AlphaProtein Novo von Google DeepMind entwirft neue Enzyme, statt lediglich die Faltung vorhandener Proteine vorherzusagen. Die Pipeline erzeugt Proteinstrukturen und Aminosäuresequenzen gemeinsam, ausgehend von einem vorgegebenen katalytischen Motiv. Der Preprint auf bioRxiv wurde am 5. Oktober 2026 veröffentlicht; das Datum im DOI ist nicht das Veröffentlichungsdatum. Der Quellcode ist öffentlich, für Modellgewichte und erzeugte Ergebnisse gelten jedoch gesonderte Nutzungsbedingungen.
Was AlphaProtein Novo anders macht als eine Faltungsvorhersage
Eine plausible Proteinstruktur beantwortet noch nicht die Frage, ob ein Enzym die gewünschte Reaktion katalysiert. AlphaProtein Novo setzt deshalb beim aktiven Zentrum an: Die Eingabe beschreibt die räumliche Anordnung katalytischer Gruppen und beteiligter kleiner Moleküle. Das generative Diffusionsmodell soll darum eine passende Proteinstruktur samt Sequenz aufbauen.
Im offiziellen Repository wird diese Aufgabe als strukturelles Motif-Scaffolding beschrieben. Anders als bei einer reinen Strukturvorhersage ist die Sequenz hier ein Entwurfsresultat. AlphaFold 3 übernimmt anschließend eine andere Rolle: Es liefert Vorhersagen, anhand derer die Pipeline die entworfenen Kandidaten bewertet.
Der dokumentierte Ablauf umfasst vier Schritte:
- Gemeinsame Erzeugung von Struktur und Sequenz aus Motiv und Liganden-Kontext.
- Optionales Überarbeiten der Sequenz mit LigandMPNN.
- Strukturvorhersage mit AlphaFold 3.
- Bewertung struktureller und geometrischer Eigenschaften der Entwürfe.
Diese Reihenfolge trennt Generieren und Prüfen. Ein guter Struktur-Score ist dabei keine automatische Bestätigung der katalytischen Aktivität.
Welche Ergebnisse die Forschenden berichten
Der Abstract, abrufbar über die bioRxiv-Schnittstelle, nennt zwei konkrete Anwendungen. Das Team entwarf Nitren-Transferasen zur Synthese von Piperidin und berichtet dafür eine besonders hohe Produktselektivität. Außerdem beschreibt es Enzyme, die DEHP unter Bedingungen abbauen, unter denen natürliche Enzyme denaturieren.
Die Autoren berichten darüber hinaus hohe katalytische Effizienzen bei zwei etablierten Modellreaktionen. Als wichtige Faktoren nennen sie mechanistisch motivierte Bewertungsgrößen auf Basis von AlphaFold-3-Vorhersagen und eine Bewertung entworfener Proteingerüste anhand mehrerer Sequenzen.
Die Aussage betrifft damit mehr als ansprechend aussehende Proteinmodelle: Der Preprint berichtet katalytische Ergebnisse für konkrete Aufgaben. Daraus folgt allerdings kein universelles Enzym für beliebige Reaktionen. Auch die im Abstract formulierte Überlegenheit gegenüber der Suche in natürlichen Sequenzen bezieht sich auf die untersuchten chemischen Herausforderungen. Die Arbeit ist ein Preprint; die genannten Ergebnisse sollten als Bericht der Forschenden gelesen werden, nicht als unabhängiger KTU-Praxistest.
Öffentlich zugänglich heißt nicht kommerziell frei nutzbar
Beim Zugang müssen drei Ebenen getrennt werden. Die Software steht unter Apache 2.0. Die trainierten Generatorgewichte werden separat bereitgestellt und unterliegen den Model Parameters Terms of Use. Diese beschränken die Nutzung auf bestimmte nichtkommerzielle Tätigkeiten nichtkommerzieller Organisationen; Forschung im Auftrag kommerzieller Organisationen ist ausgeschlossen.
Auch für Ergebnisse gibt es eigene Output Terms of Use. Die Apache-Lizenz des Codes lässt sich deshalb nicht auf Gewichte oder entworfene Strukturen und Sequenzen übertragen. Für AlphaFold 3 und LigandMPNN gelten zusätzlich deren jeweilige Bedingungen.
Was der veröffentlichte Workflow tatsächlich liefert
Die öffentliche Implementierung ist laut Repository eine Übertragung der ursprünglichen Google-internen Pipeline. Einige Beispielkonfigurationen wurden gegenüber der Studie verkleinert, damit Durchläufe praktikabler bleiben. Ein Beispieldurchlauf reproduziert daher nicht automatisch sämtliche Einstellungen oder Ergebnisse des Papers.
Für Forschende liegt der Nutzen im nachvollziehbaren Zusammenspiel von Motivvorgabe, generativem Entwurf und struktureller Vorauswahl. Ob ein neuer Kandidat tatsächlich wirksam, selektiv und stabil ist, bleibt eine experimentelle Frage. AlphaProtein Novo liefert dafür Entwürfe und Bewertungsdaten, nicht bereits einsatzfertige oder klinisch zugelassene Enzyme.
