Forschende der Technischen Universität Graz und der Universität Graz haben eine neue KI-gestützte Methode entwickelt, mit der sich Enzyme gezielt neu konstruieren lassen. Der Ansatz ermöglicht es erstmals, Proteinstrukturen direkt um das aktive Zentrum herum aufzubauen, anstatt passende Enzyme aus bestehenden Datenbanken abzuleiten. Die so erzeugten Enzyme sind deutlich aktiver und stabiler als bisherige artifizielle Varianten.
Die Methode trägt den Namen Riff-Diff (Rotamer Inverted Fragment Finder–Diffusion) und erlaubt ein präzises Design von Enzymen im One-Shot-Verfahren. Dadurch lässt sich der bislang hohe experimentelle Screening- und Optimierungsaufwand deutlich reduzieren. Grundlage des Verfahrens sind moderne Machine-Learning-Modelle, die komplexe Proteinstrukturen vollständig neu generieren und gezielt auf definierte chemische Reaktionen ausrichten.
One-Shot-basierter Ansatz zur Entwicklung artifizieller Enzyme
Die entwickelte Methode Riff-Diff verändert den bisherigen Ansatz zur Konstruktion von Enzymen grundlegend. Statt aus vorhandenen Proteinstrukturen eine möglichst passende Form für ein gewünschtes aktives Zentrum zu suchen, wird die Struktur erstmals konsequent von diesem Zentrum ausgehend aufgebaut. Damit rückt die chemische Funktion der Enzyme an den Anfang des Designprozesses, nicht mehr die Verfügbarkeit ähnlicher natürlicher Vorbilder.
Dieser Perspektivwechsel erlaubt es, Enzyme effizient und präzise im One-Shot-Verfahren zu entwerfen. Gustav Oberdorfer vom Institut für Biochemie der TU Graz beschreibt diesen methodischen Kern folgendermaßen:
„Statt das Pferd von hinten aufzuzäumen und Datenbanken danach abzugrasen, welche Struktur zu einem aktiven Zentrum passt, können wir Enzyme für chemische Reaktionen nun effizient und präzise im One-Shot-Verfahren von Grund auf gestalten.“
Damit wird ein zentrales Problem früherer computergestützter Ansätze überwunden, bei denen die gewünschte Reaktivität häufig nur unzureichend erreicht wurde.
Machine Learning als Grundlage für neue Enzymstrukturen
Möglich wird das neue Enzymdesign durch Fortschritte im Machine Learning, die die Generierung komplexer Proteinstrukturen erlauben. Riff-Diff kombiniert mehrere generative Modelle mit atomistischer Modellierung. Zunächst werden definierte strukturelle Motive um ein aktives Zentrum positioniert, das für eine bestimmte chemische Reaktion vorgesehen ist.
Anschließend erzeugt das mit Proteindaten trainierte Modell RFdiffusion die vollständige Struktur des Enzyms. Dieses Grundgerüst wird schrittweise weiter verfeinert, sodass die chemisch aktiven Elemente exakt im Protein verankert sind. In hochauflösenden Strukturanalysen erreichten die entwickelten Enzyme dabei eine Präzision auf Angström-Niveau, was einer räumlichen Genauigkeit von 0,1 Nanometern entspricht und für die Funktionalität der Enzyme entscheidend ist.
Leistungsfähigkeit und Stabilität neu entwickelter Enzyme
Die Leistungsfähigkeit der neu konstruierten Enzyme wurde experimentell im Labor überprüft. Bereits aus 35 getesteten Sequenzen konnten aktive Enzyme für unterschiedliche Reaktionstypen erzeugt werden. Im Vergleich zu früheren computergestützten Designs zeigten diese Enzyme eine deutlich höhere katalytische Aktivität und bestätigten damit die Effizienz des neuen Ansatzes.
Darüber hinaus erwiesen sich die Enzyme als außergewöhnlich stabil. Fast alle getesteten Varianten blieben selbst bei Temperaturen von über 90 Grad Celsius gefaltet. Diese thermische Stabilität ist insbesondere für industrielle Anwendungen relevant, da Enzyme dort häufig unter harschen Bedingungen eingesetzt werden.
Co-Erstautor Adrian Tripp vom Institut für Biochemie der TU Graz sagt: „Die Natur bringt durch Evolution zwar selbst eine große Zahl an Enzymen hervor, doch das braucht Zeit. Mit unserem Ansatz können wir diesen Prozess massiv beschleunigen und so dazu beitragen, industrielle Prozesse nachhaltiger zu machen, gezielte Enzymtherapien zu entwickeln und die Umwelt sauberer zu halten.“
Ermöglicht hat diesen Durchbruch auch die interdisziplinäre Zusammenarbeit zwischen TU Graz und Uni Graz. Mélanie Hall vom Institut für Chemie der Universität Graz bestätigt die Stärke der Kooperation: „Die Einbindung unterschiedlicher Expertisen an der Schnittstelle von Proteinwissenschaft, Biotechnologie und organischer Chemie zeigt, wie entscheidend interdisziplinäre Ansätze für den Fortschritt moderner Biokatalyse sind.“
Originalpublikation: Braun, M., Tripp, A., Chakatok, M. et al. Computational enzyme design by catalytic motif scaffolding. Nature 649, 237–245 (2026). https://doi.org/10.1038/s41586-025-09747-9