Deepmind: KI schafft Durchbruch bei der Proteinfaltung

Zwei Jahre nachdem AlphaFold einen Wettbewerb zur Proteinstrukturvorhersage dominiert hat, hat sie ihn wohl nun klar gewonnen. Das hat Deepmind bekannt gegeben.

Lesezeit: 1 Min.
In Pocket speichern
vorlesen Druckansicht Kommentare lesen 147 Beiträge

(Bild: Deepmind)

Von
  • Martin Holland

Deepmind hat offenbar eine fundamentale Herausforderung der Biologie weitgehend gelöst und mit "AlphaFold" eine KI geschaffen, die die Proteinstrukturvorhersage mit nie erreichter Genauigkeit erledigt. Das teilte die Google-Tochter am Montag mit und löste teilweise begeisterte Reaktionen in der Forschergemeinde aus.

Nachdem der Algorithmus bereits 2018 in dem zwei Jahre ausgetragenen Wettbewerb CASP deutlich bessere Ergebnisse erzielt hatte, als die Konkurrenz, lief es nun noch einmal deutlich besser: "In gewisser Weise ist das Problem gelöst", meinte mit John Moult einer der Wettbewerbsgründer gegenüber dem US-Wissenschaftsmagazin Nature. "Das ist das erste Mal, dass eine KI ein ernstes Problem löst", sagte er der Technology Review.

Das Proteinfaltungsproblem ist ein Kernproblem der Biologie. Es geht dabei darum, dass Proteine aus Hunderten von Aminosäuren bestehen, die sich zu komplexen Strukturen zusammenfalten. Welche Aminosäuren zu einem Protein gehören, codiert die DNS, die aber keinen Aufschluss über die räumliche Struktur gibt. Auf sie aus den genetischen Informationen zu schließen, ist die Herausforderung der Proteinstrukturvorhersage. Bloßes Ausprobieren würde bei einem typischen Protein länger dauern, als das Universum alt ist, trotzdem falte sich ein Protein innerhalb von maximal Minuten, zitiert Deepmind das zugehörige Paradox. Die Natur probiert also nicht aus, natürliche Mechanismen geben den Weg vor.

Im Jahr 1994 wurde der Wettbewerb CASP ("Critical Assessment of Techniques for Protein Structure Prediction") ins Leben gerufen, um den Stand der Forschung abzubilden. Techniken zur Proteinstrukturvorhersage können dabei an ermittelten aber nicht veröffentlichten Proteinstrukturen getestet werden. Die erreichte Genauigkeit wird dabei in GDT (Global Distance Test) angegeben, erklärt Deepmind. Der kann demnach zwischen 0 und 100 liegen, etwa ab 90 sei er vergleichbar zu Messergebnissen. Die zweite Version von AlphaFold hat demnach einen mittleren Wert von 92,4 erreicht und selbst bei den schwierigsten Proteinen immer noch 87. Die KI-Vorhersage der Proteinstrukturen könnte damit zu einem wichtigen Werkzeug der Forscher werden.

"Das wird die Medizin verändern, das wird die Forschung verändern, das wird Bioengineering verändern, das wird alles ändern", ordnet Andrei Lupas vom Max-Planck-Institut für Entwicklungsbiologie gegenüber Nature ein. Jan Kosinski vom Europäischen Laboratorium für Molekularbiologie jubelt sogar, "Wow, das ist ein Durchbruch". Er könne es kaum erwarten, diese Methode für seine Proteine einzusetzen. Gunnar Schröder vom Forschungszentrum Jülich weist derweil darauf hin, dass es mit AlphaFold im Prinzip so sei, als würde man eine Person kennen, die die Proteinstruktur richtig vorhersagt, ohne die Methode zu erklären. Das sei "fantastisch und von großem wissenschaftlichem Wert", den zugrunde liegenden Code "halte ich allerdings nicht wirklich für geknackt". Deepmind will die Hintergründe in einem wissenschaftlichen Artikel vorstellen.

(mho)