Stell dir vor, du möchtest in einem riesigen Manuskript nur einen einzigen Buchstaben korrigieren – und das in einer Bibliothek mit Milliarden von Seiten. Ein winziger Fehler, und plötzlich änderst du den falschen Satz. Genau vor dieser Herausforderung stehen Wissenschaftler, die mit Gen-Editing-Werkzeugen wie CRISPR arbeiten. Die DNA des Menschen ist ungefähr drei Milliarden Basenpaare lang, und selbst hochspezifische Genscheren können danebengreifen. Diese sogenannten Off-Target-Effekte sind eines der größten Hindernisse auf dem Weg zu sicheren Gentherapien.
Das Problem ist altbekannt. Seit der Entdeckung der CRISPR-Cas9-Systeme vor gut zwei Jahrzehnten träumen Forscher von präzisen Eingriffen ins Erbgut. Erste Therapien sind inzwischen zugelassen, doch die Sicherheit bleibt eine zentrale Hürde. Die Guide-RNA, die das Cas9-Protein zur Zielsequenz lotst, ist etwa 18 Basen lang. Rein statistisch sollte eine solche Sequenz nur einmal in 70 Milliarden Basen vorkommen – weit seltener als unser Genom groß ist. In der Praxis toleriert Cas9 jedoch einige Fehlpaarungen, sodass es auch an ähnlichen, aber nicht identischen Stellen binden und schneiden kann. Je mehr Zellen behandelt werden, desto wahrscheinlicher werden solche Fehler. Die Folge: unerwünschte Mutationen, die im schlimmsten Fall Krebs auslösen könnten.
Bisherige Ansätze zur Verbesserung der Sicherheit setzen an den drei Komponenten des Systems an. Erstens kann man die Guide-RNA so wählen, dass sie möglichst einzigartig im Genom ist. Zweitens wurden Varianten des Cas9-Proteins entwickelt, die strenger auf perfekte Basenpaarung achten. Drittens arbeitet man an den Effektorproteinen, die nach der Bindung die DNA verändern – etwa um nur einzelne Basen umzubauen statt Doppelstrangbrüche zu erzeugen. All diese Methoden haben Fortschritte gebracht, aber sie eliminieren Off-Target-Effekte nicht vollständig. Der Grund: Cas9 kann unterschiedliche Konformationen annehmen, je nachdem ob die RNA perfekt bindet oder nicht. Einige dieser alternativen Formen erlauben es dem Protein, auch an fehlgepaarten Stellen zu haften.
Hier setzt eine neue Arbeit an, die kürzlich in Nature erschienen ist. Ein chinesisches Forscherteam hat die KI-Software AlphaFold – bekannt für Proteinstrukturvorhersagen – auf ein Gene-Editing-Problem angesetzt. Die Idee: Wenn Cas9 bei einer Fehlpaarung eine andere Struktur annimmt, dann müssen sich bestimmte Bereiche des Proteins verändern. Findet man diese Bereiche, kann man sie gezielt modifizieren, um die unerwünschten Wechselwirkungen zu unterbinden. Das ist Detektivarbeit: die heißen Zonen identifizieren, in denen das Protein flexibel wird.
Doch zuerst mussten die Forscher überhaupt wissen, welche Off-Target-Sequenzen Cas9 tatsächlich akzeptiert. Dazu erstellten sie eine umfangreiche Bibliothek: Sie nutzten ein modifiziertes CRISPR-System, das die Base Adenin in Inosin umwandelt, und isolierten anschließend alle DNA-Fragmente, die diese Veränderung trugen. Mit zehn verschiedenen Guide-RNAs wiederholten sie den Vorgang und analysierten Tausende modifizierter Fragmente. So bekamen sie ein breites Bild der möglichen Fehlziele. Als Nächstes fütterten sie AlphaFold mit den Sequenzen von Ziel-DNA, Guide-RNA, Cas9 und einem Enzym, das die chemische Modifikation durchführt. Zunächst spuckte die KI ein unrealistisches Modell aus – eines der Proteine landete an der falschen Stelle. Also vereinfachten die Forscher das Szenario und gaben AlphaFold nur DNA, RNA und Cas9 mit. Das klappte deutlich besser. Die vorhergesagte Struktur stimmte mit experimentell bestimmten Daten überein.
Jetzt konnten sie die Strukturen von korrekten und fehlerhaften Bindungssituationen vergleichen. Das Muster war klar: Bei etwa zwei Dritteln der Off-Target-Stellen nahm Cas9 eine leicht andere Gestalt an. Noch wichtiger: In über 95 Prozent der Fälle änderten sich die Aminosäuren, die Kontakt zur RNA hatten. Das bedeutet, dass Cas9 in einigen Fällen seine Grundstruktur bewahrt, aber einzelne Aminosäuren beweglich bleiben und sich an die Fehlpaarungen anpassen. Genau diese flexiblen Stellen sind der Schlüssel. AlphaFold liefert standardmäßig eine sogenannte Kontakt-Wahrscheinlichkeit – die Chance, dass zwei Atome (z. B. einer Aminosäure und eines Nukleotids) weniger als acht Ångström voneinander entfernt sind. Durch den Vergleich dieser Wahrscheinlichkeiten bei korrekten und fehlerhaften Zielen identifizierten die Forscher diejenigen Aminosäuren in Cas9, deren Kontaktmuster sich bei Fehlpaarung ändern. Dieses Analyseverfahren tauften sie ContactSeek.
ContactSeek lieferte zunächst eine lange Liste veränderlicher Aminosäuren. Um die relevanten Stellen zu finden, suchten die Forscher nach Regionen, in denen diese Aminosäuren gehäuft auftraten – quasi Hotspots der Flexibilität. An diesen Positionen tauschten sie dann systematisch einzelne Aminosäuren aus: Insgesamt 23 verschiedene Mutationen an zehn Schlüsselpositionen. Das Ergebnis: Eine Variante von Cas9 behielt ihre normale Aktivität an den korrekten Zielsequenzen, aber die Off-Target-Aktivität sank von 28 Prozent auf nur noch 5 Prozent. Ähnliche Verbesserungen zeigten sich mit anderen Guide-RNAs. Und das Prinzip funktionierte auch bei einem verwandten System mit dem Cas12-Protein.
Andere Teams haben bereits durch gerichtete Evolution oder rationales Design verbesserte Cas9-Varianten entwickelt. Im direkten Vergleich schnitten die neuen, mit ContactSeek entworfenen Versionen ähnlich gut oder etwas besser ab, was Aktivität und Spezifität angeht. Ein Unterschied: Die hier identifizierten Mutationen wirken möglicherweise spezifischer für bestimmte Guide-RNA/Fehlpaarungs-Kombinationen – also nicht universell, aber dafür gezielt anpassbar. Zudem könnten die neuen Mutationen mit bereits bekannten Verbesserungen kombiniert werden. Das wurde in dieser Studie nicht getestet, ist aber ein naheliegender nächster Schritt.
Die Arbeit beschreibt eine allgemein anwendbare Methode, um Gen-Editing-Systeme maßzuschneidern und vorhersehbare Off-Target-Ereignisse zu vermeiden. Wenn die Vorhersagbarkeit von Fehlern zum Flaschenhals für die Entwicklung einer Therapie wird, könnte dieser KI-Ansatz ein echter Durchbruch sein. Die Forscher weisen zudem darauf hin, dass sich die Methode auf viele andere Protein-DNA-Wechselwirkungen übertragen lässt – mit Anwendungen weit über die Gentechnik hinaus. AlphaFold verbessert so konkret die Sicherheit von Medikamenten. Es zeigt, wie Kl und menschliche Kreativität zusammenwirken können – vorausgesetzt, man stellt die richtigen Fragen und interpretiert die Ergebnisse kritisch.
Ob sich die verbesserten Cas9-Varianten in klinischen Studien bewähren, bleibt offen. Die Methode ist neu, aber vielversprechend. Sie erinnert daran, dass Sicherheit in der Biotechnologie kein statischer Zustand ist, sondern ein Prozess des ständigen Verstehens und Verbesserns. Und dass Kl dabei helfen kann, die winzigen Fehler im großen Buch des Lebens zu vermeiden.
Quelle: arstechnica.com
