Ein generatives KI-System namens RFdiffusion3, das Proteine und Nukleinsäuren auf der Ebene einzelner Atome entwerfen kann, hat seinen vollständigen Entwurfsplan kürzlich offiziell veröffentlicht. Noch beeindruckender: Die damit neu entworfenen Proteine haben ihre erwartete Funktion bereits in echten chemischen Reaktionen erfüllt.
Ein internationales Team aus Institutionen wie der University of Washington in den USA, der University of Oxford in Großbritannien und Nvidia hat dieses System aufgebaut, das einzelne Atome modellieren und speziell Proteine und Nukleinsäuren entwerfen kann; die Ergebnisse wurden am 16. (Ortszeit) in der internationalen Fachzeitschrift Science veröffentlicht. Das Team hatte RFdiffusion3 bereits am 3. Dezember 2025 als Open Source freigegeben; die nun vorgelegte Arbeit erläutert die Entwurfsprinzipien im Detail.
Entwickelt unter Beteiligung eines Nobelpreisträgers, zehnmal schneller als die Vorgängerversion
Korrespondierender Autor der Studie ist der Professor der University of Washington David Baker – er erhielt 2024 den Nobelpreis für Chemie für die Vorhersage von Proteinstrukturen mit Computern; eines seiner markanten Ergebnisse ist das Proteinstruktur-Vorhersagesystem RosettaFold. RFdiffusion1 (2023) und RFdiffusion2 (2025) entstanden beide auf Basis des Strukturvorhersagenetzwerks von RosettaFold; RFdiffusion3 hingegen stützt sich auf die Netzwerkarchitektur von AlphaFold3 und beschreibt jede Aminosäure mit bis zu 14 Atomen, indem es neue Strukturen durch direkte Anpassung der dreidimensionalen Koordinaten jedes Atoms formt.
Seine Stärke liegt im „Entwerfen unter Nebenbedingungen“. Wenn Forschende nicht nur die Positionen der für eine Reaktion benötigten Atome vorgeben, sondern auch die Bedingungen für Wasserstoffbrückenbindungen und den Verteilungsbereich bestimmter Atome im Inneren des Proteins festlegen, liefert das System Strukturen, die alle Nebenbedingungen erfüllen. Das Team verglich 41 aktive Zentren bestehender Enzyme: In 37 Fällen schnitt RFdiffusion3 besser ab als RFdiffusion2, und die Generierungsgeschwindigkeit ist etwa zehnmal höher als bei der Vorgängerversion. Das von ihm entworfene Paraoxon-abbauende Enzym und das Peptid-spaltende Enzym haben die erwarteten Reaktionen in echten Experimenten reibungslos durchlaufen. Vom „Vorhersagen von Strukturen“ hin zum „Konstruieren von Strukturen nach Funktion“ – dieses atomweise fein geschliffene KI-System treibt die Proteintechnik zu einer nie dagewesenen Präzision.