Forschende an der University of Southern California haben ein bahnbrechendes KI-Modell namens Deep Predictor of Binding Specificity (DeepPBS) vorgestellt, das darauf ausgelegt ist, die Genauigkeit der Protein-DNA-Bindung vorherzusagen. Dieses innovative Tool soll die Entwicklung neuer Medikamente und medizinischer Behandlungen beschleunigen, indem es effizientere Vorhersagen darüber liefert, wie Proteine mit DNA interagieren. DeepPBS basiert auf einem geometrischen Deep-Learning-Framework, das die Strukturen von Protein-DNA-Komplexen analysiert, um die Bindungsspezifität vorherzusagen. Dadurch können Wissenschaftler Daten zu diesen Komplexen in ein Online-Berechnungstool eingeben und den Prozess des Verständnisses von Protein-DNA-Interaktionen vereinfachen.
Nach Remo Rohs, einem Professor am Dornsife College der USC, eliminiert DeepPBS die Notwendigkeit zeitaufwändiger Hochdurchsatz-Sequenzierungen oder umfangreicher Strukturbiologie-Experimente und stellt somit eine schnellere und effizientere Methode zur Bestimmung der Bindungsspezifität dar. Was DeepPBS von bestehenden Methoden unterscheidet, ist seine Fähigkeit, Interaktionen über verschiedene Protein-Familien hinweg vorherzusagen, anstatt auf eine bestimmte Protein-Familie beschränkt zu sein. Dieser universelle Ansatz ist entscheidend für Forscher, die ein vielseitiges Werkzeug für die Untersuchung verschiedener Proteine und das Design neuer benötigen.
Durch Nutzung von Fortschritten in der Proteinstrukturvorhersage, wie z.B. DeepMind’s AlphaFold, ergänzt DeepPBS diese Technologien, indem es sogar die Vorhersage der Bindungsspezifität für Proteine ermöglicht, für die keine experimentellen Strukturen verfügbar sind. Diese Möglichkeit könnte die Gestaltung neuer Medikamente erheblich beschleunigen, Behandlungen für genetische Mutationen und Krebserkrankungen verbessern und Innovationen in der synthetischen Biologie und RNA-Forschung vorantreiben. Diese Entwicklung stellt einen bedeutenden Fortschritt seit der wegweisenden Entdeckung der DNA durch Francis Crick und James Watson im Jahr 1953 dar und zeigt, wie weit unser Verständnis und unsere technologischen Fähigkeiten auf dem Gebiet der Molekularbiologie gekommen sind.