RoseTTAFold
RoseTTAFold ist ein leistungsfähiges computergestütztes Verfahren zur dreidimensionalen Strukturvorhersage von Proteinen auf Basis ihrer Aminosäuresequenz. Es wurde 2021 von einem Forschungsteam um David Baker am Institute for Protein Design der University of Washington entwickelt und stellt eine bedeutende Innovation in der Strukturbiologie dar. RoseTTAFold nutzt fortgeschrittene Deep-Learning-Technologien, insbesondere sogenannte transformerbasierte neuronale Netzwerke, um aus der linearen Proteinsequenz die komplexe räumliche Faltung des Proteins zu rekonstruieren – eine Aufgabe, die zuvor oft Jahre experimenteller Arbeit erforderte.
Der Name RoseTTAFold spielt auf das Rosetta-Projekt zur Proteinstrukturvorhersage an, in dem das Team bereits seit Jahren computergestützte Methoden für die Strukturbiologie entwickelt. RoseTTAFold ist in gewisser Weise ein kleinerer, effizienterer Verwandter des bekannten AlphaFold2-Modells von DeepMind. Anders als klassische Ansätze, die oft sequentiell verschiedene Informationen auswerten, verfolgt RoseTTAFold einen dreigleisigen End-to-End-Ansatz: Es verarbeitet gleichzeitig Sequenzinformationen, evolutionäre Verwandtschaften zu bekannten Proteinstrukturen sowie geometrische Beziehungen zwischen den einzelnen Aminosäuren – und integriert diese in einem einzigen, mehrschichtigen Rechenprozess.
Ein besonderer Vorteil von RoseTTAFold ist seine vergleichsweise niedrige Rechenanforderung, was die Anwendung auch auf weniger spezialisierten Computern oder in kleineren Labors ermöglicht. Zudem kann das System nicht nur Einzelproteine, sondern auch Protein-Protein-Interaktionen vorhersagen, etwa bei der Untersuchung komplexer Regulationsmechanismen oder Signalnetzwerke in Zellen. Damit ist es auch für die Pflanzenforschung interessant – wie etwa bei der Modellierung der Bindungsstelle zwischen dem Transkriptionsfaktor RAM1 und den Adapterproteinen der WRI-Familie, die gemeinsam zentrale Gene für die Mykorrhiza-Symbiose aktivieren.
Insgesamt ist RoseTTAFold ein Meilenstein in der strukturellen Bioinformatik, der die Aufklärung biologischer Prozesse deutlich beschleunigt – und dazu beiträgt, molekulare Zusammenhänge besser zu verstehen, etwa in der Genregulation, der Wirkstoffentwicklung oder der synthetischen Biologie.