Computergestützes Proteindesign

Projekttitel: Computergestütztes Proteindesign für neuartige Immuntherapeutika unter Einsatz künstlicher Intelligenz

Projektdauer: 10/2023 – 12/2024

Forschungsbereich: Biowissenschaften und Medizin

Wir nutzen und entwicklen maschinelle Lernansätze für das rationale Design von Proteinen weiter, um Proteine mit erhöhter Stabilität, neuartigen Funktionen oder veränderten Bindungseigenschaften an therapeutische Zielmoleküle zu erhalten. Die computergestützt vorhergesagten Konstrukte werden anschließend im Labor evaluiert, um die theoretischen Vorhersagen in reale Daten umzusetzen.

Wir entwickeln Impfstoffkandidaten für neu auftretende Virusinfektionen und pandemische Bedrohungen, Proteintherapeutika für die Krebsimmuntherapie sowie Peptid- und niedermolekulare Bindemittel zur Modulation therapeutischer Protein-Targets.

Die Kombination aus sich rasch weiterentwickelnden Lösungsansätzen des maschinellen Lernens zur Vorhersage von Proteinstrukturen und zum Proteindesign sowie unseren biomolekularen Methoden zur Bewertung der entworfenen Verbindungen ermöglicht es uns, neuartige Medikamente für dringende therapeutische Bedürfnisse effizient und zügig zu entwickeln.

Ziele

• Rationales Design von Impfstoffkandidaten gegen neu auftretende Virusinfektionen zur Verbesserung der Pandemievorsorge
• Entwicklung stabilisierter einkettiger T-Zell-Rezeptoren als Bausteine für Antitumor- und antivirale Therapien
• Neue Methoden für das KI-gestützte Proteindesign
• Integration von KI und biophysikalischen Designstrategien

Problemstellung

Die Entwicklung neuer Immuntherapeutika ist kostspielig, arbeitsintensiv und erfordert Fachwissen. Wir nehmen an, dass KI-basierte Strategien zum Proteindesign dem entgegenwirken und dazu beitragen können, Proteinwirkstoffe effizienter herzustellen.

Praxisbeispiel

Derzeit testen wir eine KI-Methode zum Design hyperthermostabiler Proteine, die für biotechnologische Anwendungen von Nutzen sein wird. Außerdem entwickeln wir Schnittstellen für KI-Methoden in klassischen Software-Frameworks für das Proteindesign.

Diese Technologien werden in unseren Labors am Institut für Wirkstoffforschung intensiv getestet.

Technologie

Wir nutzen auf maschinellem Lernen basierende Tools zur Vorhersage von Proteinstrukturen wie AlphaFold2 und RFdiffusion. Das computergestützte Proteindesign erfolgt mit Deep-Learning-basierten Methoden zur Sequenzgestaltung wie ProteinMPNN, aber auch mit Rosetta, wobei dessen auf Physik und Statistik basierende Energiefunktion zur Bewertung der entworfenen Strukturen genutzt wird.

Ausblick

Unsere Projekte bilden die Grundlage für neue, mithilfe künstlicher Intelligenz entwickelte biotechnologische Arzneimittel.

Team

Teamleitung

• Jun.-Prof. Clara T. Schoeder (Universität Leipzig)

Teammitglieder

• Johanna Möller (Universität Leipzig)
• Moritz Ertelt (Universität Leipzig)