Protein-Markierung

KI-Tool soll bei der Marker-Auswahl unterstützen

Das Dresdner Start-up PharmAI (2019 als Spin-off der TU Dresden gegründet) und das Münchner Unternehmen „NanoTemper Technologies“ haben ein Tool entwickelt, das bei der Marker-Auswahl für Proteine helfen kann.

Wechselwirkungen zwischen Proteinen steuern biologische Prozesse im menschlichen Körper. Einblicke in diese Vorgänge sind notwendig, um Krankheiten zu verstehen und neue Medikamente entwickeln zu können. Im Labor wird deshalb die Bindungsneigung von Molekülen zu Proteinen gemessen. Für den Nachweis und die Messung dieser Interaktion ist eine Markierung nötig, meist mit Hilfe eines Farbstoffs. Doch dieser kann die Bindung ungünstig beeinflussen. Wichtig wäre es also zu wissen, welcher Farbstoff die Messung am wenigsten stört. Das Dresdner Start-up PharmAI (2019 als Spin-off der TU Dresden gegründet) und das Münchner Unternehmen „NanoTemper Technologies“ haben dafür das gemeinsame Tool „Proto“ entwickelt. „Unsere Web-Applikation schlägt Anwendern den für ihre Messung geeigneten Farbstoff vor“, erklärt Christina Wolf, Data Scientist bei Nanotemper Technologies.

Die Web-Anwendung „Proto“ ist nach Unternehmensangaben* einfach zu bedienen. Um den am besten geeigneten Farbstoff vorherzusagen, nutzt die Software die 3D-Struktur des Proteins. Die Struktur stammt aus der RCSB-Protein-Datenbank oder aus der Strukturdatenbank AlphaFold des zur Google-Mutter Alphabet gehörenden Londoner Unternehmens DeepMind. Erst seit November 2021 hat DeepMind zusammen mit dem EMBL-EBI die Datenbank frei zugänglich gemacht.

Anzeige

Für die Vorhersage einer Proteinstruktur auf Basis der Aminosäuresequenz des Proteins nutzt „AlphaFold“ das sog. Deep Learning – also mehrschichtige künstliche neuronale Netze. Insgesamt greift „Proto“ damit auf mehr als 700 000 Proteinstrukturen zurück. Nach der Auswahl des Proteins wählen Proto-Nutzer zusätzlich die Bindungsstelle oder das Molekül aus, das ans Zielprotein binden soll. Mit diesen Eingaben vergleicht die Software mögliche Markierungsoptionen, leitet die am wenigsten störende Variante ab und gibt Empfehlungen für die anstehende Messung. Diese neuartige Labeling-Vorhersage ist ein Ansatz zur Optimierung von Experimenten im Bereich der Biotechnologie und Pharmaindustrie in Zukunft mit Hilfe künstlicher Intelligenz.

PharmAI-Geschäftsführer Joachim Haupt. © PharmAI

„Die Forschenden sparen Zeit, weil aufwendige Untersuchungen zur Validierung der gewählten Markierung entfallen“, so PharmAI-Geschäftsführer Joachim Haupt. Das reduziere Kosten und vor allem auch den Verbrauch von Chemikalien. Die Lösung biete zudem Ansätze für neue Ideen, zum Beispiel die Entwicklung und Integration moderner KI-gestützter Algorithmen für das Screening geeigneter Wirkstoffkandidaten für die Arzneimittelentwicklung.

.

Das Tool kann ausprobiert werden unter: proto.nanotempertech.com

* Quelle: PharmAI

Anzeige

Das könnte Sie auch interessieren

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige

Zellbiologie

Protein beeinflusst Fettstoffwechsel

Wie viele Fettsäuren eine Zelle aufnimmt, beeinflusst unter anderem ein ganz bestimmtes Protein in der Hülle dieser Zelle. Das berichten Forschende am Max-Delbrück-Centrum für Molekulare Medizin in der Helmholtz-Gemeinschaft (MDC). Bei Menschen mit...

mehr...

Newsletter bestellen

Immer auf dem Laufenden mit dem LABO Newsletter

Aktuelle Unternehmensnachrichten, Produktnews und Innovationen kostenfrei in Ihrer Mailbox.

AGB und Datenschutz gelesen und bestätigt.
Zur Startseite