Forschende haben synthetische Polymere entwickelt, die die Funktion von Enzymen nachahmen und potenziell die industrielle Katalyse und Arzneimittelentwicklung revolutionieren könnten. Die in Nature veröffentlichte Studie beschreibt detailliert, wie Random Heteropolymers (RHPs) entwickelt wurden, um die aktiven Zentren von Metalloproteinen nachzubilden und eine enzymähnliche Aktivität zu erreichen, ohne auf die komplexe Struktur natürlicher Proteine angewiesen zu sein.

Das Team, das sich bei seiner Analyse von etwa 1.300 aktiven Zentren von Metalloproteinen leiten ließ, erzeugte RHPs durch eine Eintopf-Synthese, eine Methode, die den Herstellungsprozess vereinfacht. Schlüsselmonomere, die als Äquivalente zu funktionellen Resten in Proteinen fungieren, wurden statistisch moduliert, um chemische Eigenschaften wie die segmentale Hydrophobizität zu steuern. Diese Modulation ermöglichte es den RHPs, pseudoaktive Zentren zu bilden, die Schlüsselmonomere mit proteinähnlichen Mikroumgebungen versorgen.

"Wir gehen davon aus, dass bei Polymeren mit einer von Proteinen abweichenden Grundgerüstchemie die Programmierung räumlicher und zeitlicher Projektionen von Seitenketten auf segmentaler Ebene wirksam sein kann, um Proteinverhalten zu replizieren", so die Forschenden in ihrer Veröffentlichung. Sie erklärten weiter, dass die Rotationsfreiheit der Polymerketten dazu beiträgt, Einschränkungen in der Monomersequenzspezifität zu überwinden, was zu einem konsistenten Verhalten über das gesamte Polymerensemble führt.

Die Entwicklung dieser Enzymmimetika hat erhebliche Auswirkungen auf verschiedene Bereiche. Die traditionelle Enzymtechnik ist oft durch die Komplexität der Proteinstruktur und die Schwierigkeit der Modifizierung aktiver Zentren begrenzt. RHPs bieten einen flexibleren und potenziell besser skalierbaren Ansatz. Dies könnte zur Entwicklung von Katalysatoren führen, die auf spezifische industrielle Prozesse zugeschnitten sind und Abfall und Energieverbrauch reduzieren. In der Arzneimittelentwicklung könnten Enzymmimetika eingesetzt werden, um krankheitsbezogene Proteine gezielt zu beeinflussen oder komplexe Arzneimittelmoleküle effizienter zu synthetisieren.

Das Design dieser RHPs nutzt Prinzipien der KI und des maschinellen Lernens. Durch die Analyse eines großen Datensatzes von aktiven Zentren von Metalloproteinen identifizierten die Forschenden wichtige Merkmale und Beziehungen, die dann in das Design der synthetischen Polymere einflossen. Dieser datengesteuerte Ansatz unterstreicht die wachsende Rolle der KI in der Materialwissenschaft und Biotechnologie. "Die Nutzung der Rotationsfreiheit von Polymeren kann Defizite in der monomeren Sequenzspezifität ausgleichen und eine Verhaltensuniformität auf Ensemble-Ebene erreichen", so die Studie, die die Bedeutung des Verständnisses der Polymerdynamik durch computergestützte Modellierung hervorhebt.

Es bleiben jedoch Herausforderungen bestehen. Obwohl die RHPs eine enzymähnliche Aktivität aufweisen, erreichen ihre Effizienz und Spezifität möglicherweise noch nicht die von natürlichen Enzymen. Weitere Forschung ist erforderlich, um das Design dieser Polymere zu optimieren und ihre potenziellen Anwendungen in verschiedenen Kontexten zu untersuchen. Das Team plant, Methoden zur Verbesserung der katalytischen Aktivität von RHPs zu untersuchen und den Bereich der Reaktionen, die sie katalysieren können, zu erweitern. Sie untersuchen auch den Einsatz von KI zur Vorhersage der Eigenschaften verschiedener RHP-Designs, um den Entwicklungsprozess zu beschleunigen.

Die Entwicklung von Random Heteropolymers als Enzymmimetika stellt einen bedeutenden Fortschritt in der bioinspirierten Materialwissenschaft dar. Durch die Kombination von Erkenntnissen aus der Proteintechnik, der Polymerchemie und der künstlichen Intelligenz ebnen die Forschenden den Weg für eine neue Generation synthetischer Katalysatoren, die das Potenzial haben, Industrien zu verändern und die menschliche Gesundheit zu verbessern.