Proteine bilden die Grundlage aller Prozesse in lebenden Zellen. Um diese Prozesse zu verstehen, ist es wichtig, die beteiligten Proteine zu identifizieren und auch zu erkennen, wann sie von der Norm abweichen und so möglicherweise ursächlich für Krankheiten sind. Forscher der TU München haben nun ein Verfahren entwickelt, mit dem große Mengen Proteine mit bislang unerreichter Verlässlichkeit analysiert werden können. Bislang ist die Massenspektrometrie (MS) das bioanalytische Verfahren der Wahl, um Proteine zu identifizieren. Durch die Bestimmung der Masse der Moleküle kann die Art und Menge der in einer Probe vorhandenen Eiweißmoleküle ermittelt werden, die MS hat jedoch methodische Schwächen: Sie erfasst immer nur einen kleinen Teil der Aminosäuren eines Proteins und gleicht diese Sequenz mit Datenbanken ab, um daraus auf das Protein rückzuschließen. Das führt auch zu Fehlern.

Algorithmus mit Millionen Massenspektren trainiert

Informatiker und Chemiker der TU München haben mit 100 Millionen Massenspektren von Proteinen einen selbstlernenden Algorithmus trainiert, von dem sie im Fachjournal „Nature Methods“ berichten. Dieses neuronale Netzwerk verwendet das gesamte gemessene Spektrum, um Proteine zu identifizieren. „Dadurch verpassen wir weniger Proteine und es passieren 100-mal weniger Fehler“, erläutert Biochemiker Bernhard Küster. „Prosit“, wie die Forscher die Künstliche Intelligenz getauft haben, arbeitet somit deutlich schneller als bisherige Systeme und obendrein praktisch fehlerfrei.

Universell einsetzbare Software

„Prosit ist auf alle Organismen dieser Welt anwendbar, auch wenn man deren Proteome vorher nie untersucht hat“, betont Bioinformatiker Mathias Wilhelm. Das ermögliche Untersuchungen, die vorher nicht denkbar waren. In der Medizin soll die neue Methode Geräte revolutionieren, die nach Biomarkern im Blut oder Urin von Patienten suchen oder Therapien hinsichtlich der Wirksamkeit überwachen. „KI-Methoden wie Prosit werden schon bald das Forschungsfeld der Proteomik nachhaltig verändern, da sie in nahezu allen Bereichen der Proteinforschung eingesetzt werden können.“

Auch für die Grundlagenforschung erwartet Kollege Küster große Fortschritte: „Wir erhoffen uns hier einen erheblichen Erkenntnisgewinn, der sich mittel- und langfristig in der Behandlung von Erkrankungen von Mensch, Tier und Pflanze niederschlagen wird.“ Prosit wurde im Rahmen des Forschungsprogramms ProteomeTools entwickelt und vom Bundesministerium für Bildung und Forschung (BMBF) mit rund 3,3 Mio. Euro gefördert. Die neue KI-Methode ist über die Plattform ProteomicsDB verfügbar.

bl