Molekularsimulation Mit maschinellem Lernen das Coronavirus besser verstehen

Um eine wirksame Behandlung gegen Sars-CoV-2 zu finden, muss man den Virus verstehen. Forscher der TU Berlin wollen deshalb mit maschinellem Lernen das Bindungsverhalten des Virus untersuchen.

Forscher der TU Berlin und der Universität Luxemburg arbeiten an Verfahren des maschinellen Lernens, um das Coronavirus Sars-CoV-2 besser zu verstehen. Im Mittelpunkt der Forschung: Das sogenannte Spike-Protein, das dem Virus ermöglicht, eine Zelle zu befallen.

Warum das Spike-Protein wichtig für den Virus ist

Das Spike-Protein befindet sich auf der Virusoberfläche und verleiht dem Coronavirus seinen Namen: Denn die Proteine stehen vom Virus ab und bilden die stachelförmige Struktur, die dem Virus eine „Corona“ – also eine Krone – aufsetzt.

Das Protein ist essentiell für den Virus: Um eine menschliche Zelle zu befallen, bindet sich das Protein an einen Rezeptor namens ACE2, um dann mit der Zellmembran zu verschmelzen. Im Gegensatz zu anderen Coronaviren ist das Spike-Protein von Sars-CoV-2 allerdings ungewöhnlich bindungsfreudig, was den Virus ansteckender macht als andere Coronaviren.

Bindungsmechanismus verstehen, um Virus zu bekämpfen

Hier setzt die Forschung an: Dr. Grégoire Montavon (TU Berlin), Prof. Klaus-Robert Müller und Prof. Alexandre Tkatchenko (beide Universität Luxemburg) wollen gemeinsam mithilfe von Quantenmechanik und maschinellem Lernen das Bindungsverhalten des neuen Coronavirus untersuchen.

Dabei analysieren die Wissenschaftler den Mechanismus, der für die ungewöhnlich hohe Bindungsaffinität des Sars-CoV-2-Spike-Proteins verantwortlich ist. Das zu verstehen ist ein wichtiger Schritt für die spätere Entwicklung von Behandlungen gegen das Virus.

Enorm komplexe Simulationen

Dazu verwenden die Forscher exakte Simulationen der Molekulardynamiken des Spike-Proteins und des menschlichen Rezeptors über lange Zeiträume, um deren Zusammenspiel zu verstehen. Die Simulation von Molekulardynamik zeigt die Bewegung innerhalb eines Atomsystems über die Zeit, angetrieben durch die Wechselwirkungen der einzelnen Atome. Für diese enorm komplexen Rechenoperationen sollen spezielle maschinelle Lernverfahren entwickelt werden. Eine Herausforderung: Die Systeme enthalten Hunderttausende von Atomen und verschiedenste Bindungsszenarien.

Ergebnisse der Forschung sollen im Anschluss der Wissenschaft zur Verfügung gestellt werden. Das Projekt wird unter anderem von Google.org mit 125.000 Dollar unterstützt.

Covid-19

Wegen Corona: Mitarbeiter sind oft unmotiviert und unkonzentriert

(ID:46858124)