KI-gestützte Proteinentwicklung: Wie OpenProtein.AI die Forschung revolutioniert

Die Verbindung von künstlicher Intelligenz und Biologie markiert einen Wendepunkt in der medizinischen Forschung. Während KI bereits heute die Entwicklung neuer Medikamente beschleunigt und das Verständnis für Krankheiten vertieft, bleibt eine Hürde: Viele Wissenschaftler sind keine KI-Experten. Doch genau hier setzt OpenProtein.AI an – das Startup ermöglicht es Forschern weltweit, durch eine benutzerfreundliche Plattform auf hochmoderne KI-Modelle zuzugreifen.

Ein Werkzeug für die nächste Generation der Proteinforschung

OpenProtein.AI wurde 2020 von Tristan Bepler, Absolvent des MIT, und Tim Lu, ehemaliger außerordentlicher Professor am MIT, gegründet. Das Unternehmen entwickelt eine No-Code-Plattform, die Wissenschaftlern aus Pharmazie, Biotechnologie und akademischen Institutionen Zugang zu leistungsstarken Grundmodellen für die Proteinentwicklung bietet. Dazu zählen Tools zur Vorhersage von Proteinstruktur und -funktion sowie zur Sequenzoptimierung.

„Wir stehen vor einer spannenden Phase, in der KI nicht nur die Effizienz der Proteinentwicklung steigert, sondern auch völlig neue Möglichkeiten eröffnet“, erklärt Bepler. „Diese Technologien können nicht nur therapeutische Entwicklungszyklen verkürzen, sondern auch unser Verständnis biologischer Systeme grundlegend verändern.“

Vom Labor zur KI: Die Vision hinter OpenProtein.AI

Beplers Weg zur Protein-KI begann 2014 am MIT, wo er im Rahmen des Programms für Computational and Systems Biology unter der Leitung von Bonnie Berger forschte. Sein Fokus lag auf der Frage, warum viele Biomoleküle und Proteine noch immer nicht ausreichend charakterisiert sind – ein zentrales Hindernis für präzise Vorhersagemodelle.

„Wir verstanden die Zusammenhänge zwischen Proteinen, ihrer Struktur und Funktion nicht gut genug“, erinnert sich Bepler. „Mein Ziel war es, Modelle zu entwickeln, die direkt von der Aminosäuresequenz auf die Funktion schließen können – ohne Umweg über die Struktur.“

Seine Arbeit führte zur Entwicklung eines der ersten generativen KI-Modelle für Proteine, das auf evolutionären Daten basiert. Noch vor der Veröffentlichung von AlphaFold, dem revolutionären Proteinstrukturvorhersage-Tool von Google, schuf Bepler damit eine Grundlage für die heutige Protein-Sprachmodellierung.

Nach seinem Abschluss blieb Bepler am MIT und wechselte in das Labor von Tim Lu, wo er als Postdoktorand an der Schnittstelle von KI und Biologie forschte. „Tristan half uns, computergestützte Modelle für die biologische Entwicklung zu verbessern“, erklärt Lu. „Doch schnell wurde klar: Die innovativsten Tools erreichen oft nur diejenigen mit Programmierkenntnissen. OpenProtein.AI entstand aus dem Wunsch, diese Lücke zu schließen – und allen Forschern Zugang zu ermöglichen.“

Benutzerfreundlichkeit als Schlüssel zum Erfolg

Die Plattform von OpenProtein.AI setzt auf eine intuitive Weboberfläche, die keine Programmierkenntnisse erfordert. Wissenschaftler können Daten hochladen, Proteinsequenzen analysieren und neue Varianten generieren – alles mit wenigen Klicks. Im Hintergrund nutzt die Plattform Modelle wie PoET (Protein Evolutionary Transformer), das auf Protein-Datenbanken trainiert wurde.

„PoET kann evolutionäre Muster in Proteinen erkennen und neue Sequenzen mit gewünschten Eigenschaften generieren“, sagt Bepler. „Forscher können ihre eigenen experimentellen Daten einpflegen, um die Modelle kontinuierlich zu verbessern. Das beschleunigt nicht nur den Entwicklungsprozess, sondern reduziert auch die Kosten für Laborversuche.“

Die Plattform bietet sowohl vorkonfigurierte Workflows als auch offene Schnittstellen für Entwickler, die tiefergehende Anpassungen vornehmen möchten. „Unser Ziel ist es, ein universelles Werkzeug zu sein – unabhängig davon, ob man nach Enzymen für nachhaltige Chemie sucht oder nach Antikörpern für die Krebsforschung“, betont Bepler.

Partnerschaften und zukünftige Perspektiven

Die Bedeutung von OpenProtein.AI zeigt sich in der wachsenden Zahl von Kooperationen mit Industrie und Forschung. So arbeitet das Unternehmen seit 2025 eng mit Boehringer Ingelheim zusammen, um Proteine für die Behandlung von Krebs, Autoimmunerkrankungen und Entzündungen zu entwickeln. Zudem veröffentlichte OpenProtein.AI 2024 eine verbesserte Version seines Sprachmodells, PoET-2, das mit deutlich weniger Rechenleistung auskommt als vergleichbare Modelle – ein entscheidender Vorteil für den Einsatz in kleineren Laboren.

„Die Zukunft der Proteinentwicklung liegt in der Demokratisierung der Technologie“, sagt Bepler. „Indem wir KI-Tools für alle zugänglich machen, beschleunigen wir nicht nur die Forschung, sondern ebnen den Weg für völlig neue Therapieansätze – von maßgeschneiderten Enzymen bis hin zu nachhaltigen Materialien.“

Mit Projekten wie der Integration von PoET-2 in kommerzielle Forschungsumgebungen und der weiteren Optimierung von No-Code-Tools steht OpenProtein.AI an der Spitze einer Bewegung, die die Grenzen zwischen KI und Biologie weiter verwischt. Die kommenden Jahre könnten zeigen, wie weit diese Technologien das Verständnis von Leben selbst verändern werden.