Protein-Familie entdecken

Künstliche Intelligenz kann Wissenschaftler dabei unterstützen, komplexe biologische Rätsel zu lösen, allerdings haben selbst fortgeschrittene Systeme Grenzen, wenn die verfügbaren Informationen unvollständig sind.

Eine kürzliche Studie über Aphidenproteine verdeutlicht, wie die Kombination von computergestützten Vorhersagen und genetischen Beweisen ein schwieriges Forschungsproblem überwinden kann.

Wissenschaftler fanden heraus, dass Tausende sich schnell verändernder Proteine eine gemeinsame strukturelle Grundlage teilen und so neue Hinweise darüber liefern, wie diese winzigen Insekten die Pflanzenentwicklung beeinflussen.

Entdeckung einer verborgenen Protein-Familie

Aphiden können die Entwicklung bestimmter Pflanzen beeinflussen, indem sie spezialisierte Proteine in deren Gewebe einführen. In einigen Fällen führt dieser Prozess dazu, dass Pflanzen Strukturen namens Galle bilden, die den Insekten einen Lebensraum bieten, in dem sie leben und ihre Nachkommen füttern können.

Wissenschaftler haben eine Gruppe dieser Moleküle namens BICYCLE-Proteine untersucht. Ihr Name bezieht sich auf ein sich wiederholendes Muster, das die Aminosäure Cystein betrifft. Obwohl Forscher die Proteine identifiziert hatten, blieb es schwierig, ihre Funktionen zu verstehen, da ihre genetischen Sequenzen erheblich von den bekannten Proteinen in wissenschaftlichen Datenbanken abwichen.

Üblicherweise vergleichen Forscher die Aminosäuresequenz eines unbekannten Proteins mit zuvor untersuchten Beispielen. Ähnlichkeiten können Hinweise auf dessen Form und biologische Funktion liefern. Jedoch war dieser Ansatz bei den BICYCLE-Proteinen weniger effektiv, da sie sich im Laufe der Evolution so stark verändert hatten.

Warum die AI-Vorhersage fehlschlug

Um dies zu untersuchen, arbeitete das Forschungsteam mit Strukturbiologen zusammen, um die physikalischen Anordnungen von zwei BICYCLE-Proteinen durch Röntgenkristallographie zu bestimmen. Diese Labor-Technik hilft Wissenschaftlern dabei festzustellen, wie Atome innerhalb eines Moleküls angeordnet sind.

Die resultierenden Strukturen lieferten einen wichtigen Bezugspunkt für den Test von AlphaFold2, einem KI-System, das darauf ausgelegt ist, Proteinformen aus ihren Aminosäuresequenzen vorherzusagen. Anfänglich konnte AlphaFold2 die experimentell bestimmten Strukturen nicht reproduzieren.

Das Problem lag nicht einfach an fehlender Rechenleistung. Das System stützt sich auch auf evolutionäre Informationen, einschließlich Muster, die von verwandten Proteinen geteilt werden, um seine Vorhersagen zu verbessern.

Da BICYCLE-Proteine so ungewöhnlich waren, boten die verfügbaren Datenbanken nicht genügend nützliche Vergleiche. Die KI mangelte daher an einer wichtigen Quelle biologischen Kontexts.

Evolution liefert die fehlenden Hinweise

Die Forscher lösten das Problem, indem sie zusätzliche genetische Informationen aus verschiedenen Aphidenspezies sammelten. Ihre Arbeit umfasste Felduntersuchungen in den USA und Japan, gefolgt von der Genomsequenzierung, um Beziehungen zwischen den Proteinen aufzudecken.

Diese Vergleiche lieferten evolutionäre Beweise, die in der ursprünglichen Analyse gefehlt hatten. Mit den zusätzlichen Informationen konnte AlphaFold2 erfolgreich eine Struktur vorhersagen, die mit der durch Kristallographie festgelegten übereinstimmte.

Das Team weitete den Ansatz dann auf sieben Aphidenspezies aus und erstellte etwa 2.400 Strukturvorhersagen mit hoher Zuversicht.

Ein konsistenter Aspekt ergab sich aus den Ergebnissen: Die Proteine teilten eine strukturelle Anordnung, die als saposin-ähnliche Faltung bekannt ist.

Einfach ausgedrückt schienen sie einem gemeinsamen dreidimensionalen Bauplan zu folgen, obwohl sich ihre individuellen Sequenzen erheblich verändert hatten. Die Entdeckung enthüllte eine Verbindung, die herkömmliche Sequenzvergleiche Schwierigkeiten hatten zu identifizieren.

Eine Struktur, viele mögliche Funktionen

Das Teilen einer strukturellen Grundlage bedeutet nicht zwangsläufig, dass Proteine identische Aufgaben erfüllen. Die Forscher fanden eine erhebliche Variation in den chemischen Eigenschaften der äußeren Oberflächen der Proteine.

Einige Regionen unterschieden sich in ihren elektrischen Eigenschaften und Wechselwirkungen mit Wasser. Versuche, die Proteine basierend auf diesen Eigenschaften in klar definierte Gruppen zu unterteilen waren nicht erfolgreich.

Diese Vielfalt legt nahe, dass BICYCLE-Proteine auf viele verschiedene Arten mit Pflanzenmolekülen interagieren können. Statt sich auf einen spezifischen Mechanismus zu verlassen, könnten die Proteine verschiedene biologische Prozesse innerhalb von Pflanzenzellen beeinflussen.

Die Forscher schlugen auch vor, dass die schnelle Protein-Evolution den Aphiden helfen könnte, diese Wechselwirkungen aufrechtzuerhalten, während ihre Moleküle für Pflanzen schwerer zu erkennen sind. Die genauen Funktionen einzelner Proteine erfordern jedoch weiterhin zusätzliche Untersuchungen.

Was die Entdeckung für zukünftige Forschung bedeutet

Die im September 2026 in den Proceedings of the National Academy of Sciences veröffentlichte Studie bietet einen nützlichen Ansatz, um Proteine zu untersuchen, die sich zu stark verändert haben, um leicht durch herkömmliche Vergleichsmethoden erkannt zu werden.

Ihre Bedeutung erstreckt sich über Aphiden hinaus. Auch andere biologische Systeme enthalten sich schnell verändernde Proteine, die schwierig zu charakterisieren sind. Die Kombination von Laboruntersuchungen, genetischer Sequenzierung, evolutionärer Analyse und KI-Vorhersagen kann dabei helfen, diese Moleküle effektiver zu untersuchen.

Dennoch sind vorhergesagte Strukturen kein Ersatz für experimentelle Beweise.Die Untersuchung zeigt, dass KI effektiver werden kann, wenn Forscher den richtigen biologischen Kontext liefern.

Durch die Kombination experimentell bestimmter Strukturen mit genetischen Informationen von mehreren Aphidenspezies deckte das Team einen gemeinsamen Bauplan auf, der unter der umfangreichen Proteinvariation verborgen war.

Die nächste Herausforderung besteht darin zu bestimmen, wie diese Moleküle Pflanzenzellen beeinflussen und ob ihre vielfältigen Strukturen verschiedenen biologischen Rollen entsprechen.

Während die Forschung fortschreitet, kann die Studie Wissenschaftlern helfen, komplexe Pflanzeninteraktionen besser zu verstehen, während sie gleichzeitig zeigt, wie evolutionäres Wissen AI-unterstützte Entdeckungen stärken kann.