Verborgene Chemie in Proteinen: Neue Entdeckungen Enthüllt

Forschende decken mit maschinellem Lernen übersehene chemische Bindungen in Proteinen auf

Proteine gehören zu den am besten untersuchten Molekülen in der Biologie. Neue Forschungsergebnisse zeigen jedoch, dass sie überraschende Geheimnisse bergen. Forschende der Universität Göttingen haben bisher unbekannte chemische Bindungen in archivierten Proteinstrukturen entdeckt und damit eine unerwartete Komplexität der Proteinchemie offenbart. Die neu identifizierten Stickstoff-Sauerstoff-Schwefel-Verknüpfungen (NOS) erweitern das Verständnis darüber, wie Proteine auf oxidativen Stress reagieren – einen Zustand, in dem sich schädliche Sauerstoffmoleküle ansammeln und Proteine, DNA und andere Bestandteile der Zelle schädigen. Die neuen Erkenntnisse wurden in der Fachzeitschrift Communications Chemistry veröffentlicht.

Das Forschungsteam analysierte systematisch über 86.000 hochaufgelöste Proteinstrukturen aus der „Protein Data Bank“, einem weltweiten öffentlichen Archiv für Proteinstrukturen. Dabei setzten sie erstmals ihren selbst entwickelten Algorithmus namens SimplifiedBondfinder ein. Dieser kombiniert maschinelles Lernen, quantenmechanische Modellierung und Methoden zur Strukturverfeinerung. So kann er subtile chemische Bindungen aufdecken, die herkömmliche Analyseverfahren bislang übersehen haben.

NOS-Verknüpfungen wurden zwar bereits vor einigen Jahren durch Forschungsarbeiten unter der Leitung von Prof. Dr. Kai Tittmann an der Universität Göttingen in Proteinen entdeckt. Die Ergebnisse der aktuellen Studie waren für die Forschenden dennoch unerwartet: Sie entdeckten die NOS-Verknüpfungen nicht nur zwischen bereits bekannten Aminosäure-Paaren, sondern erstmals auch zwischen den Aminosäure-Paaren Arginin-Cystein und Glycin-Cystein.

Illustration zum Einsatz des SimplifiedBondfinder-Algorithmus zur Aufdeckung versteckter chemischer Bindungen in Proteinen durch die Kombination von maschinellem Lernen (UMAP*), quantenmechanischer Modellierung und Methoden der Strukturverfeinerung. *Uniform Manifold Approximation and Projection: Algorithmus zur Dimensionalitätsreduktion, der hochdimensionale chemische Deskriptordaten in einen niedrigdimensionalen Raum projiziert und so die Identifizierung von Clustern ermöglicht, die bekannte und neue Bindungen abbilden. Image Credit: Sophia Bazzi (Proteinstrukturen aus der Protein Data Bank, Visualisierung mit PyMOL und Coot)

„Unsere Arbeit zeigt, dass die ‚Protein Data Bank‘ noch immer verborgene chemische Informationen enthält“, sagt die Leiterin der Studie, Dr. Sophia Bazzi vom Institut für Physikalische Chemie der Universität Göttingen. „Durch die Entwicklung neuer digitaler Werkzeuge und die erneute Auswertung bestehender Daten haben wir chemische Wechselwirkungen aufgedeckt, die jahrzehntelang unbemerkt geblieben sind.“ Die NOS-Verknüpfungen wirken als molekulare Schalter, stabilisieren Proteine unter oxidativem Stress und könnten eine Vielzahl biologischer Prozesse beeinflussen. „Unser Ansatz hat weitreichende Bedeutung“, betont Bazzi. „Er kann übersehene chemische Bindungen aufdecken, zu verbesserten Protein-Modellen führen und Fortschritte in der Modellierung von Proteinen, der Entwicklung von Wirkstoffen und der synthetischen Biologie ermöglichen.“

Originalveröffentlichung: Bazzi et al. Revealing arginine–cysteine and glycine–cysteine NOS linkages by a systematic re-evaluation of protein structures. Communications Chemistry (2025). DOI: 10.1038/s42004-025-01535-w

Die Publikation ist auch unter https://rdcu.be/elTnD verfügbar.

Kontakt:

Dr. Sophia Bazzi
Georg-August-Universität Göttingen
Institut für Physikalische Chemie
Telefon: 0551 39-33131
E-Mail: sophia.bazzi@uni-goettingen.de

Original Publication
Authors: Sophia Bazzi and Sharareh Sayyad.
Journal: Communications Chemistry
DOI: 10.1038/s42004-025-01535-w
Method of Research: Computational simulation/modeling
Subject of Research: Not applicable
Article Title: Revealing arginine–cysteine and glycine–cysteine NOS linkages by a systematic re-evaluation of protein structures
Article Publication Date: 13-May-2025

Original Source: https://www.uni-goettingen.de/en/3240.html?id=7805

Media Contact

Melissa Sollich
University of Göttingen
melissa.sollich@uni-goettingen.de
Office: 49-551-392-6228

Häufig gestellte Fragen

Was ist der Hauptzweck des SimplifiedBondfinder-Algorithmus?

Der Hauptzweck des SimplifiedBondfinder-Algorithmus ist es, neue, wahrscheinliche Kandidaten für Stickstoff-Sauerstoff-Schwefel (NOS) Bindungen in Proteinen zu identifizieren.

Wie werden die Daten für die Analyse gesammelt und gefiltert?

Die Daten werden aus drei verschiedenen Protein-Datenbanken gesammelt und durch verschiedene Kriterien gefiltert, um zuverlässige Datensätze zu erhalten.

Warum ist die Überprüfung von ‘Too-close contacts’ wichtig?

Die Überprüfung von ‘Too-close contacts’ ist wichtig, weil sie darauf hinweisen kann, dass fehlende kovalente Bindungen zwischen Atomen bestehen, anstatt nur sterische Konflikte zu zeigen.