Künstliche Intelligenz revolutioniert Antikörper-DesignKünstliche Intelligenz revolutioniert Antikörper-Design

Generative KI entwirft erstmals Antikörper von Grund auf

In einem bahnbrechenden Forschungsprojekt ist es Wissenschaftlern erstmals gelungen, mithilfe generativer künstlicher Intelligenz (KI) völlig neue Antikörper zu designen. Die Ergebnisse, die kürzlich als Preprint auf bioRxiv veröffentlicht wurden, eröffnen die Möglichkeit, das KI-gestützte Proteindesign auf den therapeutischen Antikörpermarkt zu übertragen – einem Milliardenmarkt mit enormem Potenzial.

RFdiffusion revolutioniert den Antikörper-Designprozess

Das Forscherteam um die Computational Biochemiker Nathaniel Bennett, David Baker und Joseph Watson von der University of Washington setzte für ihr Projekt das KI-Tool RFdiffusion ein. Dieses auf einem neuronalen Netzwerk basierende Tool, ähnlich denen von bekannten Bild-KIs wie Midjourney und DALL·E, wurde speziell für das Design von Miniproteinen optimiert, die an ein Zielprotein binden können.

Durch das Training mit Tausenden von experimentell bestimmten Strukturen von Antikörpern und ihren Zielproteinen sowie realen Beispielen ähnlicher Interaktionen gelang es den Forschern, RFdiffusion für das Antikörper-Design anzupassen. „Es fühlt sich wie ein wichtiger Meilenstein an. Es zeigt wirklich, dass dies möglich ist“, betont Joseph Watson.

Vielversprechende Ergebnisse mit Ausblick auf die Zukunft

Mithilfe des modifizierten RFdiffusion-Tools entwarf das Team Tausende von Antikörpern, die spezifische Regionen verschiedener bakterieller und viraler Proteine erkennen – darunter auch solche, die SARS-CoV-2 und Influenzaviren für das Eindringen in Zellen nutzen. Zudem wurde ein Krebsmedikament als Ziel definiert.

Die Forscher stellten eine Teilmenge ihrer Designs im Labor her und testeten, ob die Moleküle an die richtigen Ziele binden. Etwa einer von 100 Antikörper-Entwürfen funktionierte wie erhofft. Mittels Kryo-Elektronenmikroskopie bestätigten sie die Struktur eines der Influenza-Antikörper und dessen Bindung an den vorgesehenen Teil des Zielproteins.

Herausforderungen und Chancen für die Medikamentenentwicklung

Obwohl die KI-generierten Antikörper noch weit von der klinischen Anwendung entfernt sind, sehen Experten wie Charlotte Deane von der University of Oxford großes Potenzial in diesem Ansatz: „Es ist ein sehr vielversprechender Forschungsansatz, der einen wichtigen Schritt bei der Anwendung von KI-Proteindesign-Tools auf die Entwicklung neuer Antikörper darstellt.“

Das Forscherteam hofft, mit RFdiffusion auch schwierige Wirkstoffziele wie G-Protein-gekoppelte Rezeptoren angehen zu können. Diese Membranproteine, die die Reaktion einer Zelle auf externe Chemikalien steuern, haben sich bisher als äußerst herausfordernd erwiesen.

Fazit Künstliche Intelligenz revolutioniert Antikörper-Design

Die Entwicklung völlig neuer Antikörper mithilfe generativer KI stellt einen bedeutenden Durchbruch dar. Auch wenn die aktuellen Ergebnisse noch weit von der praktischen Anwendung entfernt sind, ebnen sie den Weg für eine revolutionäre Methode des Antikörper-Designs. KI-Tools wie RFdiffusion könnten in Zukunft die zeitaufwändige und kostspielige Entwicklung von Antikörper-Medikamenten erheblich vereinfachen und beschleunigen. Forscher hoffen, dass dieser Ansatz letztlich die Entwicklung neuer Therapien für bisher schwer zu behandelnde Krankheiten ermöglichen wird.

Quelle: BioRxiv, Studien-Paper-PDF

#KünstlicheIntelligenz #artificalintelligence #KI #AI #Antikörper #Proteindesign #Medikamentenentwicklung #Biotechnologie

Die 29 besten KI-Sales-Tools für Deinen maximalen Erfolg im Vertrieb 2024
Die 10 besten Alternativen zu ChatGPT findest Du hier!
KI im Mittelstand – Jetzt künstliche Intelligenz im Unternehmen nutzen
16 besten KI Meeting Assistenten
Die 22 KI-Supermächte: Ein DeepDive auf die führenden Player 2024
Keymate.ai ist ChatGPT MIT Google Search – Krasse Kombi