Form follows Function: Machine Learning für Proteine nach Maß

Donnerstag, 31. Oktober 2024, 16.00-16.30 

• Leif Seute,
  HITS Heidelberger Institut für Theoretische Studien

Von der Natur als Bausteine des Lebens verwendet, sind Proteine wahre Alleskönner auf molekularer Ebene. Das Zusammenspiel ihres Bauplans, der sogenannten Sequenz, und ihrer räumlichen Struktur gibt der Wissenschaft auch heute immer noch Rätsel auf.
Mit Hilfe von Machine-Learning-Algorithmen konnten in den letzten Jahren große Fortschritte bei der Lösung dieses Rätsels erzielt werden, was kürzlich mit dem Nobelpreis für Chemie gewürdigt wurde. Damit ist es in greifbare Nähe gerückt, neue Proteine mit gewünschter Funktion am Computer zu designen, um sie zum Beispiel als Medikamente, Impfstoffe oder Sensoren einzusetzen.

Leif Seute ist Doktorand am HITS und Mitglied der Gruppe „Maschinelles Lernen und Künstliche Intelligenz.“ Seinen Master-Abschluss in theoretischer und computergestützter Physik absolvierte er an der Universität Heidelberg. Er hat sich auf geometrisches Deep Learning für Molecular Science spezialisiert und konzentriert sich aktuell auf äquivariante neuronale Netze für maschinell lernende Kraftfelder und äquivariantes generatives maschinelles Lernen für das Proteindesign.