Künstliche Intelligenz und Proteindesign: Nobelpreis ehrt wegweisende Entwicklungen

Der Nobelpreis für Chemie überrascht in diesem Jahr mit einer bemerkenswerten Würdigung: der Verknüpfung von Biochemie und künstlicher Intelligenz. Die Auszeichnung würdigt die herausragende Arbeit im Bereich des Proteindesigns und der Vorhersage von Proteinstrukturen durch den Einsatz moderner Computertechnologien. Obwohl Chemiker oft mit einem Augenzwinkern bemerken, dass der Chemie-Nobelpreis oft Errungenschaften in der Biologie ehrt, markiert dieser Preiszugang einen fortschrittlichen Schritt in eine neue Richtung: die Verschmelzung chemischer Expertise mit innovativen Computertechnologien. Die Hälfte des Preises ging an David Baker, einen Biochemiker von der University of Washington, für seine bahnbrechende Arbeit im Design neuer Proteine mittels Rechnertechnologie. Die andere Hälfte wurde an John Jumper und Demis Hassabis von DeepMind, der KI-Firma von Google, vergeben, die Modelle entwickelt haben, welche die dreidimensionale Struktur von Proteinen vorhersagen können. Diese Errungenschaften haben grundlegende Herausforderungen der Biochemie adressiert und wurden daher gefeiert. David Baker genießt seit langem den Ruf eines Favoriten. Die Anerkennung von Jumper und Hassabis hingegen kam für viele unerwartet. Doch dies war eindeutig das Jahr der künstlichen Intelligenz. Nur einen Tag zuvor wurde der Nobelpreis für Physik für die Entwicklung neuronaler Netzwerke verliehen, die ähnliche AI-Modelle wie bei DeepMind unterstützen – ein Gebiet, das von einigen als eher untypisch für die Physik betrachtet wird. Proteine, die komplexen chemischen Bausteine des Lebens, bestehen aus Aminosäuren, die in langen Ketten angeordnet sind und sich auf spezifische Weise falten. Diese gefaltete Form definiert ihre biologische Funktion. Das Verständnis dieser Struktur ist also entscheidend, um Einblicke in die Biologie zu gewinnen. Bereits 2003 entwarf Dr. Baker mithilfe seines Programms Rosetta eine neuartige Proteinfaltung. Diese Errungenschaft wurde zum Meilenstein und ebnete den Weg für Rosetta Commons, ein Softwarepaket, das heute von Proteinchemikern weltweit genutzt wird. Diese Technologie spielt eine Schlüsselrolle in der Entwicklung von Impfstoffen und der Erkennung giftiger Chemikalien. DeepMinds AlphaFold 1 und 2 Modelle, bekannt seit 2018 und 2020, meisterten die Herausforderung der Vorhersage von Proteinstrukturen aus Aminosäuresequenzen. Mit einer beeindruckenden Genauigkeit von 90% verfügt AlphaFold 2 inzwischen über eine Datenbank mit über 200 Millionen Vorhersagen. Die rasante Entwicklung führte zur Veröffentlichung von AlphaFold 3 im Mai, das nun auch die Struktur anderer Biomoleküle und potenzieller Arzneimittelkomponenten vorhersagen kann. Die Anerkennung der Arbeit mit einem KI-Modell durch die Nobelpreiskommission öffnet die Tür für zukünftige Auszeichnungen ähnlicher Art. KI hat längst alle Wissenschaftsbereiche erobert, wie Dr. Baker während der Nobelpreis-Pressekonferenz betonte. Insbesondere inspirierte ihn AlphaFold, generative Modelle zu schaffen, die der Gestaltung neuer Proteine dienen. Seine Aussage, dass diese Methoden kraftvoller sind als zuvor, wird noch lange in der Forschungsgemeinschaft nachhallen.