BioEmu ist in der Lage, tausende statistisch unabhängige Proteinstrukturen pro Stunde auf einer einzigen Grafikkarte (GPU) zu generieren. Besonders bemerkenswert ist die Fähigkeit des Systems, komplexe und biologisch relevante Strukturänderungen wie verborgene Bindungstaschen, Bewegungen ganzer Protein-Domänen oder lokale Entfaltungen zu erfassen. Selbst Stabilitätsveränderungen von Proteinen kann BioEmu mit einer Genauigkeit vorhersagen, die sich mit Laboranalysen messen lässt, so heißt es in einer aktuellen Pressemitteilung der FU Berlin. 

Wie es weiter heißt, bietet BioEmu neue Perspektiven für das Wirkstoffdesign und könnte künftig dazu beitragen, die Erfolgsquote von neuen Wirkstoffen in klinischen Studien zu erhöhen.

Die Forschungsarbeiten wurden vollständig bei Microsoft AI durchgeführt, die Leitung oblag Prof. Dr. Frank Noé vom Fachbereich Mathematik und Information der FU Berlin. Wesentliche Beiträge lieferte auch Prof. Dr. Cecilia Clementi, Einstein-Professorin für Physik an der Freien Universität Berlin.

Originalpublikation:
Lewis S, Hempel T, Jiménez-Luna J, Gastegger M, Xie Y, Foong AYK, Satorras VG, Abdin O, Veeling BS, Zaporozhets I, Chen Y, Yang S, Foster AE, Schneuing A, Nigam J, Barbero F, Stimper V, Campbell A, Yim J, Lienen M, Shi Y, Zheng S, Schulz H, Munir U, Sordillo R, Tomioka R, Clementi C, Noé F. (2025). Scalable emulation of protein equilibrium ensembles with generative deep learning. Science. 2025 Jul 10:eadv9817. doi: 10.1126/science.adv9817. Epub ahead of print. PMID: 40638710.

Quelle und weitere Informationen:
https://www.fu-berlin.de/presse/informationen/fup/2025/fup_25_120-proteinmodellierung-bioemu-noe/index.html