Organismus
3D-Struktur von Biomolekülen vorhersagen
Wie funktioniert Leben auf der molekularen Ebene? Um diese Frage beantworten zu können, die für die Biologie, Pharmazie und Medizin von zentraler Bedeutung ist, muss man in einem ersten Schritt die dreidimensionale Struktur von Biomolekülen kennen. Denn Biomoleküle wie Proteine, DNS oder RNS sind die molekularen Maschinen in Zellen, die diverse Aufgaben wie Sauerstofftransport, Muskelaktivität oder das Speichern und Ausführen genetischer Information erfüllen.
Entscheidend für die Funktion dieser mikroskopisch kleinen Maschinen ist ihre räumliche Struktur. So binden etwa bestimmte Proteine ihre „Zielsubstanz“ nur deshalb so hochspezifisch, weil diese genau – wie ein Schlüssel zum Schloss – in die aktive Bindungsregion des Proteins passt.
Die experimentellen Methoden zur Bestimmung der räumlichen Struktur von Biomolekülen sind mittlerweile zwar sehr ausgefeilt, unterliegen aber dennoch technischen Beschränkungen.
Die Forschungsgruppe um Alexander Schug vom Steinbuch Centre of Computing (SCC) am KIT hat einen alternativen Ansatz entwickelt, der auf statistischen Analysen großer Datenmengen von Biomolekülen aus verschiedenen Organismen beruht, die experimentell sehr leicht zu gewinnen sind. Algorithmen analysieren diese Daten auf Mutationsmuster, die eine Vorhersage der räumlichen Struktur ermöglichen. Diese Arbeiten wurden nun mit dem Forschungspreis von Google ausgezeichnet.
„Unsere Arbeit ist ein schönes Beispiel für die Interdisziplinarität in moderner Forschung: Wir haben Methoden aus der theoretischen Physik und Informatik auf eine Fragestellung der molekularen Lebenswissenschaften übertragen“, sagt Alexander Schug. „Wir erhoffen, dass unsere detaillierten Strukturvorhersagen aufgrund der Bedeutung von Biomolekülen für viele Krankheiten neben der Relevanz für die Grundlagenforschung auch in der pharmakologischen und medizinischen Forschung Anwendung finden werden.“
Quelle: Karlsruher Institut für Technologie (KIT)
11.03.2016
