KI entwickelt Gen-Editor-Proteine neu und steigert die Effizienz des Prime Editing um fast das Dreifache
Forscher nutzten KI-gestütztes Proteindesign, um Prime-Editor-Enzyme neu zu konstruieren, und erzielten dabei eine bis zu 2,9-fach verbesserte Genombearbeitung in Mäusen.
Zusammenfassung
Prime Editing ist eine präzise Genbearbeitungstechnologie, die krankheitsverursachende DNA-Mutationen korrigieren kann, ohne beide DNA-Stränge zu durchtrennen. Wissenschaftler am Broad Institute nutzten ein KI-Tool namens ProteinMPNN, um die Reverse-Transkriptase-Komponente von Prime Editoren neu zu gestalten – die molekulare Maschinerie, die neue genetische Sequenzen schreibt. Zuvor im Labor entwickelte Versionen dieses Enzyms waren zwar aktiver, aber instabil und wurden in Zellen nur schlecht exprimiert. Die KI-neu-gestalteten Versionen führten Dutzende bis über 150 Aminosäureveränderungen ein, während der katalytische Kern erhalten blieb, was zu stabileren und reichlicher vorhandenen Proteinen führte. Bei Tests in menschlichen Primärzellen und nach Verabreichung in lebende Mäuse erzielten diese neu gestalteten PE8-Editoren eine bis zu 2,9-fach höhere Bearbeitungseffizienz als die derzeit besten Prime Editoren ihrer Klasse. Dieser Fortschritt bietet eine breit anwendbare Strategie zur Verbesserung von Gentherapiewerkzeugen.
Detaillierte Zusammenfassung
Prime Editing birgt ein enormes Potenzial zur Korrektur genetischer Erkrankungen, indem DNA-Sequenzen präzise umgeschrieben werden, ohne Doppelstrangbrüche zu erzeugen. Die Optimierung von Prime Editoren durch traditionelle Laborevolution hat jedoch ihre Grenzen erreicht: Mutationen, die die Enzymaktivität verbessern, destabilisieren oft das Protein und reduzieren die Menge an funktionsfähigem Enzym, die in Zellen produziert wird – was die Leistung unter realen Bedingungen beeinträchtigt.
Forscher aus David Lius Labor am Broad Institute gingen dieses Problem an, indem sie KI-gestütztes Proteindesign einsetzten. Mithilfe von ProteinMPNN, einem strukturinformierten neuronalen Netzwerk für inverses Falten, haben sie die Reverse-Transkriptase-(RT-)Domänen bereits evolvierter Prime Editoren systematisch neu gestaltet. Das Ziel war es, Aminosäuresequenzen zu finden, die sich stabil in die korrekte dreidimensionale Struktur falten, während die für die Funktion wesentlichen katalytischen Bereiche erhalten bleiben. Die neu gestalteten Enzyme wiesen zwischen 30 und 163 Aminosäuresubstitutionen im Vergleich zu ihren evolvierten Vorgängern auf.
Die Ergebnisse waren beeindruckend. Neu gestaltete RT-Varianten zeigten verbesserte Faltungsstabilität und lösliche Expression und ermöglichten bis zu zweifach höhere intrazelluläre Prime-Editor-Proteinspiegel bei der Einbringung über mRNA-Lieferung. In mehreren primären menschlichen Zelltypen und über verschiedene Liefermodalitäten hinweg übertrafen die neuen PE8-Editoren durchgehend frühere Versionen.
In Mausstudien erzielten die neu gestalteten PE8-Editoren Editiereffizienzen, die bis zu 2,9-fach höher waren als die der hochmodernen PE6-, PE7- und PEmax-Editoren – den aktuellen Maßstäben auf diesem Gebiet. Dies stellt einen bedeutenden Fortschritt für Anwendungen der In-vivo-Gentherapie dar.
Die weiterreichende Bedeutung liegt darin, dass KI-gestütztes Protein-Redesign als verallgemeinerbare zweite Schicht auf der Laborevolution dienen kann, indem es Stabilitäts- und Expressionsverluste ausgleicht, die die Leistung andernfalls einschränken. Diese Pipeline könnte die Entwicklung von Gen-Editoren der nächsten Generation zur Behandlung erblicher Erkrankungen beschleunigen. Einschränkungen umfassen begrenzte öffentlich verfügbare Daten über das Abstract hinaus sowie ungeklärte Fragen zur Langzeitsicherheit und zu Off-Target-Editierprofilen.
Wichtigste Erkenntnisse
- AI-redesigned reverse transcriptases carried 30–163 amino acid substitutions with improved folding stability and soluble expression.
- Intracellular prime editor protein levels increased up to twofold after mRNA delivery with redesigned enzymes.
- PE8 editors achieved up to 2.9-fold higher editing efficiency in mice versus leading PE6, PE7, and PEmax editors.
- Enhanced performance was demonstrated across multiple human primary cell types and delivery methods.
- AI-guided redesign offers a generalizable strategy to rescue stability losses caused by laboratory evolution.
Methodik
Die Studie verwendete ProteinMPNN, ein strukturbasiertes Inverse-Folding-KI-Netzwerk, um RT-Domänen weiterentwickelter Prime-Editoren neu zu gestalten und dabei katalytische Reste zu erhalten. Die Leistung wurde in menschlichen primären Zellen ex vivo über mehrere Applikationsmodalitäten sowie in Mausmodellen in vivo bewertet. Vergleiche wurden mit den aktuellen Referenz-Prime-Editoren PE6, PE7 und PEmax angestellt.
Studienlimitierungen
Diese Zusammenfassung basiert ausschließlich auf dem Abstract, da das vollständige Paper nicht im Open Access verfügbar ist. Langzeitsicherheit, Off-Target-Editierungsprofile und Immunreaktionen auf die neu gestalteten Proteine wurden bislang nicht öffentlich detailliert beschrieben. Es bestehen kommerzielle Interessenkonflikte, da mehrere Autoren mit Genom-Editing-Unternehmen verbunden sind.
Hat dir diese Zusammenfassung gefallen?
Erhalte die neueste Longevity-Forschung jede Woche in deinen Posteingang.
E-Mail-Adresse zum Abonnieren eingeben: