Fortschritte in den Peptid-Design-Techniken

Protein-Design wird immer besser dank neuer Technologien, die genau vorhersagen können, wie Proteine zusammenpassen. Kürzlich haben Wissenschaftler sich darauf konzentriert, Proteine mit bestimmten Funktionen zu kreieren, aber diese Funktionen zu gestalten, ohne die genaue Struktur des Proteins zu kennen, bleibt eine Herausforderung. Es gibt viele Hürden zu überwinden, bevor diese designten Proteine in der realen Welt eingesetzt werden können, einschliesslich der Fähigkeit, sie in grosser Menge zu produzieren. Kleinere Proteine, die Peptide genannt werden, können effektiv an verschiedene Ziele binden und sind günstiger in der Herstellung mit älteren chemischen Methoden.

#Vorhersage von Proteinstrukturen

Eine der führenden Technologien zur Vorhersage von Proteinstrukturen ist AlphaFold2. Diese Technologie hat eine Erfolgsquote von etwa 60%, wenn es darum geht, wie Protein-Komplexe zusammenkommen. Bei Protein-Peptid-Paaren hat sie es jedoch schwerer und erkennt oft viele potenzielle Bindemittel nicht. Das Hauptziel ist es, Proteinsequenzen zu finden, die nicht nur gut binden, sondern auch von AlphaFold2 genau vorhergesagt werden können. Die Anzahl der Sequenzen, die dieses Kriterium erfüllen, ist wahrscheinlich sehr klein, was den Suchprozess kompliziert macht.

Aktuell beinhalten die meisten Prozesse zur Gestaltung von Proteinen zwei Hauptschritte. Einige Methoden erstellen das Grundgerüst für Proteine, das dann verändert wird, um unterschiedliche Sequenzen zu generieren. Alternativ betrachten einige Strategien Sequenzen und Strukturen zusammen in einem Schritt. Dieser kombinierte Ansatz könnte bessere Erfolgschancen bieten, da er alle möglichen Variationen auf einmal berücksichtigt.

#Die Rolle der Koevolution in der Strukturvorhersage

AlphaFold2 nutzt Informationen aus mehreren Sequenzen, um genaue Vorhersagen zu machen. Wenn neue Proteine entworfen werden, ist jedoch oft nur eine Sequenz verfügbar. Daher muss AlphaFold die Struktur basierend auf begrenzten Informationen vorhersagen. Selbst kleine Änderungen in diesen Sequenzen können die Vorhersageergebnisse erheblich beeinflussen. Forschungen haben gezeigt, dass AlphaFold leichte Variationen in Aminosäuren, die an Peptide binden, erkennen kann.

Basierend auf diesen Erkenntnissen wurde eine neue Methode entwickelt, um Peptidbinder für spezifische Proteinziele nur mit der Sequenz des Proteins zu gestalten. Diese Methode ermöglicht es AlphaFold, den besten Bindungsort, die Sequenz und die Struktur ohne vorherige Anweisungen auszuwählen. Um die Chancen zu reduzieren, ineffektive Designs zu erstellen, wird eine modifizierte Version von AlphaFold-Multimer zur Bewertung verwendet. Die Methode führt auch zyklische Peptide ein, die genauso gut funktionieren können wie lineare mit derselben Zielproteinsequenz.

#Peptidbinder entwerfen

Proteine erfüllen ihre Funktionen, indem sie mit anderen Molekülen interagieren. Die Fähigkeit, spezifische Interaktionen durch Bindung zu schaffen, ist wichtig für viele Anwendungen, einschliesslich der Wirkstoffabgabe und Aktivierung von Rezeptoren. Oft gibt es wenig Informationen über die Zielstruktur, den Bindungsort oder die Grösse der benötigten Peptide. Daher ist das Ziel, neue Peptidbinder nur mit der Sequenz des Zielproteins zu kreieren.

Um dies zu erreichen, wurde ein Framework namens EvoBind2 entwickelt, um Peptidbinder zu generieren. Diese Methode verändert eine Peptidsequenz, um den Abstand zwischen dem Peptid und dem Zielprotein zu verringern und gleichzeitig das Vertrauen in die Vorhersagen zu erhöhen. EvoBind2 hat die Freiheit, eine perfekte Kombination aus Sequenz und Struktur zu entwickeln, was hilft, Voreingenommenheiten vorzubeugen, die mit vorgefassten Ideen über Bindungen verbunden sind.

#Überblick über das Verfahren

Im Entwurfsprozess ist die einzige Eingabe die Sequenz des Zielproteins. Es ist keine Information über Bindungsorte oder die Länge des Peptids erforderlich. Sowohl lineare als auch zyklische Peptide unterschiedlicher Längen (8-20 Aminosäuren) werden entworfen. Zunächst wird eine zufällige Sequenz erstellt, die dann durch kleine Änderungen verfeinert wird. Die während dieses Prozesses vorgenommenen Vorhersagen werden mit den Ergebnissen von AlphaFold-Multimer zur Validierung verglichen. Die besten Designs werden dann für weitere Tests ausgewählt.

Mit EvoBind2 wurden Peptide entworfen, die eine semi-synthetische Ribonuklease anvisieren. Die resultierenden Peptide wurden produziert und ihre Bindungsstärken mit einer Technik namens Oberflächen-Plasmon-Resonanz getestet. Von 13 verschiedenen Längen der entworfenen linearen Peptide zeigten etwa 46% eine messbare Affinität zum Zielprotein. Der stärkste Binder, der hier erstellt wurde, zeigte eine beeindruckende Bindungsstärke, was darauf hindeutet, dass EvoBind2 tatsächlich effektive Lösungen produzieren kann.

#Ineffektive Designs vermeiden

Bei der Nutzung von KI ist es möglich, Designs zu generieren, die auf dem Papier vielversprechend aussehen, aber tatsächlich nicht an das Zielprotein binden. Diese Designs nennt man adversarial und sie können den Entwurfsprozess in die Irre führen. Um das Risiko dieser Designs zu minimieren, wurde AlphaFold-Multimer angepasst, um Protein-Ligand-Komplexe nur anhand grundlegender Sequenzinformationen vorherzusagen. Dieser Validierungsschritt hilft, Sequenzen herauszufiltern, die zwar gut zu sein scheinen, aber tatsächlich nicht als Binder funktionieren.

Während der Bewertung fanden wir heraus, dass nur zwei aus einer Reihe von Designs, die von dem modifizierten AlphaFold als potenziell problematisch gekennzeichnet wurden, eine Bindungsaffinität zeigten. Das zeigt, dass diese zusätzliche Schritt die Chancen, funktionale Peptidbinder zu erstellen, erheblich verbessern kann. Es scheint, dass Designs mit hohem Vertrauensniveau dennoch scheitern können, wenn sie keine echten Bindungseigenschaften aufweisen.

#Metriken zur Bewertung der Bindungsaffinität

Die Methoden, die zur Berechnung des Erfolgs im Entwurfsprozess verwendet werden, basieren auf Verlustfunktionen, die hochwertige Binder erzeugen sollten. Allerdings zeigen nicht alle ausgewählten Binder tatsächlich eine gute Bindungsstärke. Um zu bewerten, wie effektiv verschiedene Methoden sind, haben wir uns verschiedene Metriken angesehen, die im Entwurfs- und Bewertungsprozess verwendet werden. Ein wichtiger Faktor ist der lokale Distanzunterschied-Test, der misst, wie zuversichtlich die vorhergesagten Proteinstrukturen sind. Leider fanden wir keine echte Verbindung zwischen der vorhergesagten Bindungsstärke und den Metriken von sowohl EvoBind2 als auch AlphaFold-Multimer.

#Funktionalität unter biologischen Bedingungen

Damit Peptide in realen Anwendungen nützlich sind, müssen sie unter biologischen Bedingungen funktional sein. Um dies sicherzustellen, wurde ein einfacher Löslichkeitstest angewendet, der ein spezifisches Gleichgewicht von geladenen und hydrophoben Rückständen verlangt. Diese Faktoren korrelierten jedoch nicht mit erfolgreichen Design-Ergebnissen, was darauf hindeutet, dass das Verhalten von Peptiden im Labor nicht leicht vorhergesagt werden kann.

#Gesteuerte Evolution Richtung Bindungsstellen

Das EvoBind2-Framework erlaubt eine freie Erkundung von Sequenzen und Strukturen, die effektive Designs auch ohne spezifische Bindungsstellen ermöglicht. Das Vertrauen in das vorhergesagte Peptid und wie nah die vorhergesagten Atompositionen an der Rezeptoroberfläche liegen, sind entscheidend für den Erfolg.

#Validierung der Vorhersagen

AlphaFold-Multimer nutzt multiple Sequenzausrichtungen zusammen mit Einzelsequenzen, um vorherzusagen, wie diese Peptide mit Zielproteinen interagieren werden. Indem die Ähnlichkeit zwischen den Vorhersagen beider Systeme untersucht wird, kann ein besseres Verständnis potenzieller Binder gewonnen werden.

#Erkenntnisse aus Experimenten

Die Korrelation zwischen verschiedenen Metriken und der Länge des Peptids wurde bewertet. Während es so aussieht, als könnten längere Peptide mehr Komplexität bieten, gibt es keine direkte Verbindung zwischen der Länge eines Peptids und seiner Bindungsaffinität. Stattdessen sollte der Fokus auf den spezifischen Aminosäuren liegen, die die Bindungsregionen ausmachen.

Die Fähigkeit, Peptidbinder effektiv nur mit einer Sequenz zu entwerfen, eröffnet neue Türen in der Biotechnologie. Diese Technik kann die Anzahl der Proteine, die für praktische Anwendungen angevisiert werden, schnell erhöhen. Das EvoBind2-System ermöglicht die Erstellung von Peptidbindern mit minimalen Informationen, was es einfacher macht, neue Anwendungen zu erkunden.

#Herausforderungen und Zukunftsperspektiven

Obwohl im Bereich des Peptiddesigns Fortschritte erzielt wurden, gibt es weiterhin Hindernisse zu überwinden. Der Mangel an koevolutionären Daten ist eine bedeutende Barriere beim Entwurf neuer Peptide. Dennoch bleibt die Fähigkeit, Peptidbinder zu erstellen, vielversprechend und signalisiert, dass wichtige Beziehungen zwischen Proteinsequenzen und -strukturen identifiziert werden können, ohne dass diese zusätzlichen Informationen benötigt werden.

Ein Hauptfokus in zukünftiger Forschung wird darauf liegen, ineffektive Designs zu vermeiden, die optimal erscheinen, aber tatsächlich nicht an Targets binden. Die aktuellen Anpassungen von AlphaFold-Multimer werden entscheidend sein, um sicherzustellen, dass nur echte Binder berücksichtigt werden.

Zusätzlich werden die potenziellen Vorteile von zyklischen Peptiden, die stabiler sind als ihre linearen Gegenstücke, weiter untersucht. Die Ergebnisse zeigen, dass zyklische Peptide ähnlich wie lineare Peptide entworfen werden können, was wichtige Implikationen für die Arzneimittelentwicklung haben könnte.

#Fazit

Die Studie zeigt erfolgreich, dass neue Techniken hochaffine Peptidbinder nur mit der Aminosäuresequenz eines Zielproteins generieren können. Da keine spezifischen Bindungsstellen oder Längen identifiziert werden müssen, können zuvor unerforschte Proteine ins Visier genommen werden, was potenziell zu Fortschritten in verschiedenen Bereichen führen kann. Während die Forschung fortschreitet und die Methoden sich verbessern, wird die Fähigkeit, effektive Peptidbinder zu entwerfen, zweifellos weiter zunehmen und den Weg für innovative Anwendungen in der Biotechnologie und darüber hinaus ebnen.