Bioinformatik: Künstliche Intelligenz sorgt für Paradigmenwechsel bei molekularen Simulationen
Nanjing (LabNews Media LLC) – Die Integration von Algorithmen des maschinellen Lernens, insbesondere von Deep-Learning-Verfahren, hat einen technologischen Paradigmenwechsel im Bereich der biomolekularen Simulationen ausgelöst. Ein Forschungsteam der Universität Nanjing hat in einem wissenschaftlichen Übersichtsartikel dargelegt, wie Künstliche Intelligenz (KI) das jahrzehntelange Dilemma zwischen Berechnungsgenauigkeit und Effizienz auflösen kann. Während Tools wie AlphaFold2 zwar die statische Struktur von Proteinen revolutioniert haben, fehlte es KI-Modellen bislang an experimentellen Daten, um zelluläre Bewegungen vorherzusagen. Molekulardynamik-Simulationen (MD) füllen diese Lücke nun im Zusammenspiel mit KI. Der Beitrag ist im Fachjournal Quantitative Biology erschienen (DOI: 10.1002/qub2.70024). Um biologische Funktionen auf molekularer Ebene zu entschlüsseln, benötigt die Wissenschaft neben hochauflösenden 3D-Strukturen auch mechanistische Erkenntnisse über die Dynamik von Molekülen – etwa bei der Proteinfaltung oder bei Protein-Protein-Interaktionen. Klassische All-Atom-Simulationen berechnen zwar Atomtrajektorien über empirische Kraftfelder, stoßen jedoch bei komplexen, großskaligen Prozessen wie der Amyloid-Aggregation (Proteinablagerungen)…



