Core Concepts
Durch den Einsatz evolutionärer Algorithmen, maschinellen Lernens und Bioinformatik können völlig neuartige Proteine entwickelt werden, die in der Natur noch nicht existieren.
Abstract
Der Artikel beschreibt einen neuen Forschungsbereich, den "Evolutionary Algorithms Simulating Molecular Evolution" (EASME), der darauf abzielt, die begrenzte "Proteinvokabulatur" der Natur durch die Entwicklung völlig neuartiger Proteine zu erweitern.
Dafür sollen evolutionäre Algorithmen (EA) eingesetzt werden, die den natürlichen Evolutionsprozess simulieren. Im Gegensatz zu maschinellen Lernverfahren, die auf den existierenden Proteinen basieren, können EAs neue, bisher nicht existente Proteine generieren.
Der Artikel erläutert, dass der Suchraum möglicher Proteinstrukturen unvorstellbar groß ist, aber nur ein Bruchteil davon tatsächlich funktionale Proteine hervorbringt. Natürliche Evolution findet diese Lösungen zufällig, aber es gibt vermutlich viele weitere optimale Proteinlösungen, die bisher nicht entdeckt wurden. Durch den Einsatz von EAs in Kombination mit Bioinformatik und Biotechnologie soll dieser Suchraum systematisch erkundet werden, um neuartige Proteine mit wertvollen Funktionen zu entwickeln.
Der Artikel skizziert den Aufbau eines EASME-Algorithmus, der auf einem EA-Kern basiert, der Proteinstrukturen gemäß Regeln der Proteinfaltung und Bioinformatik-Analysen evolviert. Damit sollen nicht nur neue Proteine für biotechnologische Anwendungen, sondern auch Erkenntnisse über die Ursprünge des Lebens gewonnen werden.
Stats
Der Suchraum möglicher Proteinstrukturen ist "unvorstellbar groß", aber nur ein "Bruchteil" davon sind tatsächlich funktionale Proteine.
Quotes
"Natürliche Evolution ist ein Prozess des Versuchs und Irrtums - sie durchstreift den Suchraum und stößt durch Zufall auf nützliche Veränderungen, die dann über Generationen verfeinert werden."
"Wir sind zuversichtlich, dass alle erforderlichen Werkzeuge für dieses Unterfangen derzeit verfügbar sind."