Die aktuelle COVID-19-Pandemie hat viele Probleme geschaffen, die Hacker gerne angreifen. Von 3D-gedruckten Gesichtsschutzschilden und selbstgemachten medizinischen Masken bis hin zum Ersatz eines kompletten mechanischen Beatmungsgeräts war der Ideenfluss inspirierend und herzerwärmend. Gleichzeitig gab es Versuche, auf einem anderen Gebiet voranzukommen: in der Forschung zur Bekämpfung des Virus selbst.
Offenbar liegt das größte Potenzial, die aktuelle Pandemie zu stoppen und alle nachfolgenden zu überholen, in einem Ansatz, der versucht, das Problem an der Wurzel zu packen. Dieser „Kenne deinen Feind“-Ansatz wird vom Computerprojekt Folding@Home verfolgt. Millionen von Menschen haben sich dem Projekt angeschlossen und spenden einen Teil der Rechenleistung ihrer Prozessoren und GPUs und schaffen so den größten [verteilten] Supercomputer der Geschichte.
Aber wofür genau werden all diese Exaflops verwendet? Warum ist es notwendig, eine solche Rechenleistung einzusetzen?
Zunächst das Wichtigste: Warum werden Proteine benötigt?
Proteine sind lebenswichtige Strukturen. Sie liefern nicht nur Baumaterial für Zellen, sondern dienen auch als Enzymkatalysatoren für fast alle biochemischen Reaktionen. Eichhörnchen, seien sie
Um zu verstehen, wie Proteine die Struktur erhalten, die ihre Funktion bestimmt, müssen wir uns mit den Grundlagen der Molekularbiologie und dem Informationsfluss in der Zelle befassen.
Produktion, bzw
Ribosomen wirken wie Montagemaschinen – sie nehmen die mRNA-Vorlage und passen sie an andere kleine RNA-Stücke an.
Diese Aminosäuresequenz ist die erste Ebene der Proteinstrukturhierarchie, weshalb sie auch so genannt wird
Fernbindungen von Proteinteilen
Die nächste Ebene der dreidimensionalen Struktur, die über die primäre hinausgeht, erhielt einen klugen Namen
Alpha-Helices und Beta-Faltblätter in Proteinen. Während der Proteinexpression bilden sich Wasserstoffbrückenbindungen.
Diese beiden Strukturen und ihre Kombinationen bilden die nächste Ebene der Proteinstruktur –
Auch die Stabilität tertiärer Strukturen wird durch weitreichende Bindungen zwischen Aminosäuren gewährleistet. Ein klassisches Beispiel für solche Verbindungen ist
Die Tertiärstruktur wird durch weitreichende Wechselwirkungen wie Hydrophobie oder Disulfidbindungen stabilisiert
Dazwischen können Disulfidbindungen auftreten
Modellierung von Strukturen auf der Suche nach einem Heilmittel für Krankheiten
Polypeptidketten beginnen sich während der Translation in ihre endgültige Form zu falten, wenn die wachsende Kette das Ribosom verlässt, ähnlich wie ein Stück Memory-Legierungsdraht beim Erhitzen komplexe Formen annehmen kann. Allerdings liegen die Dinge, wie immer in der Biologie, nicht so einfach.
In vielen Zellen werden transkribierte Gene vor der Translation umfassend bearbeitet, wodurch sich die Grundstruktur des Proteins im Vergleich zur reinen Basensequenz des Gens erheblich verändert. In diesem Fall nutzen Translationsmechanismen oft die Hilfe von molekularen Chaperonen, Proteinen, die sich vorübergehend an die entstehende Polypeptidkette binden und verhindern, dass diese eine Zwischenform annimmt, aus der sie dann nicht in die endgültige Form übergehen können.
Dies bedeutet, dass die Vorhersage der endgültigen Form eines Proteins keine triviale Aufgabe ist. Die einzige Möglichkeit, die Struktur von Proteinen zu untersuchen, waren jahrzehntelang physikalische Methoden wie die Röntgenkristallographie. Erst in den späten 1960er Jahren begannen biophysikalische Chemiker mit der Erstellung von Computermodellen für die Proteinfaltung, wobei sie sich vor allem auf die Modellierung der Sekundärstruktur konzentrierten. Diese Methoden und ihre Abkömmlinge erfordern zusätzlich zur Primärstruktur enorme Mengen an Eingabedaten – zum Beispiel Tabellen mit Aminosäurebindungswinkeln, Listen von Hydrophobizitäten, Ladungszuständen und sogar die Erhaltung von Struktur und Funktion über evolutionäre Zeitskalen – alles, um dies zu erreichen Ratet mal, was passieren wird, sieht aus wie das endgültige Protein.
Heutige Rechenmethoden zur Sekundärstrukturvorhersage, wie sie beispielsweise im Folding@Home-Netzwerk laufen, arbeiten mit einer Genauigkeit von etwa 80 % – was angesichts der Komplexität des Problems ziemlich gut ist. Daten, die von Vorhersagemodellen zu Proteinen wie dem SARS-CoV-2-Spike-Protein generiert werden, werden mit Daten aus physikalischen Studien des Virus verglichen. Dadurch wird es möglich sein, die genaue Struktur des Proteins zu ermitteln und möglicherweise zu verstehen, wie sich das Virus an Rezeptoren bindet
Die Proteinfaltungsforschung ist das Herzstück unseres Verständnisses so vieler Krankheiten und Infektionen, dass das Netzwerk selbst dann gewinnen wird, wenn wir das Folding@Home-Netzwerk nutzen, um herauszufinden, wie wir COVID-19 besiegen können, dessen Wachstum in letzter Zeit explosionsartig zugenommen hat. Ich werde nicht lange untätig sein. Arbeit. Es handelt sich um ein Forschungsinstrument, das sich gut zur Untersuchung der Proteinmuster eignet, die Dutzenden von Proteinfehlfaltungskrankheiten zugrunde liegen, wie etwa der Alzheimer-Krankheit oder der Variante der Creutzfeldt-Jakob-Krankheit, die fälschlicherweise oft als Rinderwahnsinn bezeichnet wird. Und wenn unweigerlich ein weiterer Virus auftritt, sind wir bereit, ihn erneut zu bekämpfen.
Source: habr.com