Offener Atlas markiert 1.108 Oberflächenproteine, die in allen fünf Referenzdatenbanken fehlen

Offener Atlas markiert 1.108 Oberflächenproteine, die in allen fünf Referenzdatenbanken fehlen

Das Deliverome Project um Becca Carlson und Bobby Hollingsworth hat unter surfaceome.deliverome.org einen offenen, interaktiven Atlas des zugänglichen menschlichen Surfaceoms veröffentlicht. Gemeint sind die Proteine auf der Oberfläche menschlicher Zellen. Nach Projektangaben, wiedergegeben von phys.org, enthält die Karte 1.108 Kandidaten, die weder in UniProt noch in GO CC, im Human Protein Atlas, im Cell Surface Protein Atlas oder in SURFY verzeichnet sind. Veröffentlichte Studien sollen sie stützen.

Hintergrund: Laut Beschreibung im Projekt-Repositorium auf Zenodo widersprechen sich die fünf Ressourcen stark. Sie stimmen nur bei 188 Proteinen überein. Genau diese Widersprüche will der Atlas auflösen. Die Pipeline liegt als Code auf Zenodo (Version 1.2.0, 39,9 MB), die zugrunde liegenden Daten sind separat unter CC0 1.0 hinterlegt. Die Zahlen 1.108, 188 und unter 0,4 Prozent sind Projektangaben.

Triage-Agent, Deep-Dive mit Zitaten und die Stufen Canonical und Likely

Das Projekt arbeitet in zwei Schritten. Ein werkzeugfreier Triage-Agent ordnet jedes proteinkodierende menschliche Gen nach seiner Oberflächenzugänglichkeit ein. Für die Kandidaten erzeugt eine literaturverankerte Deep-Dive-Pipeline einen strukturierten Datensatz. Jede Aussage darin trägt ein Zitat. Hinzu kommen deterministisch berechnete Strukturmerkmale: Orthologie, Paraloge, Isoformen, Membrantopologie, AlphaFold-Struktur, Bindestellen und Homo-Oligomerisierung.

Der Atlas teilt Gene in Stufen ein. „Canonical“ ist die strengste. Gemeint sind Gene mit einem konfidenten Gesamtbefund, zugänglicher Lage und dichter Evidenz. „Likely“ ist breiter gefasst. Die Stufe umfasst auch Proteine, die erst bei einem Zustandswechsel an die Oberfläche gelangen, etwa durch Aktivierung, Stress oder onkogene Transformation, sowie zelltypbeschränkte Untergruppen. Die Filter greifen nur bei Genen mit Deep-Dive-Datensatz.

Der Ansatz unterscheidet sich von SURFY (2018) und dem Preprint SURFY2. Diese Vorhersager arbeiten merkmalsbasiert mit maschinellem Lernen. Der Atlas stützt sich dagegen auf Literatur.

Ohne unabhängige Prüfung bleiben die Kandidaten Hypothesen

Eine unabhängige Validierung der 1.108 Kandidaten ist im vorliegenden Material nicht belegt. Ein direkter Vergleich mit SURFY ist ebenfalls nicht möglich. Die SURFY-Studie der ETH Zürich (PNAS, 2018) definierte ein In-silico-Surfaceom von 2.886 Proteinen. Diese Zahl stammt nicht vom Deliverome Project. Beide Projekte legen unterschiedliche Begriffe zugrunde: ein vorhergesagtes Plasmamembran-Surfaceom auf der einen Seite, extrazellulär zugängliche und teils zustandsinduzierte Proteine auf der anderen. Auch die Methodik weicht ab.

Zwei Aussagen stammen aus Projektsicht. Carlson hofft laut phys.org auf diversere Wirkstoffe für mehr Patienten und Indikationen. Das Projekt behauptet außerdem, bisher seien unter 0,4 Prozent des verfügbaren Surfaceoms erforscht. Wie es diesen Wert berechnet, legt das Material nicht offen.

Zu beachten ist die Förderung durch das Astera Institute und Anthropic. Deliverome Bio erhielt API-Credits über das Programm Claude AI for Science.

Relevant ist die Frage vor allem für Immuntherapien mit Antikörpern oder CAR-T-Zellen. Der Fachliteratur zufolge fehlen dort häufig geeignete Zielantigene. Wer die Kandidaten nutzen will, muss sie experimentell prüfen.