Proteine falten und entwerfen

David Baker, Nobelpreisträger für Chemie 2024, hat mit seiner Gruppe zur Jahrtausendwende die Software Rosetta geschaffen. Sie findet Aminosäuresequenzen, um Proteinstrukturen zu bauen. Wie das geht, was sich damit anfangen lässt und wie es war, beim Durchbruch dabei zu sein – das erzählen ein ehemaliger Postdoktorand Bakers und eine Forscherin, die Proteindesign für ihre Forschung nutzt.

Let’s go for a walk”, waren David Bakers erste Worte, als ich in Seattle an der Universität von Washington zum Interview eintraf. Ich hatte mich in seinem Labor als „post-doctoral fellow“ beworben. Wir liefen zusammen durch die Union Bay Natural Area zur Schule seiner Kinder und diskutierten, wie man im Computer am schnellsten Konformationsänderungen von Proteinen berechnet. Nachdem wir die Kinder abgeholt und nach Hause gebracht hatten, war meine Entscheidung für Seattle gefallen – ich hatte nicht nur mit einem visionären Wissenschaftler gesprochen, sondern mit einem besonderen Menschen. Eines der Privilegien in der akademischen Forschung ist, dass wir uns aussuchen können, mit wem wir arbeiten möchten. Ich wollte mit David arbeiten.

Rosetta übersetzt Sequenz in Struktur

Das Projekt Rosetta hatte mich nach Seattle gebracht. Benannt ist es nach dem Stein von Rosetta, der entscheidend war, um die ägyptischen Hieroglyphen zu entschlüsseln. In Davids Gruppe ging es nicht um Hieroglyphen, sondern um eines der größten Geheimnisses der Biologie: Wie konstruiert die Natur aus der Reihenfolge von Aminosäuren (Primärstruktur) fast immer die korrekte dreidimensionale (Tertiär-)Struktur eines Proteins? Das Proteinfaltungsproblem ist gelöst, wenn ein Computeralgorithmus für eine gegebene Sequenz immer die richtige Struktur vorhersagt.

Rosetta ist ein Monte-Carlo-Algorithmus, der Proteinfragmente (Peptide) im Raum zusammensetzt wie ein dreidimensionales Puzzle. Seit 1999 ist Rosetta Grundlage für viele Entwicklungen in der Strukturvorhersage.

Die Grundlagen, die Rosetta geschaffen hat, waren entscheidend für das Programm Alphafold, das aus einer Aminosäuresequenz die Proteinstruktur berechnet. Für die Proteinstrukturvorhersage erhielten John Jumper und Demis Hassabis eine Hälfte des Nobelpreises. Hier hat David Bakers Team also entscheidend beigetragen. Baker selbst hat den Nobelpreis für computergestütztes Proteindesign erhalten. Sein Team und er haben im Jahr 2003 erstmals ein Protein entworfen und hergestellt, das zuvor bekannten nicht ähnelt (Abbildung oben). Einige der von ihm seitdem entworfenen Proteine lassen sich etwa als Wirk- oder Impfstoffe einsetzen. Beim Proteindesign entwerfen Forschende Proteine, die bestimmte Strukturen und Eigenschaften haben sollen, und der Algorithmus gibt die passende Aminosäuresequenz aus.

Wie Faltung und Design zusammenhängen

Warum gibt es einen gemeinsamen Nobelpreis für Proteinfaltung und Proteindesign? Beides ist wie Yin und Yang. Bei der Proteinfaltung ist die Aminosäuresequenz gegeben, gesucht wird die Struktur. Beim Proteindesign steht die Struktur fest, und man fragt nach einer Sequenz, die sich zu dieser Struktur faltet (Abbildung links). Deshalb heißt das Proteindesignproblem auch häufig inverses Proteinfaltungsproblem.

Die Suchfunktion der Software ändert die Konformation und beim Proteindesign auch die Sequenz des Proteins. Die Energiefunktion bewertet, ob die geänderte Lösung energetisch günstig ist. Ein wohlgefaltetes Protein befindet sich oft im globalen Minimum, welches die Energiefunktion von weniger günstigen Zuständen unterscheidet. Durch entsprechende Programmierung gibt es eine gemeinsame Suchfunktion für den Konformationsraum und eine gemeinsame Energiefunktion – das Programm macht also beides: suchen und bewerten. Dieser Ansatz sollte die Algorithmen robust machen, also die Fehlerquote senken und auf viele Proteindesignprobleme anwendbar machen. Das war die revolutionäre Idee hinter Rosetta – eine schnelle Monte-Carlo-Suche im Konformationsraum gekoppelt mit einer robusten erfahrungsbasierten Energiefunktion.

Mehr Möglichkeiten als Atome im Universum

Was Proteinfaltung und -design kompliziert macht, sind die Milliarden von Möglichkeiten, Atome im Raum anzuordnen. Proteine bestehen aus tausenden Atomen. Es ist unmöglich, alle Anordnungen im Raum und Sequenzen beim Proteindesign zu durchsuchen. Die Zahl der Möglichkeiten übersteigt die Zahl der Atome im Universum. Hier ist es wichtig, die Such- und Energiefunktion effizient zu koppeln.

Proteinen Leben einhauchen

Anfang der 2000er Jahre entwarf die Baker-Gruppe ein De-novo-Protein – also eines, das nicht direkt von der Natur inspiriert ist. Für dieses Protein namens TOP7 fand Rosetta eine Aminosäuresequenz. Diese wurde anschließend hergestellt, und wie die Forschenden feststellten, faltete sich das Protein so wie am Rechner geplant.

Eines meiner (JM) Projekte in Seattle war, diesen Proteinen eine Funktion zu geben: Ich passte Rosettas Proteindesignalgorithmus an und entwarf so nicht nur Proteine, sondern Enzyme.

Wie Proteindesign hilft

Effiziente Methoden für Proteindesign sind so wichtig, da Proteine universelle Funktionsgeber der Biologie sind: Sie können chemische Reaktionen katalysieren, sie koppeln Ligandenbindung mit chemischen Reaktionen, sorgen damit für Signalüberleitung, und sie bewerkstelligen den Transport von Sauerstoff, Ionen oder Hormonen durch den Körper. Darüber hinaus sind sie wichtige Werkstoffe, und indem wir sie modifizieren, werden wir neue funktionalisierte bioabbaubare Materialien erhalten. Ein großer Teil von David Bakers Erfolg ist, Proteindesign in die Anwendung gebracht zu haben. Aus seinen Forschungsarbeiten und aus seinem Institut für Proteindesign sind inzwischen über zwanzig Firmen ausgegründet worden.

Einer der wichtigsten Einsatzorte für Proteindesign ist die Arzneistoffforschung.

Zwei Entwicklungen für die Wirkstoffforschung

Selbstorganisierende Proteine bilden große stabile Komplexe; sie können so DNA oder RNA umhüllen oder Proteine auf ihrer Oberfläche präsentieren. In der Natur existieren sie zum Beispiel als Virushüllen. In Bakers Labor wurden natürliche Proteine, die keine Komplexe bilden, neu entworfen: Durch Rosetta wurden ihre Oberflächen komplementär gemacht, sodass sie sich aneinander anlagern und global organisieren können. Diese Proteine wurden im Labor einzeln hergestellt und zusammengeführt, wo sie größere Partikel mit definierten Geometrien bildeten. Dabei formen diese Proteinkomplexe die platonischen Körper, etwa Ikosaeder und Oktaeder – wie in der Natur. Über die nächsten Jahre entwickelten David Baker und sein Team diese Partikel weiter – De-novo-Proteine ersetzten die natürlichen Proteine, und die geometrischen Strukturen wurden komplizierter. Diese selbstorganisierenden Nanopartikel lassen sich mit viralen Glykoproteinen dekorieren und funktionieren so als Impfstoffe. Mit dieser Technik haben das Institut für Proteindesign und Baker den Corona-Impfstoff SKYCovione in Südkorea auf den Markt gebracht.

Vielversprechend ist auch, De-novo-Proteine als Mini-Binder zu entwerfen – das sind Wirkstoffe mit Eigenschaften von monoklonalen Antikörpern und Molekülen. Methoden der künstlichen Intelligenz haben dies ermöglicht. RoseTTAFold aus Bakers Labor oder Alphafold von den anderen beiden Nobelpreisträgern Demis Hassabis und John Jumper sagen nicht nur Strukturen vorher: Erhält ein Diffusionsalgorithmus einige Punkte im Raum als Startkoordinaten, sagt das neuronale Netz die übrigen Koordinaten der Aminosäurereste voraus. Das ist auch in Gegenwart eines anderen Proteins möglich, sodass die Mini-Binder spezifisch an die gewünschten Oberflächen binden. Diese Mini-Binder können eine wertvolle Alternative für klassische Antikörperwirkstoffe sein – anders als diese lassen sie sich allein basierend auf Strukturdaten darstellen.

Bei den ersten Versuchen war es noch nötig, viele zehntausende Proteine im Computer zu designen, und nur die wenigstens ließen sich experimentell herstellen. Methoden der künstlichen Intelligenz haben die Erfolgsraten im Labor jedoch gesteigert.

Diese Konzepte nutzen Forscher:innen auch in Deutschland. Das Institut für Wirkstoffentwicklung, das ich (JM) im Jahr 2020 an der Medizinischen Fakultät der Universität Leipzig gegründet habe, will computergestützte Wirkstoffentwicklung in die Anwendung bringen. Proteindesign ist ein wichtiger Teil davon. Während mein Labor Algorithmen entwickelt und testet (www.meilerlab.org), verwenden andere Arbeitsgruppen diese, um Wirkstoffe zu designen. Die Arbeitsgruppe von Clara Schoeder nutzt Proteindesign, um neue Impfstoffe sowie Gen- und Zelltherapeutika zu testen (www.schoederlab.org). Diese neuen Techniken stellen wir auch in der Lehre vor. Im Sinne von David Bakers wegweisender Arbeit verwenden unsere Mitarbeiter:innen computergestütztes Proteindesign, um eine neue Generation an Wirkstoffen zu entwerfen und in Experimenten zu testen.

Den Beitrag haben Jens Meiler und Clara Schoeder von der Universität Leipzig verfasst. Jens Meiler ist seit 2020 Leiter des neugegründeten Instituts für Wirkstoffentwicklung. Er entwickelt computergestützte Verfahren zur Wirkstoffforschung, um Strukturen von Membranproteinen zu bestimmen und Proteintherapeutika zu entwickeln. Seit dem Jahr 2023 ist Clara Schoeder Juniorprofessorin für die Entwicklung neuer immunotherapeutischer Wirkstoffe. Sie nutzt computergestütztes Proteindesign mit maschinellem Lernen und entwirft so Proteine mit neuen Funktionen.

Fragen an: Jens Meiler, Ex-Postdoktorand des Nobelpreisträgers

Sie waren Anfang der 2000er Jahre Postdoc bei David Baker. Wie war es, mit ihm zusammenzuarbeiten?

Die Zusammenarbeit mit David Baker war nicht nur professionell, sondern auch persönlich sofort eine positive Erfahrung – sehr auf Augenhöhe. Wir waren damals vielleicht 15 Leute in seiner Arbeitsgruppe. Die Hälfte davon hat die Rosetta-Software programmiert, die Proteindesign enthält. David selbst hat gar nicht so viel programmiert, er kommt aus der Biochemie, hat aber die Möglichkeiten erkannt und die Richtung vorgegeben.

Hatten Sie schon damals das Gefühl: Das könnte einen Nobelpreis geben?

Das Proteinfaltungsproblem, wofür John Jumper und Demis Hassabis von Deepmind den Nobelpreis erhalten haben, war beschrieben als das größte Problem in der computergestützten Biologie. Das zu lösen ist nobelpreiswürdig, das war eigentlich schon damals jedem klar.

Ich bin zu David gegangen, weil die ersten Resultate von Rosetta gerade bei der Proteinfaltung vielversprechend aussahen. Damals hatte ich mit künstlicher Intelligenz schon Schritte gemacht, und das haben wir zusammen in Rosetta eingebaut.

Steckt denn in der aktuellen Version von Rosetta noch Code von Ihnen?

Ja, gerade der Teil, der Proteinfaltung betrifft. Beim Proteindesign gab es frühe Erfolge im Design von Enzymen – diese ersten Versionen habe ich geschrieben. Andererseits muss man ganz fair sagen: Damals waren wir acht Leute, die daran herumprogrammiert haben, und die Software ist jetzt riesengroß, inzwischen haben das bestimmt hundert Gruppen angefasst.

Baker sagte, er hätte gedacht, wenn er den Nobelpreis erhält, dann mit Stephen Mayo und William DeGrado. Glauben Sie, die hätten das mehr verdient?

Das ist die Frage des Themas: Beide sind Pioniere des Proteindesigns. Wenn es nur einen Nobelpreis für Proteindesign gegeben hätte, dann wären das neben David Baker sicherlich zwei Kandidaten gewesen.

Das Problem war: Wenn das Nobelpreiskomitee Proteinfaltung auszeichnet, kann es Baker nicht übergehen, weil er mit Rosetta vor 25 Jahren die Grundlagen geschaffen hat. Das Komitee hat nicht unendlich viele Preise zu vergeben, und computergestützte Biologie hatte vor ein paar Jahren schon einen Nobelpreis. Ich vermute, deshalb hat das Komitee sich entschieden, Design und Faltung mit einem gemeinsamen Preis zu würdigen – da hätte ich John Jumper und David Baker auf der Liste gehabt. Bei aller Hochachtung vor Steve Mayo und Bill DeGrado sticht David nochmal heraus.

Kooperieren Sie aktuell mit David Baker in Projekten?

Im Moment haben wir keine gemeinsamen Anwendungsprojekte. Die meisten Dinge, die David kann, machen wir auch und umgekehrt. Unsere Kollaboration läuft über Rosetta Commons: Unsere Studenten tauschen täglich Computercode aus, sie sind auf einem gemeinsamen Slackkanal [Chat- und Projektsoftware], der Code wird jede Nacht getestet, und wir haben gemeinsame Konferenzen und Workshops, bei denen die Studenten lernen, wie sie in Rosetta programmieren. Die meisten der hundert Labore haben ihre eigenen Anwendungsprojekte. Ich kollaboriere dann zum Beispiel mit Leuten, die die Impfstoffe herstellen und testen.

LB

Die Nobelpreise für Physik und Medizin

Der Physiknobelpreis 2024 geht an John J. Hopfield und Geoffrey E. Hinton. Sie wurden für ihre herausragenden Beiträge zur Entwicklung künstlicher neuronaler Netze ausgezeichnet, welche die Grundlage des heutigen maschinellen Lernens und der künstlichen Intelligenz bilden.

John Hopfield, Professor an der Princeton University, entwickelte das nach ihm benannte Netz. Dieses zeigt, wie Erinnerungen gespeichert und rekonstruiert werden können. Hopfield nutzte dabei physikalische Prinzipien, etwa Energieminimierung, um Verbindungen zwischen Neuronen in einem Netzwerk zu modellieren. Geoffrey Hinton, Professor an der University of Toronto, entwickelte das Boltzmann-Maschinenmodell, das auf Hopfields Arbeit aufbaut. Es ermöglicht Maschinen, Muster in Daten zu erkennen – eine Schlüsselkomponente moderner KI-Techniken.

Ihre Arbeiten, die in den 1980er Jahren begannen, wirkten sich weitreichend auf viele Wissenschaftsbereiche aus und zunehmend auch auf das Alltagsleben der Menschen. Die von den beiden Preisträgern entwickelten neuronalen Netze bilden die Basis für viele der heute eingesetzten maschinellen Lernverfahren, beispielsweise in der Bild- und Spracherkennung.

Die Nobelpreisträger für Physiologie oder Medizin 2024 sind Victor Ambros und Gary Ruvkun. Sie wurden für ihre bahnbrechende Entdeckung der microRNA ausgezeichnet, einer Klasse winziger RNA-Moleküle, die wichtig für die Genregulation sind. MicroRNAs schalten Gene ein und aus und steuern damit, welche Proteine in den Zellen produziert werden. Diese Mechanismen sind nicht nur grundlegend für die Entwicklung und Funktion von Lebewesen, sondern auch von großer Bedeutung, um etwa Krebs, Herzkrankheiten oder neurologische Erkrankungen zu erforschen und zu behandeln. CR

Illustration: Johan Jarnestad / The Royal Swedish Academy of Sciences

AUF EINEN BLICK

Das Programm Rosetta entwirft Proteine – es findet für eine erdachte Proteinstruktur eine Aminosäuresequenz.

Das führte im Jahr 2003 zu TOP7, dem ersten Protein ohne natürliche Vorlage.

Inzwischen steckt diese Forschung zum Beispiel in einem Impfstoff gegen das Coronavirus.

Bildung + Gesellschaft