Als COVID-19 auftrat, kannten Wissenschaftler dank jahrzehntelanger Coronavirus-Forschung die grundlegenden Proteine des Virus und konnten Impfstoffe in Rekordzeit entwickeln. Bei künftigen Pandemien könnte dieser Vorteil fehlen.
Um diese Vorbereitung zu stärken, stellte NVIDIA in Zusammenarbeit mit globalen Forschungseinrichtungen, darunter Google DeepMind und das European Bioinformatics Institute des European Molecular Biology Laboratory (EMBL-EBI), die vorhergesagten 3D-Strukturen von Proteinkomplexen von mehr als 2.800 Viren über die AlphaFold Database öffentlich zugänglich bereit. Die Strukturen wurden mithilfe des Modells AlphaFold2 von Google DeepMind, das die Proteinfaltung vorhersagt, und der NVIDIA BioNeMo Inference Runtime erstellt. Das System sagte die interagierenden Proteingruppen in Tausenden viraler Proteome skalierbar voraus.
NVIDIA veröffentlichte außerdem die GPU-beschleunigte BioNeMo Structure Prediction Pipeline, mit der Forschende von einer Proteinsequenz zu einer vorhergesagten 3D-Struktur gelangen können. Etwa 30 % der der Datenbank hinzugefügten Proteininteraktionen sind für die Wissenschaft vollständig neu; diese Strukturen waren zuvor nicht in der Protein Data Bank dokumentiert.
Laut einer Analyse des Center for Global Development liegt die Wahrscheinlichkeit, dass die Welt bis 2050 mit einer ebenso schweren Pandemie wie COVID-19 konfrontiert wird, bei etwa 50 %. Die Projektpartner wollen Wissen über Viren, die künftig auftreten könnten und zu denen kein bestehender Wissensstand vorhanden sein wird, im Voraus aufbauen.
Proteinkomplexe können Ziele für Impfstoffe und Medikamente sein. Während die traditionelle Strukturbestimmung Jahre dauern kann, kann AlphaFold2 Vorhersagen auf NVIDIA GPUs innerhalb von Minuten erstellen.
Warum das wichtig ist
Diese Ressource soll es Forschenden ermöglichen, während eines Ausbruchs auf eine im Voraus erstellte Proteinkarte zurückzugreifen, anstatt bei Null anfangen zu müssen. Insbesondere für Teams, die Impfstoffe und Medikamente entwickeln, bietet die gemeinsame Darstellung interagierender Proteingruppen eine Ausgangsbasis, die die Bewertung möglicher Ziele beschleunigen könnte. Dass etwa ein Drittel der Strukturen aus Informationen besteht, die nicht in der Protein Data Bank enthalten sind, zeigt, dass die Studie nicht nur bestehende Daten zusammenführt, sondern auch neue Untersuchungsfelder für die Forschungsagenda eröffnet. Die offene Veröffentlichung des Workflows ermöglicht es zudem verschiedenen Forschenden, von Proteinsequenzen zu vorhergesagten Strukturen zu gelangen, und verhindert so, dass die Nutzung der Ressource von einer einzelnen Institution abhängig bleibt; zugleich ist weiterhin offen, welche dieser Vorhersagen als Impfstoff- oder Arzneimittelziele bestätigt werden.