Super HGF in VR: Warum räumliches Denken die Drug-Discovery-Pipeline verändert (Blog Deep-Dive)

Es ist Donnerstagabend, 23:40 Uhr. Ich sitze im Halbdunkel meines Arbeitszimmers, zwei leere Kaffeetassen stehen neben der Tastatur, und auf meinem Kopf sitzt eine VR-Brille, die mich 780 Euro gekostet hat und die ich mir vor drei Monaten gekauft habe, um „mal Spiele auszuprobieren“. Stattdessen starre ich seit zwei Stunden auf ein Protein, das aussieht wie ein verheddertes Wollknäuel. Es heißt HGF – Hepatocyte Growth Factor – und es ist einer dieser Namen, die in der Krebsforschung immer wieder auftauchen, meistens in Sätzen, die mit „leider“ anfangen.

Ich bin kein Molekularbiologe. Ich bin Softwareentwickler, genauer gesagt Backend-Entwickler mit einer Schwäche für Visualisierung. Aber mein Bruder ist Onkologe, und vor ein paar Wochen hat er mir am Küchentisch erklärt, warum die Suche nach Wirkstoffen gegen MET, den Rezeptor, an den HGF andockt, so verdammt zäh ist. „Stell dir vor“, sagte er, „du hast einen Schlüsselbund mit zehntausend Schlüsseln. Einer passt. Aber du kannst das Schloss nur als zweidimensionales Foto sehen.“ Ich habe damals genickt und innerlich gedacht: Das klingt wie ein Problem, das ich mit einer besseren Datenbank lösen würde.

Ich lag falsch. Es ist ein Problem der Räumlichkeit.

Warum 2D hier an eine Wand stößt

Drug Discovery gegen HGF/MET ist kein Anfängerprojekt. HGF bindet an MET, dimerisiert den Rezeptor, löst eine Signalkaskade aus – und wenn diese Kaskade außer Kontrolle gerät, redet man über Tumorwachstum und Metastasierung. Wer hier eingreifen will, muss verstehen, wie HGF räumlich mit MET interagiert. Nicht „welche Aminosäuren sind beteiligt“, sondern „wie liegen sie zueinander, wenn sich die Domänen bewegen“.

In der Praxis sieht das so aus: Man öffnet eine Datenbank, filtert nach Bindungsaffinität, nach Molekulargewicht, nach Substituenten. Zweidimensional. Listen. Tabellen. Und dann passiert das, was mein Bruder beschrieben hat: Man verliert die Form. Man sieht Zahlen, aber nicht das Schloss.

Ich habe an dem Abend in der VR-Brille zum ersten Mal verstanden, was ihm fehlte. Nicht mehr Daten. Sondern ein anderes Verhältnis zu den Daten, die schon da sind.

Was Super HGF eigentlich ist

Ich muss hier ehrlich sein: Super HGF ist kein Tool, das ich selbst gebaut habe, und ich kann nicht behaupten, dass ich seine Interna kenne. Was ich aus der Produktbeschreibung weiß – und nur das gebe ich hier weiter –, ist Folgendes: Super HGF ist eine VR-Umgebung für die Arbeit mit HGF- und MET-Strukturdaten. Sie ist für räumliches Denken gebaut. Sie richtet sich an Forschende, die nicht länger auf flachen Bildschirmen nach Wirkstoffkandidaten suchen wollen, sondern die Moleküle buchstäblich um sich herum aufbauen.

Mehr steht da nicht. Keine API-Liste, keine Benchmark-Tabelle, keine Architekturbeschreibung. Und genau das ist der Punkt, an dem ich als Entwickler stutzig werde – und dann neugierig.

Der Engineering-Blick: Warum VR hier kein Gimmick ist

Ich will kurz technisch werden, weil ich glaube, dass die meisten „VR im Labor“-Schlagzeilen an der eigentlichen Frage vorbeigehen. Die Frage ist nicht, ob VR cool aussieht. Die Frage ist, ob räumliche Interaktion einen Informationsvorteil liefert, den 2D nicht liefert.

Bei Proteinstrukturen ist die relevante Information zu einem großen Teil geometrisch. Bindungstaschen sind Hohlräume. Docking ist ein Fit-Problem in drei Dimensionen plus Konformationsfreiheitsgraden. Wenn ich das auf einem flachen Bildschirm betrachte, muss ich ständig rotieren, zoomen, Perspektivwechsel anfordern – jeder dieser Schritte ist ein Kontextwechsel, und jeder Kontextwechsel kostet Arbeitsgedächtnis. In VR fällt diese Übersetzung weg. Ich bewege meinen Kopf, und die Struktur bleibt räumlich stabil. Das klingt banal. Es ist der Unterschied zwischen „ich schaue auf ein Modell“ und „ich stehe in einem Modell“.

Das ist keine Magie, und ich will hier nichts versprechen, was ich nicht belegen kann. Aber es ist ein plausibler Grund, warum räumliches Denken in der Strukturbiologie einen echten Unterschied machen könnte – und warum ein Werkzeug, das konsequent dafür gebaut ist, mehr ist als ein aufgebohrter 3D-Viewer.

Was ich aus meiner Nacht gelernt habe

Ich habe an dem Abend nichts entdeckt. Kein Molekül, keinen Kandidaten, nichts, was man in ein Paper schreiben könnte. Was ich gelernt habe, war kleiner und ehrlicher: Ich habe verstanden, warum mein Bruder so frustriert war. Nicht weil ihm die Daten fehlten, sondern weil ihm der Raum fehlte, in dem die Daten Sinn ergeben.

Vielleicht ist das die eigentliche Veränderung, über die gerade alle reden, wenn sie von räumlichem Denken in der Drug Discovery sprechen. Nicht ein neuer Algorithmus. Sondern eine andere Art, sich vor ein Problem zu stellen.

Der ehrliche Brückenschlag

Ich schreibe das hier nicht, weil ich Super HGF verkaufen will. Ich schreibe es, weil ich als Entwickler neugierig geworden bin auf eine Kategorie von Werkzeugen, die ich vorher für Spielzeug gehalten habe. Wenn du in der Strukturbiologie, im Computational Drug Design oder einfach an der Schnittstelle von VR und wissenschaftlicher Visualisierung arbeitest, lohnt sich ein Blick – nicht als Versprechen, sondern als Frage: Was würdest du sehen, wenn du dich mitten in die Struktur stellen könntest?

Mehr dazu findest du unter https://pysoftgames.com/super-hgf/