Mobile-Menu

Virus unter der Lupe Machine Learning hilft bei Strukturanalyse der COVID-19-Proteine

Von Martin Hensel

Anbieter zum Thema

Technische Universität München

Die Proteine des SARS-CoV-2-Virus spielen eine wesentliche Rolle für die Umgehung der menschlichen Immunabwehr und die Vermehrung in Zellen. Forscher der Technischen Universität München (TUM) nutzten unter anderem Machine Learning für die Proteinanalyse.

Prof. Dr. Burkhard Rost, Inhaber des Lehrstuhls für Bioinformatik an der TU München
Prof. Dr. Burkhard Rost, Inhaber des Lehrstuhls für Bioinformatik an der TU München
(Bild: TUM/ediundsepp)

Die Wissenschaftler haben nach eigenen Angaben den bislang umfassendsten und detailreichsten Überblick aller weltweit verfügbaren 3D-Strukturen der Virusproteine zusammengetragen. Bei der Auswertung unter Einsatz von KI und maschinellem Lernen mit hohem Durchsatz kamen auch überraschende Erkenntnisse ans Tageslicht. Die Forscher haben inzwischen mehr als 2.060 frei zugängliche 3D-Modelle mit atomarer Auflösung auf der Website Aquaria-COVID veröffentlicht.

„Dies bietet einen beispiellosen Detailreichtum, der Forschenden helfen wird, die molekularen Mechanismen der COVID-19-Infektion besser zu verstehen und Therapien zur Bekämpfung der Pandemie zu entwickeln, beispielsweise indem sie potenzielle neue Angriffspunkte für zukünftige Behandlungen oder Impfstoffe identifizieren“, erklärt Prof. Dr. Burkhard Rost, Inhaber des Lehrstuhls für Bioinformatik an der TU München.

Vorgehen der Viren analysiert

Mithilfe der Machine-Learning-Algorithmen konnte das Forscherteam drei Proteine (NSP3, NSP13 und NSP16) identifizieren, die menschliche Proteine nachahmen. Sie gaukeln der Wirtszelle vor, körpereigene Proteine zu sein. Zudem wurden fünf weitere Coronavirus-Proteine (NSP1, NSP3, Spike-Glykoprotein, Hüllprotein und ORF9b-Protein) erkennt, die Prozesse in menschlichen Zellen zweckentfremden oder stören. Das Virus kann auf diese Weise die Kontrolle übernehmen, seinen Lebenszyklus vervollständigen und sich ausbreiten.

„Bei der Analyse dieser Strukturmodelle haben wir außerdem neue Hinweise darauf gefunden, wie das Virus sein eigenes Genom kopiert – das ist der zentrale Prozess, der es dem Virus ermöglicht, sich bei Infizierten schnell auszubreiten“, ergänzt Rost. Die Erkenntnisse der Studie helfen den Wissenschaftlern beim Verständnis der Funktionsweise des Virus und zeigen Möglichkeiten auf, wie man es stoppen kann. „Unsere Ressource wird Forschern helfen zu verstehen, wie sich neue Virusstämme voneinander unterscheiden – ein Puzzleteil, von dem wir hoffen, dass es beim Bekämpfen neu auftauchender Varianten hilft“, verdeutlicht Erstautor Pro. Sean O'Donoghue vom Garvan Insitute in Sydney.

(ID:47707412)

Jetzt Newsletter abonnieren

Täglich die wichtigsten Infos zu Big Data, Analytics & AI

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung.

Aufklappen für Details zu Ihrer Einwilligung

Weiterführende Inhalte