Baker Lab: KI-Proteasen sollen krankheitsassoziierte Eiweiße gezielt spalten
Veröffentlicht am: 15.10.2026 um 14:30 Uhr | Redaktion boerse-global.de
Die computergestützte Biologie erreicht eine neue Phase der biochemischen Präzision: Das renommierte Baker Lab hat künstlich generierte Proteasen entwickelt, die krankheitsassoziierte Proteine gezielt spalten können, wie aus einem Bericht vom 14. Oktober 2026 hervorgeht.
Während bisherige KI-Modelle in der Proteinforschung vor allem darauf ausgerichtet waren, statische Bindeproteine zu entwerfen, rückt nun das aktive Design maßgeschneiderter katalytischer Funktionen in den Fokus. Die enzymatische Zerschlagung fehlgefalteter oder schädlicher Eiweißstrukturen gilt als ein zentraler technologischer Schritt für künftige biomedizinische Anwendungen.
Fortschritte im computergestützten Enzym- und Proteindesign
Dass die Modellierung funktioneller Enzyme branchenweit stark an Dynamik gewinnt, belegen parallele Entwicklungen großer Technologieunternehmen. Google veröffentlichte mit Gemini 4 Argon ein Modell für Entwickler, Unternehmen und Abonnenten weltweit. Nach Unternehmensangaben in Berichten vom 13. Oktober 2026 wurden in diesem Zusammenhang fünf neue Proteinstrukturen mit experimentell bestätigter katalytischer Aktivität identifiziert.
Gleichzeitig schreitet die Steuerung von Proteinentwürfen über natürliche Sprache voran. Das Strukturmodell Prompteina, vorgestellt im Preprint „Designing Protein Structures from Natural Language“, nutzt Textvorgaben zur All-Atom-Generierung.
Trainiert auf dem Datensatz Prompteina-Data mit 1,8 Millionen Strukturen und über 50 Millionen Beschreibungen, baut das System auf dem Modell Proteina-Complexa auf. Den Autoren zufolge übertrifft Prompteina bestehende Baselines bei 15 von 18 strukturellen Eigenschaften und führt beim Binderdesign bei mindestens 13 von 20 Zielstrukturen.
Wer sich mit der Erhaltung seiner kognitiven Fähigkeiten befasst, findet in diesem kostenlosen Ratgeber wertvolle Tipps zur Demenzvorbeugung durch gezielte Alltagsübungen und Ernährung. 11 praktische Gehirn-Jogging-Übungen jetzt kostenlos entdecken
Für das Zielmolekül GM2A, für das bislang keine De-novo-Binder berichtet wurden, wies das System neun Binder nach, wobei für den stärksten Kandidaten eine Affinität von 107 Nanomolar angegeben wird.
Relevanz für neurodegenerative Erkrankungen und Proteopathien
Der gezielte Abbau fehlgefalteter Moleküle durch neuartige Proteasen betrifft insbesondere das Feld der Proteopathien wie Alzheimer, Parkinson oder amyotrophe Lateralsklerose (ALS).
Um pathologische Proteinansammlungen besser zu analysieren, sicherte sich die Seragy holding GmbH laut einem Bericht vom 14. Oktober 2026 eine Finanzierung in Höhe von 12 Millionen Euro für ihre SeRAS-Plattform.
Die Mittel stammen von der Commerzbank, der Mittelständischen Beteiligungsgesellschaft Niedersachsen und dem Land Niedersachsen. Die Plattform erzeugt molekulare Fingerabdrücke krankhafter Proteinaggregate und erhält für die Entwicklung eines quantitativen Parkinson-Biomarker-Assays zudem Unterstützung durch die Michael J. Fox Foundation.
Da die Forschung zeigt, wie eng körperliche Werte und geistige Fitness verknüpft sind, hilft Ihnen dieser kostenlose Experten-Report dabei, Ihre Laborwerte richtig zu deuten und gesundheitliche Warnsignale frühzeitig zu erkennen. Kostenlosen Laborwerte-Selbstcheck hier anfordern
Ergänzend dazu untersuchten Forscher um Sánchez-Pérez in einer im Journal of Proteome Research veröffentlichten Arbeit hirnregionspezifische Peptid- und Proteomsignaturen zur Etablierung neuer Biomarker-Panels.
Sicherheitsmechanismen für synthetisch generierte Proteine
Mit der wachsenden Leistungsfähigkeit generativer Entwurfswerkzeuge gewinnen Kontroll- und Identifikationsmechanismen an Bedeutung. Google DeepMind stellte am 30. September 2026 in der Fachzeitschrift Nature das System SynthID Bio vor. Das Verfahren bringt digitale Wasserzeichen in KI-generierte Aminosäuresequenzen und Proteinstrukturen ein.
Über Modifikationen bei der Aminosäureauswahl in ProteinMPNN sowie eine Feinabstimmung des Diffusionsnetzwerks von AlphaFold 3 erzielt der zugehörige Strukturdetektor eine Erkennungsrate von über 99,8 Prozent bei einer Falsch-Positiv-Rate von 0,1 Prozent.
Erste Labortests an Zielstrukturen wie VEGF-A, PD-L1 und der SARS-CoV-2-Rezeptorbindungsdomäne zeigten vergleichbare Bindungsstärken zwischen markierten und unmarkierten Varianten, wenngleich das Signal durch spätere Sequenzüberarbeitungen grundsätzlich entfernbar bleibt.
