Ein Protein, das Kunststoff abbaut. Ein Molekül, das unter bestimmten Bedingungen leuchtet. Oder ein Enzym, das eine chemische Reaktion unterstützt. Bislang erfordert die Entwicklung solcher Proteine umfangreiche Kenntnisse über ihre molekulare Struktur. Ein Forschungsteam aus China hat nun ein KI-System vorgestellt, das einen Teil dieser Arbeit anhand gewöhnlicher Sprachbeschreibungen übernehmen kann.
Quellen:
https://www.nature.com/articles/s41586-026-11205-z
https://zhoubay.github.io/publication/Pinal
🔎 Was ist passiert?
Die Forschungsarbeit wurde bereits am 21. Oktober 2026 in der Fachzeitschrift Nature veröffentlicht und Anfang November erneut aufgegriffen.
Im Mittelpunkt steht das KI-System Pinal, an dessen Entwicklung unter anderem Wissenschaftler der Westlake University beteiligt waren.
Pinal soll neue Proteine anhand einer Beschreibung ihrer gewünschten Funktion entwerfen.
Proteine sind große Moleküle, die in Lebewesen unzählige Aufgaben übernehmen.
Einige dienen als Baustoff, andere transportieren Substanzen oder ermöglichen chemische Reaktionen.
Besonders interessant sind Enzyme. Das sind Proteine, die bestimmte chemische Reaktionen ermöglichen oder beschleunigen.
Ihre Funktion hängt wesentlich davon ab, aus welchen Aminosäuren sie bestehen und wie sich diese räumlich anordnen.
Schon kleine Veränderungen können dazu führen, dass ein Protein anders arbeitet oder seine Funktion verliert.
Deshalb ist es schwierig, gezielt neue Proteine mit bestimmten Eigenschaften zu entwickeln.
Hier soll Pinal helfen.
Statt den Forschern ausschließlich komplizierte Strukturvorgaben abzuverlangen, kann das System eine Beschreibung der gewünschten Funktion verarbeiten.
Daraus erzeugt es mögliche dreidimensionale Proteinstrukturen und passende Aminosäuresequenzen.
Die Grundlage bildet ein KI-Modell mit 16 Milliarden Parametern, das anhand von rund 1,7 Milliarden künstlich erzeugten Kombinationen aus Proteinbeschreibungen und Proteininformationen trainiert wurde.
Doch wie gut funktioniert das außerhalb des Computers?
Die Forscher untersuchten vier unterschiedliche Aufgaben.
Dazu gehörte die Entwicklung eines fluoreszierenden Proteins, also eines Moleküls, das Licht abgeben kann.
Außerdem entwarf Pinal ein Enzym zum Abbau des Kunststoffs PET, aus dem beispielsweise Getränkeflaschen hergestellt werden.
Weitere Versuche betrafen ein Enzym für bestimmte chemische Reaktionen und ein Protein, das bei einem experimentellen Verfahren zur Bindung von Kohlendioxid eingesetzt wurde.
In allen vier untersuchten Aufgaben fanden die Forscher Kandidaten, deren gewünschte Funktion im Labor tatsächlich nachgewiesen werden konnte.
Besonders interessant war ein Protein für das experimentelle Kohlendioxid-Verfahren.
Hier erreichten die Forscher mit dem KI-Entwurf eine 1,7-fach höhere Produktausbeute als mit dem entsprechenden natürlichen Vergleichsprotein aus Escherichia coli.
⚖️ Der Realitätscheck
Das bedeutet nicht, dass Pinal auf jede beliebige Beschreibung sofort ein funktionsfähiges Protein erzeugt.
Die KI liefert zunächst Kandidaten.
Diese müssen anschließend überprüft, gegebenenfalls hergestellt und experimentell getestet werden.
Bei der Suche nach einem PET-abbauenden Enzym beispielsweise sortierten die Forscher zahlreiche Vorschläge anhand rechnerischer Kriterien aus. Danach untersuchten sie ausgewählte Kandidaten im Labor.
Erst diese zusätzlichen Schritte führten zu einem geeigneten Protein.
Auch der Nachweis einer bestimmten Enzymaktivität im Labor bedeutet noch nicht, dass das Molekül für einen industriellen Einsatz geeignet ist.
Dafür spielen zahlreiche weitere Faktoren eine Rolle: Stabilität, Produktionskosten, Reaktionsgeschwindigkeit und Verhalten unter praktischen Bedingungen.
Die 1,7-fache Ausbeute bezieht sich außerdem auf einen bestimmten experimentellen Versuchsaufbau. Sie ist keine allgemeine Leistungssteigerung für sämtliche von Pinal entworfenen Proteine.
💡 Warum ist das interessant?
Die Forschung an neuen Proteinen ist für viele Bereiche wichtig.
In der Medizin könnten solche Verfahren langfristig bei der Entwicklung neuer Wirkstoffe oder diagnostischer Verfahren helfen.
In der Industrie sind beispielsweise Enzyme interessant, die chemische Reaktionen mit geringerem Energieaufwand ermöglichen.
Und beim Kunststoffrecycling wird untersucht, ob Enzyme bestimmte Materialien gezielt zerlegen können.
Der eigentliche Fortschritt von Pinal liegt dabei nicht darin, dass eine KI überhaupt Proteine entwirft. Solche Ansätze gibt es bereits.
Neu ist vor allem der Versuch, die gewünschte biologische Funktion direkt in natürlicher Sprache vorzugeben.
Das könnte die Zusammenarbeit zwischen Biologen, Chemikern und KI-Systemen vereinfachen.
Über einen anderen Aspekt dieser Entwicklung haben wir bereits berichtet: DeepMind arbeitet an Wasserzeichen für KI-entworfene Proteine.
Dort ging es darum, künstlich entworfene biologische Moleküle später wiedererkennen zu können.
Pinal beschäftigt sich dagegen mit der Frage, wie solche Entwürfe überhaupt entstehen.
Vielleicht werden Wissenschaftler künftig häufiger zunächst beschreiben, welches biologische Problem sie lösen möchten.
Und die KI hilft anschließend dabei, geeignete Moleküle dafür zu finden.
Der entscheidende Beweis bleibt allerdings im Labor – nicht in der noch so überzeugenden Antwort eines Sprachmodells.