Motivation
Proteine regulieren zelluläre Prozesse und spielen eine wichtige Rolle in der Biologie des Körpers. Ihre Fehlfunktion geht mit Krankheiten einher, wie Alzheimer und Parkinson. Ihre Funktion oder Fehlfunktion wird durch ihre 3-dimensionalen (3D) Strukturen bestimmt und wie sie zwischen diesen 3D-Strukturen umschalten. Das Studium der Proteindynamik ist daher wichtig für das Verständnis der fundamentalen Prozesse des Lebens, der Entwicklung von neuen Impfstoffen, Enzymen, Antikörpern und Wirkstoffen. Dahingehende Fortschritte sind jedoch mit existierenden Methoden schwierig, da Proteine sehr klein und die Zeitskalen ihrer Bewegung zu kurz für die meisten experimentellen Methoden und zu lang für Computersimulationen sind. Genau hier setzt das Forschungsvorhaben FAIME an.
Ziele und Vorgehen
Das Ziel ist die Entwicklung einer neuartigen Simulationsmethode zum Studium von Proteindynamik und -funktion mithilfe von neuartigen Verfahren der Künstlichen Intelligenz (KI). Das Konsortium setzt Maschinelles Lernen ein, um Computersimulationen von Proteinen um ein Vielfaches zu beschleunigen und so die direkte Untersuchung von Proteindynamik zu ermöglichen. Der Ansatz beruht darauf, dass nur einige wenige, repräsentative Proteinatome beschrieben werden. Das Konsortium nutzt „Graph Neural Networks“, um die Wechselwirkungen zu lernen. Dieser Ansatz ist auch durch physikalische Theorien fundiert.
Innovationen und Perspektiven
Die in FAIME entwickelte Software wird für die wissenschaftliche Community frei zur Verfügung gestellt. Das Konsortium wird die Resilienz, Flexibilität und Effektivität der Methode an medizinisch relevanten Problemen demonstrieren: die Aktivierung des Immunsystems und die Proteinaggregation bei der Alzheimerkrankheit. Die KI-Modelle und Software können ferner auf andere Anwendungsgebiete erweitert werden, wie z.B. die Entwicklung von Arzneimitteln oder neuen Materialien.