IT之家 berichtet am 19. Oktober, dass das generative KI-System RFdiffusion3 für die Herstellung von Proteinen und Nukleinsäuren nach der Kombination einzelner Atome entwickelt werden kann. Das detaillierte Designkonzept wurde nun offiziell bekannt gegeben. Mit den neu entworfenen Proteinen von RFdiffusion3 können im echten chemischen Reaktionsprozess die gewünschten Funktionen erreicht werden.
Ein internationales Forschungsteam aus der Washington University in den USA, der Universität Oxford in Großbritannien und NVIDIA hat ein System entwickelt, das es ermöglicht, einzelne Atome zu modellieren und zur Entwicklung von Proteinen und Nukleinsäuren zu verwenden. Die Forschungsergebnisse wurden am 16. local time in der internationalen Fachzeitschrift „Science“ veröffentlicht.
IT Home hat bemerkt, dass die Forschungsteams am 3. Dezember 2025 RFdiffusion3 open source gemacht haben. Der in „Science“ veröffentlichte Artikel erklärt detailliert das Designprinzip von RFdiffusion3.
Die Forschung zu Proteinen auf Basis künstlicher Intelligenz hat sich von der Vorhersage der dreidimensionalen Struktur bereits vorhandener Proteine weiter entwickelt, um neue Proteine mit der gewünschten Struktur und Funktion zu entwerfen.
Professor David Baker von der Universität Washington ist der Ko-Autor der Studie RFdiffusion3. Er erhielt den Nobelpreis für Chemie im Jahr 2024 für seine Leistungen bei der Vorhersage der Proteinstruktur mittels Computern. Einer der bemerkenswerten Erfolge von Baker ist das Entwickeln des künstlichen Intelligenz-Systems RosettaFold zur Vorhersage von Proteinstrukturen.
RosettaFold lernt die räumlichen Beziehungen zwischen den Aminosäuren, aus denen Proteine bestehen, und nutzt diese Informationen, um die dreidimensionale Struktur des Proteins vorherzusagen. Die im Jahr 2023 veröffentlichte RFdiffusion1 und die im Jahr 2025 veröffentlichte RFdiffusion2 wurden beide auf der Strukturstimmen-Netzwerksystem, das RosettaFold verwendet, entwickelt.
RFdiffusion nutzt ein Diffusionmodell, um die Positionen der Aminosäuren zu bestimmen und so den Proteindesign zu erreichen. Das Diffusionmodell ist eine Art künstliche Intelligenzmodell, das die Verteilung von vorhandenen Daten lernt und anschließend neue Daten erzeugt.
RFdiffusion3 wurde auf der Grundlage der Netzwerkarchitektur des anderen Proteinstruktur-Predictionsprogramms AlphaFold3 entwickelt. RFdiffusion3 kann bis zu 14 Atome verwenden, um ein einzelnes Aminosäureprotein zu beschreiben, und durch die direkte Anpassung der dreidimensionalen Koordinaten jedes Atoms eine völlig neue Proteinstruktur zu entwerfen.
Die Forschungsteams haben mit diesem System eine präzise Gestaltung der Enzymaktivitätspunkte erreicht, sodass das Enzym verschiedene chemische Reaktionen katalysieren kann. Enzyme gehören zu den Proteinen und sind biologische Katalysatoren, die die Reaktionsgeschwindigkeit verschiedener chemischer Reaktionen im Organismus erhöhen.
Wenn die Forscher nicht nur die Positionen der Atome anweisen, die für die Reaktion benötigt werden, sondern auch die Bedingungen für die Bildung von Wasserstoffbindungen sowie den Bereich der Verteilung bestimmter Atome innerhalb des Proteins festlegen, kann RFdiffusion3 eine Proteinstruktur erzeugen, die alle Einschränkungen erfüllt.
Die Forscher wählten 41 aktive Sitze von bestehenden Enzymen, um den Design-Effekt zu vergleichen. Die Ergebnisse zeigten, dass in 37 Tests die Leistung von RFdiffusion3 besser war als die von RFdiffusion2. Die Geschwindigkeit, mit der es die Proteinstruktur erzeugt, ist etwa zehnmal höher als bei RFdiffusion2.
Die gegen Sauerstoff-Phosphorabbauenzym und Peptidspaltungsenzyme, die von RFdiffusion3 entwickelt wurden, haben in echten Experimenten erfolgreich die erwarteten chemischen Reaktionen durchgeführt. Das Forschungsteam sagte: „In Zukunft wird RFdiffusion3 breit in verschiedenen Aufgaben zur Gestaltung biologischer Moleküle und in damit verbundenen Anwendungsbereichen verwendet werden.“
Referenzmaterial:
Anzeige: Der Text enthält externe Links (nicht auf bestimmte Formen beschränkt, einschließlich Hyperlinks, QR-Codes, Passwörter usw.), die dazu dienen, mehr Informationen bereitzustellen, die Auswahlzeit zu verkürzen und die Ergebnisse nur als Referenz dienen. Alle Artikel in IT Home, die externe Links enthalten, enthalten diese Anzeige.