For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the complete content index is available at https://we0.ai/llms.txt, the full English article bundle is available at https://we0.ai/llms-full.txt, and this page is available as Markdown at https://we0.ai/de/articles/baker-lab-ai-proteases-results-and-resear-5ec6df9d.md.
Zwei am 14. Oktober 2026 in Nature veröffentlichte Arbeiten berichten über computergestützt entwickelte Proteasen: Enzyme, die das Peptidrüc...
Zwei am 14. Oktober 2026 in Nature veröffentlichte Arbeiten berichten über computergestützt entwickelte Proteasen: Enzyme, die das Peptidrückgrat von Proteinen spalten. Die Arbeiten stammen von Teams unter Beteiligung des Institute for Protein Design der University of Washington; David Baker und Donald Hilvert gehören laut der zugrunde liegenden Berichterstattung zu den genannten korrespondierenden Forschern.
Die Studien lösen verwandte Probleme mit unterschiedlichen katalytischen Mechanismen. Eine entwickelt zinkbasierte Metalloproteasen und demonstriert die Spaltung ausgewählter krankheitsassoziierter Proteine; die andere entwickelt Cysteinproteasen und berichtet über Aktivität in Säugetierzellen.
Dabei handelt es sich um Forschungsergebnisse, nicht um klinische Resultate. Die Arbeiten zeigen Fortschritte bei der Entwicklung aktiver Enzyme, während wesentliche Fragen zu therapeutischer Verabreichung, Sicherheit und Wirksamkeit weiteren Untersuchungen vorbehalten bleiben.
Proteine sind Ketten aus Aminosäuren, die durch Amidbindungen verbunden sind. Diese Bindungen im Peptidrückgrat sind in neutralem Wasser ungewöhnlich stabil. Daher besitzt ein Molekül, das an ein Ziel bindet, nicht zwangsläufig auch die chemischen Eigenschaften, um es zu spalten.
Das Abstract zur Cysteinprotease erklärt, dass frühere Erfolge beim De-novo-Enzymdesign vor allem auf einfachere Modellreaktionen konzentriert waren. Die Entwicklung einer Protease erfordert mehr als die Erzeugung einer plausiblen Proteinform: Aktives Zentrum und Substrat müssen so positioniert werden, dass sie eine schwierige chemische Reaktion ermöglichen.
Die beiden Studien gehen diese Herausforderung an, indem sie sowohl die katalytische Maschinerie als auch eine Umgebung zur Substratbindung entwickeln. Ihre unterschiedlichen Mechanismen liefern getrennte Nachweise und kein kombiniertes Enzymsystem.
In Computational design of metalloproteases verwenden die Forschenden RFdiffusion-Methoden, um Proteine mit zinkbasierten aktiven Zentren neben einer Bindungstasche für Peptidsubstrate zu erzeugen. Die zinkassoziierte Stelle aktiviert Wasser für die Spaltungsreaktion.
Laut öffentlichem Abstract spalteten 36 % von 135 getesteten Designs ihre jeweils passenden Peptidsubstrate an der vorgesehenen Bindung. Das beste anfängliche Design beschleunigte die Hydrolyse der Peptidbindung gegenüber der unkatalysierten Reaktion um mehr als das 10^8-Fache; vier Substitutionen erhöhten diesen Wert auf mehr als das 10^10-Fache.
Diese Werte sind Geschwindigkeitssteigerungen gegenüber einer sehr langsamen Hintergrundreaktion. Sie sind keine Messungen der Wirksamkeit einer Behandlung, der Genesungsrate von Patientinnen oder Patienten oder ein universeller Vergleich mit allen natürlich vorkommenden Proteasen.
Die Studie berichtet außerdem über entwickelte Proteasen, die TDP-43, Amyloid-beta und Serum-Amyloid A selektiv spalten, mit Geschwindigkeitssteigerungen von bis zu 10^9-Fach. Diese Proteine stehen mit menschlichen Krankheiten in Verbindung, doch der Nachweis der Spaltung eines ausgewählten Substrats belegt für sich genommen keinen Nutzen bei Patientinnen oder Patienten.
Unite.AI beschreibt zusätzlich eine TDP-43-Strategie, die auf dessen ungeordnete C-terminale Region abzielt, statt das gesamte Protein einfach zu zerstören. Diese Unterscheidung ist relevant, weil ein krankheitsassoziiertes Protein weiterhin essenzielle Funktionen erfüllen kann; die vollständige experimentelle Darstellung findet sich jedoch in der Forschungsarbeit und ist hier nicht als therapeutisches Ergebnis belegt.
In De novo design of cysteine proteases nutzt die katalytische Strategie ein aktiviertes Cystein-Nukleophil. Laut Abstract wurden 13 aktive Designs von 69 getesteten berichtet, eine Erfolgsquote von etwa 19 %, mit Geschwindigkeitssteigerungen von bis zu 3 x 10^7 gegenüber der Hintergrundreaktion.
Die entwickelten Faltungen unterscheiden sich von jenen natürlicher Proteasen; der berichtete strukturelle Vergleichswert liegt unter 0,50. Sechs experimentelle Kristallstrukturen stimmen eng mit ihren Designmodellen überein, mit mittleren quadratischen C-alpha-Abweichungen unter 1,2 Ångström.
Diese strukturelle Übereinstimmung ist bedeutsam, weil ein rechnerisches Modell allein nicht belegen kann, dass ein hergestelltes Protein die beabsichtigte Anordnung einnimmt. Kristallstrukturen liefern eine unabhängige experimentelle Prüfung des Designs.
Das Abstract berichtet außerdem, dass die Proteasen ihre Ziele in Säugetierzellen spalten. Dies unterstützt potenzielle Anwendungen in der synthetischen Biologie, doch zelluläre Aktivität unterscheidet sich vom Nachweis einer sicheren Verabreichung, einer Krankheitsbehandlung oder eines geeigneten Verhaltens in einem tierischen oder menschlichen Körper.
Die Forschenden nennen verbleibende Unzulänglichkeiten bei der Vororganisation des aktiven Zentrums und der Substratpositionierung als Erklärung für die Aktivitätslücke gegenüber den aktivsten natürlichen Cysteinproteasen. Die Studie berichtet daher sowohl über einen funktionierenden Designansatz als auch über eine noch zu lösende Einschränkung.
| Merkmal | Metalloprotease-Studie | Cysteinprotease-Studie |
|---|---|---|
| Katalytischer Mechanismus | Zinkassoziierte Aktivierung von Wasser | Aktiviertes Cystein-Nukleophil |
| Ergebnis des ersten Screenings | 36 % von 135 Designs aktiv | 13 von 69 Designs aktiv, etwa 19 % |
| Berichtete maximale Geschwindigkeitssteigerung | Mehr als 10^10-Fach nach vier Substitutionen | Bis zu 3 x 10^7-Fach |
| Beispiele krankheitsassoziierter Proteine | TDP-43, Amyloid-beta und Serum-Amyloid A | Kein entsprechender Anspruch auf Krankheitsbehandlung durch das öffentliche Abstract belegt |
| Zusätzliches Ergebnis | Selektive Aktivierung entwickelter maskierter Cytokine und Rezeptorantagonisten | Zielspaltung in Säugetierzellen und enge Übereinstimmung mit Kristallstrukturen |
Die Geschwindigkeitswerte sollten nicht als einfache Rangliste verwendet werden. Sie ergeben sich aus unterschiedlichen katalytischen Mechanismen, Substraten und Versuchsbedingungen; sie belegen nicht, wie sich die beiden Ansätze in derselben realen Anwendung vergleichen würden.
Die öffentliche Datenerklärung der Metalloprotease-Arbeit verweist auf einen Zenodo-Datensatz mit Studiendaten und Code. Die Cystein-Arbeit verlinkt zwei GitHub-Repositories, eines für die Design-Pipeline und eines für die Analyse experimenteller Daten, und führt hinterlegte Kristallstrukturen in der Protein Data Bank auf.
Beschreibe deine Idee einmal, und We0 AI erstellt eine Showcase-Website, Seiten und ein CMS und hilft nach dem Launch bei Kunden und Traffic.
Eine komplette Projektgeneration zur kostenlosen Registrierung
Am besten geeignet, um einen vollständigen Generierungsablauf auszuprobieren und schnell einen ersten Projektentwurf zu sehen.
Das Design-Repository beschreibt die Generierung von Proteinrückgraten, Sequenzdesign und strukturbasiertes Filtern. Sein Workflow führt RFdiffusion-bezogene Methoden, ProteinMPNN, Rosetta-basierte Verarbeitung und AlphaFold-3-Vorhersagen zusammen und wendet in aufeinanderfolgenden Runden zunehmend strengere Filter an.
Wichtig ist, dass das Repository sich selbst als Orchestrierungs- und Analysecode beschreibt. Es enthält keine Modellgewichte, Container oder eine vollständige Rechenumgebung und erfordert ausdrücklich standortspezifische Pfade und Konfigurationen. Sein kleiner Demonstrationsdatensatz ist simuliert. Die Ausführung dieser Demonstration würde daher Teile des Software-Workflows testen, nicht jedoch die biologischen Experimente reproduzieren.
Diese Ressourcen verbessern die Nachprüfbarkeit und bieten qualifizierten Forschenden einen Ausgangspunkt. Sie sind weder eine sofort einsetzbare Behandlung noch eine Ein-Befehl-Reproduktion aller Ergebnisse oder ein Nachweis dafür, dass ein vorhergesagtes Enzym ohne Laborvalidierung aktiv sein wird.
Zusammen zeigen die Arbeiten, dass De-novo-Design Enzyme hervorbringen kann, die zu einer chemisch anspruchsvollen Reaktion fähig sind; strukturelle und funktionelle Messungen stützen die rechnergestützte Arbeit. Die Beispiele mit krankheitsassoziierten Proteinen liefern einen Grund, die selektive Spaltung weiter zu untersuchen, während die Zellresultate die Evidenz über gereinigte molekulare Systeme hinaus erweitern.
Zu den möglichen Anwendungen gehören Forschungswerkzeuge, synthetische Biologie und langfristig die therapeutische Entwicklung. Der Weg zu einer Therapie würde zusätzliche Evidenz zur Selektivität in komplexen biologischen Umgebungen, zur Exposition, Verabreichung, Immunantwort sowie dazu erfordern, ob die Spaltung die beabsichtigte biologische Wirkung erzeugt.
Keine der hier geprüften öffentlichen Evidenzen belegt eine zugelassene Behandlung für eine neurodegenerative Erkrankung oder eine andere menschliche Krankheit. Die angemessene Schlussfolgerung lautet: Fortschritt beim programmierbaren Design proteinspaltender Enzyme, bei klarer Unterscheidung zwischen einer Forschungskapazität und einem nachgewiesenen medizinischen Nutzen.
Sie sind proteinspaltende Enzyme, die mit computergestützten Designmethoden, einschließlich Machine-Learning-Modellen, entwickelt werden. Die berichteten Studien verbinden rechnergestützte Vorschläge mit Labormessungen, statt eine vorhergesagte Struktur als Aktivitätsnachweis zu behandeln.
Das Abstract der Metalloprotease-Arbeit nennt TDP-43, Amyloid-beta und Serum-Amyloid A. Dies belegt gezielte Spaltungsexperimente, nicht die Behandlung von Krankheiten, die mit diesen Proteinen verbunden sind.
Eine Studie entwickelt zinkassoziierte aktive Zentren, die Wasser für die Reaktion aktivieren. Die andere verwendet ein aktiviertes Cystein-Nukleophil und stellt damit einen anderen chemischen Weg zur Spaltung des Peptidrückgrats bereit.
Sie vergleicht die berichtete optimierte Enzymreaktion mit der entsprechenden unkatalysierten Hintergrundreaktion. Sie bedeutet nicht, dass eine Therapie zehn Milliarden Mal besser wirkt oder dass das Enzym schneller als alle natürlichen Proteasen ist.
Die hier geprüfte Evidenz belegt weder eine klinische Behandlung noch ein zugelassenes Arzneimittel. Experimente zur Proteinspaltung und Tests in Säugetierzellen sind frühere Forschungsnachweise, für die zusätzliche Sicherheits- und Wirksamkeitsarbeit erforderlich bleibt.
Die Autorinnen und Autoren veröffentlichen Code und Strukturdaten, doch das Design-Repository erfordert externe Modelle, Werkzeuge und standortspezifische Konfigurationen. Seine schlanke Demonstration verwendet simulierte Daten und ersetzt keine experimentelle Reproduktion.
Die beiden Arbeiten demonstrieren entwickelte Proteasen mit unterschiedlichen zinkbasierten und cysteinbasierten Mechanismen. Ihre berichtete Evidenz umfasst gemessene Spaltung, strukturelle Validierung, ausgewählte krankheitsassoziierte Substrate und Aktivität in Säugetierzellen.
Der Fortschritt besteht in experimentellen Ergebnissen für programmierbare proteinspaltende Enzyme; ein klinischer Nutzen bleibt eine separate Frage, die weitere Forschung erfordert.
Starte mit einem Satz und erhalte in wenigen Minuten eine vollständige Website.
