Die mit der Genschere CRISPR assoziierte Nuklease Cas13b – ein Enzym, das Nukleinsäuren abbaut – hat das Potenzial, künftig in der Therapie von Erbkrankheiten eingesetzt zu werden, um unerwünschte Gene auszuschalten. Zudem wird diese Nuklease im Kampf gegen Infektionen als antivirales Mittel erforscht, da Cas13b gezielt in das Erbgut von Viren eingreifen und diese unschädlich machen kann. Ein internationales Forschungsteam will die Sicherheit und Wirksamkeit künftiger Therapien erhöhen. Unter Leitung von Bioinformatiker Prof. Dr. Rolf Backofen vom Exzellenzcluster CIBSS – Centre for Integrative Biological Signalling Studies der Universität Freiburg und Prof. Dr. Chase Beisel am Helmholtz-Institut in Würzburg in Kooperation mit der King Fahd Universität in Saudi-Arabien suchen die Foscher*innen nach Nukleasehemmern, die unerwünschte Nebeneffekte regulieren oder unterbinden können.

Um natürliche Nukleasehemmer zu finden, hat CIBSS-Wissenschaftler Backofen vom Institut für Informatik an der Universität Freiburg mit seinem Team nun erstmals Deep Learning genutzt um ein Protein zu identifizieren, das die Aktivität von Cas13b blockiert. Deep Learning ist ein Teilbereich des Maschinellen Lernens und eignet sich dafür, große Datenmengen nach Mustern und Trends zu untersuchen. Ihre Ergebnisse stellen die Wissenschaftler*innen in der Zeitschrift Molecular Cell vor.

Auf der Suche nach Acrs: Erstmals Deep Learning angewandt

Wissenschaftler*innen vermuten, dass viele noch unentdeckte Proteine existieren, die Cas13b blockieren können – sogenannte Anti-CRISPR-Proteine (Arcs).  Allerdings sind diese schwer zu finden. „Sie zu identifizieren heißt, eine Stecknadel im Heuhaufen zu finden, da Acrs einander überhaupt nicht ähneln“, erklärt Beisel, der in Kooperation mit Backofen federführender Wissenschaftler der Studie ist und die Leitung der Abteilung „Synthetische RNA-Biologie“ am Helmholtz-Institut für RNA-basierte Infektionsforschung in Würzburg innehat.

Deshalb haben die Mitglieder des Forschungsteams den Einsatz künstlicher Intelligenz vorangetrieben, um neue Acrs zu suchen. „Mit der Kombination aus unserem Deep Learning-Verfahren ‚DeepAcr‘ und dem Einsatz eines Hochdurchsatz-Screens ist es gelungen, das neue Anti-CRISPR-Protein zu entdecken“, sagt Backofen. „Die Millionen von Vorhersagen, die unser Algorithmus macht, helfen aber nicht nur, Anti-CRISPR Proteine zu finden. Der entwickelte Algorithmus zeigt, wie neuronale Netze auch bei komplexen Fragestellungen effektive Lösungsmöglichkeiten eröffnen"

Profil Rolf Backofen

Original Veröffentlichung

Wandera, K.G., Alkhnbashi, O.S., Bassett, H.V.I., Mitrofanov, A., Hauns, S., Migur, A., Backofen *, R., Beisel *, C.L. (2022): Anti-CRISPR prediction using deep learning reveals an inhibitor of Cas13b nucleases. In: Molecular Cell. DOI: https://doi.org/10.1016/j.molcel.2022.05.003  *:corresponding authors

Original-Pressemitteilung

https://kommunikation.uni-freiburg.de/pm/2022/deep-learning-hilft-gentherapien-und-antivirale-medikamente-zu-verbessern