{"id":13660,"date":"2025-07-11T08:52:15","date_gmt":"2025-07-11T08:52:15","guid":{"rendered":"https:\/\/byte-bucket.com\/2025\/07\/11\/forschungsteam-von-fu-berlin-und-microsoft-praesentiert-ki-system-zur-proteinsimulation\/"},"modified":"2025-07-16T18:11:57","modified_gmt":"2025-07-16T18:11:57","slug":"forschungsteam-von-fu-berlin-und-microsoft-praesentiert-ki-system-zur-proteinsimulation","status":"publish","type":"post","link":"https:\/\/byte-bucket.com\/?p=13660","title":{"rendered":"Forschungsteam von FU Berlin und Microsoft pr\u00e4sentiert KI-System zur Proteinsimulation"},"content":{"rendered":"<p>Ein Forschungsteam der Freien Universit\u00e4t Berlin und Microsoft Research AI for Science hat einen Fortschritt in der Modellierung biologischer Proteine erzielt, wie die im Fachmagazin Science ver\u00f6ffentlichte Studie \u201eScalable emulation of protein equilibrium ensembles with generative deep learning\u201c zeigt. Im Mittelpunkt steht dabei das KI-System BioEmu, das die Gleichgewichtsverhaltensweisen von Proteinen mit bisher ungeahnter Pr\u00e4zision und Genauigkeit simuliert. Da die Funktion vieler Proteine direkt vom dynamischen Wechsel ihrer Struktur abh\u00e4ngt, er\u00f6ffnet BioEmu neue Perspektiven im Bereich des Wirkstoffdesigns und k\u00f6nnte mittelfristig dazu beitragen, die Erfolgsquote neuer Medikamente in klinischen Studien zu steigern. <\/p>\n<p>Das System zeichnet sich durch seine enorme Effizienz aus: Es kann Tausende statistisch unabh\u00e4ngiger Proteinstrukturen pro Stunde auf einer einzelnen Grafikkarte (GPU) generieren, was einen signifikanten Fortschritt bei der Untersuchung funktioneller Strukturver\u00e4nderungen darstellt und Zeitaufwand sowie Kosten erheblich reduziert. BioEmu integriert \u00fcber 200 Millisekunden molekulardynamischer Simulationen mit experimentellen Daten, um Struktur-Ensembles und thermodynamische Eigenschaften mit nahezu experimenteller Genauigkeit vorherzusagen. Eine besondere St\u00e4rke liegt in seiner F\u00e4higkeit, komplexe, biologisch relevante Struktur\u00e4nderungen zu erfassen, wie beispielsweise versteckte Bindungstaschen, Bewegungen ganzer Protein-Dom\u00e4nen oder lokale Entfaltungen. Selbst Stabilit\u00e4tsver\u00e4nderungen von Proteinen kann BioEmu mit hoher Pr\u00e4zision vorhersagen. <\/p>\n<p>Diese Leistungsf\u00e4higkeit wird durch die Verf\u00fcgbarkeit eines umfangreichen Datensatzes untermauert, den Microsoft Research zusammen mit dem Quellcode von BioEmu unter der MIT-Lizenz frei zug\u00e4nglich gemacht hat. Dieser Datensatz umfasst \u00fcber 100 Millisekunden Simulationen, die auf tausende verschiedene Proteinsysteme verteilt sind, und stellt damit die gr\u00f6\u00dfte \u00f6ffentlich zug\u00e4ngliche Sammlung sequenzdiverser Proteinsimulationen dar.<\/p>\n<p>Schlagw\u00f6rter: BioEmu + Microsoft + Berlin<br \/>(pz)<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Ein Forschungsteam der Freien Universit\u00e4t Berlin und Microsoft Research AI for Science hat einen Fortschritt in der Modellierung biologischer Proteine erzielt, wie die im Fachmagazin Science ver\u00f6ffentlichte Studie \u201eScalable emulation of protein equilibrium ensembles with generative deep learning\u201c zeigt. Im Mittelpunkt steht dabei das KI-System BioEmu, das die Gleichgewichtsverhaltensweisen von&#46;&#46;&#46;<\/p>\n","protected":false},"author":6,"featured_media":13659,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-13660","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-uncategorized"],"_links":{"self":[{"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/posts\/13660","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/users\/6"}],"replies":[{"embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=13660"}],"version-history":[{"count":2,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/posts\/13660\/revisions"}],"predecessor-version":[{"id":13743,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/posts\/13660\/revisions\/13743"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/media\/13659"}],"wp:attachment":[{"href":"https:\/\/byte-bucket.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=13660"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=13660"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=13660"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}