Mehrdimensionaler Entwurf von Antikrebspeptiden

Wir stellen hier den rechnergestützten Entwurf und die Optimierung von Peptiden vor, die selektiv Krebszellen zerstören können. Der Designprozess ermöglichte die Verschmelzung von Eigenschaften bekannter Antikrebs‐, zellpenetrierender und Tumor‐adressierender Peptide. Dabei identifizierten maschinelle Lernverfahren vollautomatisch neue Peptide mit den vorhergesagten Eigenschaften. Ausgehend von einer als Vorlage fungierenden Aminosäuresequenz haben wir systematisch die Toxizität der Peptide gegen eine Reihe von Krebszelllinien optimiert, während gleichzeitig die Aktivität gegen primäre humane Endothelzellen reduziert wurde. Die vom Computer generierten Peptide zeigten verbesserte Krebszellpenetration, lösten Apoptose aus und waren in der Lage, die zytotoxisch wirksame Konzentration von gleichzeitig verabreichten Chemotherapeutika in vitro zu reduzieren. Diese Studie demonstriert das Potenzial mehrdimensionaler maschineller Lernverfahren, innerhalb kurzer Zeit neue Peptide mit den gewünschten Eigenschaften zu erhalten.