Genschere-Vorläufer TnpB verbessert

An der Universität Zürich ist es Forschern gelungen, den Genschere-Vorläufer TnpB mittels Protein-Engineering und KI-Algorithmen so zu verbessern, dass er DNA effizienter editiert – ein Durchbruch in der künftigen Behandlung von Gendefekten.

CRSIPR-Cas-Systeme, die sogenannten „Genscheren“, haben die Gentechnologie im letzten Jahrzehnt revolutioniert. Und eben diese Cas-Proteine haben sich aus viel kleineren Proteinen entwickelt. Einer dieser Vorläufer ist TnpB. Forscher der Universität Zürich unter Leitung von Gerald Schwank vom Institut für Pharmakologie und Toxikologie haben gemeinsam mit Kollegen der ETH Zürich in Bezug auf diesen Genschere-Vorläufer nun ein grundlegendes Problem gelöst. Denn bisher war es so, dass die Größe der Cas-Proteine für den Transport zu den richtigen Zellen im Körper ein Problem war, die viel kleineren evolutionären Vorläufer als Genom-Editierwerkzeug allerdings wenig effizient arbeiteten.

Der Ansatz der Schweizer: Protein-Engineering mit Hilfe von Künstlicher Intelligenz. „Durch das Engineering des kleinen, aber leistungsfähigen Proteins TnpB konnten wir eine Variante entwickeln, mit der die DNA 4,4-fach effizienter verändert werden kann – und damit als Werkzeug für die Gen-Editierung effektiver ist“, sagt Schwank.

Mikrobe als Quelle

TnpB-Proteine kommen in mehreren Arten von Bakterien und Archaebakterien vor. Das von den Forschenden untersuchte TnpB stammt aus dem Bakterium Deinococcus radiodurans. Diese Mikrobe überlebt Kälte, Austrocknung, Vakuum und Säure und gehört zu den strahlenresistentesten Organismen, die bekannt sind. Das kompakte TnpB-Protein hat sich bereits für die Genom-Editierung in menschlichen Zellen bewährt, allerdings mit geringer Effizienz und begrenzter Zielgenauigkeit, da die Anforderungen für die Erkennung einer Gensequenz und die Bindung an die DNA komplex sind.

Deshalb hat das Team TnpB so optimiert, dass es die DNA von Säugetierzellen effizienter editiert als das ursprüngliche Protein. „Der Trick bestand darin, das Werkzeug in zweierlei Hinsicht zu modifizieren: Erstens, damit es effizienter zum Zellkern gelangt, wo sich die DNA des Genoms befindet. Und zweitens, damit es auch alternative Gensequenzen erkennt“, sagt Kim Marquart, Doktorand im Labor von Gerald Schwank und Erstautor der Studie.

KI als wichtige Unterstützung

Um herauszufinden, welche Merkmale in den DNA-Zielsequenzen die Effizienz der Genom-Editierung bestimmen, testeten die Forschenden das optimierte TnpB-Protein an 10.211 verschiedenen Zielsequenzen. In Zusammenarbeit mit dem Team von Michael Krauthammer, ebenfalls Professor an der UZH, entwickelten sie ein neues KI-Modell, das in der Lage ist, die Effizienz der TnpB-Editierung an jedem beliebigen Zielort vorherzusagen. „Unser Modell kann vorhersagen, wie gut TnpB in verschiedenen Szenarien funktionieren wird, was es einfacher und schneller macht, erfolgreiche Gen-Editierung-Experimente zu planen. Mit diesen Vorhersagen erreichten wir eine Effizienz von bis zu 75,3 Prozent in Mäuselebern und 65,9 Prozent in Mäusegehirnen“, erklärt Marquart weiter.

Hohe Effizienz bei Mäusen

„Für die Tierversuche konnten wir klinisch geprüfte Adeno-assoziierte virale Vektoren verwenden, um die Werkzeuge effizient in Mäusezellen zu transportieren. Aufgrund seiner geringen Größe kann das TnpB-Geneditierungssystem in ein einziges Viruspartikel verpackt werden“, führt Marquart weiter aus. Im Gegensatz dazu brauchen die CRISPR-Cas9-Komponenten mehrere Viruspartikel, was bedeutet, dass den Patienten höhere Vektordosen verabreicht werden müssen.

Im Rahmen des aktuellen Projekts untersuchten die Forscher, ob das TnpB-Tool zur Behandlung von Patienten mit familiärer Hypercholesterinämie eingesetzt werden kann. Diese Erbkrankheit führt zu einem lebenslang stark erhöhten Cholesterinspiegel und betrifft weltweit etwa 31 Millionen Menschen. Die Krankheit erhöht das Risiko für früh einsetzende atherosklerotischen Herz-Kreislauf-Erkrankungen. „Es ist uns gelungen, ein Gen zu verändern, das den Cholesterinspiegel reguliert und ihn bei den behandelten Mäusen um fast 80 Prozent senkt. Ziel ist es, ähnliche Gen-Editierung-Strategien beim Menschen zu entwickeln, um den Cholesterinspiegel bei Patienten mit Hypercholesterinämie zu reduzieren“, sagt Gerald Schwank.