfasst so das gesamte Spektrum an Konformationen, das Proteine natürlicherweise einnehmen.
BioEmu 1 erreicht diese beeindruckende Leistung durch die Integration von drei entscheidenden Datenquellen: Strukturen aus der AlphaFold-Datenbank, einem umfangreichen Datensatz aus Molekulardynamik-Simulationen sowie experimentellen Daten zur Proteinfaltungsstabilität. Die Effizienz des Systems ist so hoch, dass Universitätslabore nun komplexe virtuelle Mutagenese-Sweeps in kurzen Pausen durchführen können – Aufgaben, die zuvor Tage oder Wochen an Rechenzeit erforderten.
„Die Dynamik von Proteinen ist nach der präzisen Strukturvorhersage das nächste große Ziel der Forschung“, erklärt Professor Martin Steinegger von der Seoul National University. „Dank BioEmu können Wissenschaftler nun schnelle Stichproben der freien Energielandschaft von Proteinen durchführen – ermöglicht durch Deep-Learning-Technologie.“
Der Einfluss der Technologie reicht über die akademische Forschung hinaus. In der Wirkstoffentwicklung kann BioEmu 1 kryptische Bindungstaschen identifizieren, die mit herkömmlichen Methoden oft schwer zu erkennen sind, und so neue Ansatzpunkte für therapeutische Interventionen bieten. Das System sagt zudem die Stabilität von Proteinen durch Faltungsfreienergie-Berechnungen präzise voraus, die mit experimentellen Ergebnissen übereinstimmen.
Microsoft hat BioEmu 1 als Open-Source-Software veröffentlicht – im Gegensatz zu den restriktiveren Ansätzen einiger Wettbewerber. Damit können Forschende weltweit ihre Studien zur Proteindynamik vorantreiben und so potenziell biomedizinische Entdeckungen, einschließlich Fortschritten im Wirkstoffdesign, beschleunigen. Laut Branchenanalysten könnte die Technologie bereits ab Juli 2025 die Kosten für die Wirkstoffentwicklung um bis zu 30 % senken, wie erste Anwender berichten.