Die künstliche Intelligenz AlphaFold2

Eine künstliche Intelligenz namens Alpha-Fold2 sagt die räumliche Gestalt von Proteinen mit bislang unerreichter Treffsicherheit voraus. Das hat weit reichende Folgen für die Biowissenschaften.

Seit mehr als zehn Jahren versuchen der Molekularbiologe Martin Beck und seine Kollegen, eines der schwierigsten Puzzles der Welt zusammenzusetzen: ein detailliertes Modell vom Kernporenkomplex, einer riesigen Kanalstruktur, die zu den größten molekularen Maschinen in menschlichen Zellen zählt. Dieser gigantische Apparat steuert, welche Moleküle in den Zellkern eintreten beziehungsweise ihn verlassen. In jeder Zelle gibt es hunderte solcher Komplexe. Sie bestehen aus je rund tausend Proteinmolekülen, die sich zu einer Struktur ähnlich einem Hohlzylinder zusammenfügen, der die innere mit der äußeren Kernmembran verbindet und einen Durchgang durch die Kernhülle erzeugt.

Mehr als 30 Sorten von Eiweißen, von denen jeweils mehrere Kopien vorliegen, bilden einen Kernporenkomplex. Sie werden als Nukleoporine (abgekürzt Nup) bezeichnet und sind vielfältig miteinander verbunden. Ihre räumlichen Formen sind zwar experimentell ermittelt worden, allerdings anhand von Proben verschiedener biologischer Arten, weshalb nicht klar ist, wie sie innerhalb ein und desselben Organismus zusammenwirken. Man weiß, wie das fertig zusammengesetzte Puzzle in etwa aussieht, da es niedrig aufgelöste 3-D-Darstellungen vom Kernporenkomplex gibt. Doch die sind nicht detailreich genug, um zu erkennen, wie sich die Teile im Einzelnen zusammenfügen.

Im Jahr 2016 stellte Beck, der am Max-Planck-Institut für Biophysik (MPIBP) in Frankfurt arbeitet, gemeinsam mit seinem Team ein räumliches Modell des Kernporenkomplexes vor. Es deckte etwa ein Drittel der Struktur dieses molekularen Apparats und rund die Hälfte der Nup-Proteine ab. Das war damals ein bedeutender Fortschritt …

Anishchenko, I. et al.: De novo protein design by deep network hallucination. Nature 600, 2021

Jumper, J. et al.: Highly accurate protein structure prediction with AlphaFold. Nature 596, 2021

Kosinski, J. et al.: Molecular architecture of the inner ring scaffold of the human nuclear pore complex. Science 352, 2016

Mosalaganti, S. et al.: Artificial intelligence reveals nuclear pore complexity. bioRxiv 10.1101/2021.10.26.465776, 2021

Porta-Pardo, E. et al.: The structural coverage of the human proteome before and after AlphaFold. PLoS Computational Biology 18, 2022

Thornton, J. M. et al.: AlphaFold heralds a data-driven revolution in biology and medicine. Nature Medicine 27, 2021

Van Kempen, M. et al.: Foldseek: Fast and accurate protein structure search. bioRxiv 10.1101/2022.02.07.479398, 2022