Beide Fassungen sind Block für Block ausgerichtet, in der Reihenfolge des Textes: Titel, das Wesentliche, dann Absatz für Absatz. Wo die Übersetzung einen Absatz zusammengezogen oder geteilt hat, bleibt das entsprechende Feld leer — wir stellen niemals zwei Passagen nach Gefühl nebeneinander.
Proteases are the scissors of biology: enzymes that break proteins into peptides, and even into single amino acids. Doctors and industry already rely on them to clean tissue, digest waste and help make everyday products. Until now, they came from nature. In 2026, a team led by David Baker at the University of Washington showed that artificial intelligence can design them from scratch, and that some of the new enzymes do their job.
Proteasen sind die Scheren der Biologie: Enzyme, die Proteine in Peptide und sogar in einzelne Aminosäuren zerlegen. Ärzte und die Industrie setzen sie bereits ein, um Gewebe zu reinigen, Abfälle zu verdauen und alltägliche Produkte herzustellen. Bisher stammten sie aus der Natur. Im Jahr 2026 zeigte ein Team unter Leitung von David Baker an der University of Washington, dass künstliche Intelligenz sie von Grund auf entwerfen kann und einige der neuen Enzyme ihre Aufgabe tatsächlich erfüllen.
The difficulty lies in the double task. An enzyme has to recognize one chosen protein sequence and cut it efficiently. AI had already produced new protein shapes, but a working cutter was a different challenge. The researchers chained several tools together. RFdiffusion2, in a version called RFD2-MI, designed the three-dimensional shape and core structure of each protein. ProteinMPNN and a related program, EnhancedMPNN, chose the amino acid sequences that let the enzyme and its target fit together. AlphaFold 3 then predicted the final shape of each digital design and checked how closely it matched the plan. The cycle was repeated dozens of times for each family.
Die Schwierigkeit liegt in der doppelten Aufgabe. Ein Enzym muss eine gewählte Proteinsequenz erkennen und effizient zerschneiden. KI hatte zwar bereits neue Proteinformen erzeugt, doch ein funktionierender Proteinschneider war eine andere Herausforderung. Die Forschenden verknüpften mehrere Werkzeuge miteinander. RFdiffusion2, in einer Version namens RFD2-MI, entwarf die dreidimensionale Form und das Kerngerüst jedes Proteins. ProteinMPNN und das verwandte Programm EnhancedMPNN wählten die Aminosäuresequenzen aus, mit denen Enzym und Zielsequenz zueinanderpassen. AlphaFold 3 sagte anschließend die endgültige Form jedes digitalen Entwurfs voraus und prüfte, wie genau sie dem Plan entsprach. Dieser Zyklus wurde für jede Familie dutzendfach wiederholt.
Testing came next. Bacteria produced a single long protein chain that joined the candidate enzyme, its target sequence and a glowing marker protein. If the enzyme cut the target, the marker was set free. Out of 69 cysteine protease candidates, 13 cut their targets. The zinc protease designs did better: 36% of 135 candidates cut their matching peptide. The team then used AI to refine the strongest options. It made the best zinc enzyme 30 times faster at cutting, and it produced a cysteine enzyme that cut at precisely the intended site. “Our results show that de novo enzyme design has advanced well beyond model reactions on activated substrates,” the authors write.
Als Nächstes folgten die Tests. Bakterien produzierten eine einzige lange Proteinkette, die den Kandidaten-Enzym, seine Zielsequenz und ein leuchtendes Markerprotein verband. Zerschnitt das Enzym das Ziel, wurde der Marker freigesetzt. Von 69 Cystein-Protease-Kandidaten zerschnitten 13 ihre Ziele. Die Zink-Protease-Entwürfe schnitten besser ab: 36 % von 135 Kandidaten spalteten das passende Peptid. Das Team setzte danach KI ein, um die aussichtsreichsten Varianten zu verbessern. Es machte das beste Zink-Enzym 30-mal schneller beim Schneiden und erzeugte ein Cystein-Enzym, das genau an der vorgesehenen Stelle spaltete. „Unsere Ergebnisse zeigen, dass das De-novo-Enzymdesign weit über Modellreaktionen mit aktivierten Substraten hinausgekommen ist“, schreiben die Autoren.
Some of the enzymes were also aimed at diseases. One AI-designed protease cut full-length TDP-43, a protein that accumulates abnormally in ALS, the most common motor neuron disease, and in some forms of dementia. Other versions cut fragments of amyloid-beta, linked to Alzheimer’s disease, and of serum amyloid A, associated with severe organ damage in systemic amyloidosis. The enzymes have not yet been tested in human clinical trials, and the authors do not give a timeline for that step.
Einige der Enzyme richteten sich außerdem gegen Krankheiten. Eine von KI entworfene Protease zerschnitt das vollständige TDP-43, ein Protein, das sich bei ALS, der häufigsten Motoneuron-Erkrankung, und bei einigen Demenzformen krankhaft ansammelt. Andere Varianten zerschnitten Fragmente von Amyloid-Beta, das mit der Alzheimer-Krankheit in Verbindung steht, sowie von Serum-Amyloid A, das bei der systemischen Amyloidose mit schweren Organschäden einhergeht. Die Enzyme wurden noch nicht in klinischen Studien am Menschen getestet, und die Autoren nennen für diesen Schritt keinen Zeitplan.
What changes, and for whom? For drug developers and industrial chemists, the study suggests that enzymes could be designed to order, targeting a specific region of a protein rather than whatever nature happened to provide. That would take years of further work: the success rates are still partial, the tests were run in the lab, and the authors do not say when a candidate could reach patients. For now, the change is methodological. The design of a working enzyme, which was out of reach a few years ago, now starts on a computer and ends in a test tube.
Was ändert sich, und für wen? Für Medikamentenentwickler und Industriechemiker deutet die Studie darauf hin, dass Enzyme künftig nach Bedarf entworfen werden könnten, indem sie eine bestimmte Region eines Proteins anvisieren, statt sich mit dem zu begnügen, was die Natur gerade bereitstellt. Dafür wären jahrelange Folgearbeiten nötig: Die Erfolgsquoten sind noch unvollständig, die Tests fanden im Labor statt, und die Autoren sagen nicht, wann ein Kandidat Patienten erreichen könnte. Vorerst ist der Wandel methodischer Natur. Der Entwurf eines funktionierenden Enzyms, der vor wenigen Jahren noch außer Reichweite lag, beginnt heute am Computer und endet im Reagenzglas.