Computational Design and Evaluation of De Novo Protein Minibinders Targeting Specific Sites of STAT3

In der mikroskopischen Maschinerie einer lebenden Zelle fungiert ein Protein namens STAT3 als ein Hauptschalter, der Gene aktiviert, die den Zellen mitteilen, wann sie wachsen und sich teilen sollen. In einem gesunden Körper ist dieser Schalter streng reguläriert, doch in vielen Arten von Krebs bleibt er in der „An“-Position stecken, was unkontrolliertes Wachstum und die Ausbreitung von Tumoren vorantreibt. Wissenschaftler versuchen schon lange, Medikamente zu entwickeln, um diesen Schalter auszuschalten, aber der übliche Ansatz – die Verwendung kleiner chemischer Moleküle, um den Mechanismus zu blockieren – ist in klinischen Studien wiederholt gescheitert. Die Oberfläche des STAT3-Proteins ist oft zu flach oder zu ähnlich zu anderen Proteinen, als dass diese kleinen Moleküle mit genügend Präzision daran festgreifen könnten. Dies hat Forscher dazu veranlasst, nach einer anderen Art von Werkzeug zu suchen, das größer und spezifischer ist und in der Lage ist, sich mit der Sicherheit eines Schlüssels, der in ein Schloss passt, an das Protein zu heften.

Ein Forschungsteam hat sich nun an künstliche Intelligenz gewandt, um diese neuen Werkzeuge von Grund auf neu zu entwerfen. Anstatt sich aus der bestehenden Bibliothek der Natur an Proteinen zu bedienen, nutzten sie ein Computerprogramm, um völlig neue, winzige Proteinstrukturen zu erfinden, die darauf ausgelegt sind, an spezifische Stellen auf der STAT3-Oberfläche zu binden. Das Ziel war es, „Minibinder“ zu erschaffen – kleine, stabile Proteinfragmente, die sich an STAT3 heften und potenziell dessen schädliche Arbeit stoppen könnten. Durch die gezielte Ansprache verschiedener Regionen des Proteins, einschließlich Bereichen, die mit traditionellen Medikamenten schwer erreichbar waren, hoffte das Team, eine neue Gruppe von Kandidaten zu generieren, die im Labor getestet werden können, um zu sehen, ob sie das krebsfördernde Protein effektiv blockieren können.

Die Forscher begannen damit, sieben spezifische „Hotspots“ auf dem STAT3-Protein zu identifizieren, bei denen es sich um kleine Cluster von Aminosäuren handelt, die an verschiedenen Stellen des Moleküls lokalisiert sind. Diese Stellen wurden ausgewählt, weil sie zugänglich sind und eine wichtige Rolle bei der Funktion des Proteins spielen, wie etwa dabei, wie es an Zellrezeptoren bindet oder an die DNA bindet. Mithunter einem modernen KI-Designwerkzeug namens BindCraft generierte das Team tausende potenzieller Proteinsequenzen, von denen jede ein einzigartiger Versuch war, sich um einen dieser Hotspots zu legen. Das Computerprogramm agierte wie ein virtueller Architekt, der Formen skizzierte, die theoretisch in das Ziel passen würden, während es Designs herausfilterte, die instabil erschienen oder unwahrscheinlich an sich binden würden. Aus einem ursprünglichen Pool von 139 Designs, die die ersten computergestützten Prüfungen bestanden hatten, verengte das Team ihren Fokus auf die vielversprechendsten Kandidaten.

Um sicherzustellen, dass diese digitalen Entwürfe in der realen Welt tatsächlich funktionieren, unterzogen die Forscher sie einer strengen zweiten Evaluierungsrunde unter Verwendung eines fortschrittlicheren KI-Systems namens AlphaFold3. Dieses System ist hoch spezialisiert darauf, vorherzusagen, wie Proteine sich in ihre dreidimensionalen Formen falten und wie sie miteinander interagieren. Das Team suchte nach Designs, die ein hohes Vertrauen in ihre Fähigkeit zeigten, mit dem STAT3-Protein zu andocken. Elf Designs kristallisierten sich als die Top-Kontender heraus, die alle dazu vorhergesagt wurden, fest an ihre vorgesehenen Ziele zu binden. Diese elf Minibinder wurden so entworfen, dass sie an fünf der sieben ursprünglichen Hotspots binden, was Regionen auf der Coiled-Coil-, SH2- und DNA-Bindungsdomäne des Proteins abdeckt. Die Simulationen deuteten darauf hin, dass diese winzigen Proteine fest auf der STAT3-Oberfläche sitzen würden und oft die spezifischen Aminosäuren abdecken, die die Forscher anvisiert hatten.

Über das bloße Anhaften an das Protein hinaus untersuchten die Forscher, ob diese neuen Binder wirklich neuartige Schöpfungen waren. Sie liefen die Sequenzen der elf besten Binder durch eine massive Datenbank aller bekannten Proteine, um zu sehen, ob irgendeines davon bereits in der Natur existiert. Die Ergebnisse waren beeindruckend: Sechs der Binder wiesen keinerlei Übereinstimmungen in der Datenbank auf, was bedeutete, dass es sich um völlig neue Sequenzen handelte, die zuvor in keinem lebenden Organismus gesehen wurden. Die anderen fünf Binder zeigten nur sehr schwache, unbedeutende Ähnlichkeiten mit obskuren bakteriellen Proteinen, was bestätigte, dass die Designs keine versehentlichen Kopien existierender biologischer Teile waren. Dies deutet darauf hin, dass die KI erfolgreich einzigartige molekulare Formen erfunden hat, anstatt nur bekannte Teile neu anzuordnen.

Die Studie ergab auch, dass einige dieser Minibinder potenziell zusammenarbeiten könnten. Da die Binder an unterschiedlichen, sich nicht überschneidenden Bereichen des STAT3-Proteins ansetzen, ist es möglich, zwei von ihnen gleichzeitig zu verwenden, um das Ziel zu „sandwichartig“ einzuschließen. Beispielsweise zeigten die Simulationen, dass ein für eine Region entworfener Binder bequem neben einem für eine andere Region entworfenen Binder sitzen könnte, ohne sich gegenseitig zu behindern. Dies eröffnet die Tür zu einer neuen Strategie, bei der zwei kleine Proteine STAT3 gleichzeitig festklemmen könnten, was es der Krebszelle potenziell erschweren würde, die Blockade zu umgehen. Während die Forscher betonen, dass diese Ergebnisse derzeit auf Computersimulationen basieren und noch nicht im Labor getestet wurden, bieten die hohen Konfidenzwerte der KI-Modelle eine starke Grundlage für den nächsten Schritt.

Die Arbeit stellt einen bedeutenden Fortschritt in der Nutzung künstlicher Intelligenz dar, um schwierige Zielstrukturen (Drug Targets) anzugehen. Indem das Team erfolgreich Proteine entwarf, die vorhersagen lassen, dass sie an spezifische, herausfordernde Stellen eines krebsrelevanten Proteins binden, hat es der wissenschaftlichen Gemeinschaft eine Liste konkreter Kandidaten für experimentelle Tests zur Verfügung gestellt. Die elf beschriebenen Sequenzen stehen nun anderen Wissenschaftlern zur Verfügung, um sie im Labor zu synthetisieren und zu untersuchen. Sollten sich diese digitalen Vorhersagen in physischen Experimenten bewähren, könnten sie einen neuen Weg zur Behandlung von Krebsarten ebnen, die durch STAT3 angetrieben werden, und über die Grenzen herkömmlicher kleiner chemischer Wirkstoffe hinaus in eine neue Ära der präzisen Proteinterapeutika führen.