Patrick Kibies (Arbeitsgruppe Stefan Kast) gewann den Preis für die beste Masterarbeit im Bereich „Computational Chemistry“ mit dem Titel „Effiziente integralgleichungsbasierte Konformationsanalyse in Lösung“. In Zusammenarbeit mit der Arbeitsgruppe von Prof. Daniel Rauh wurde eine Methodik erarbeitet, um das Problem der konformationellen „Präorganisation“ von Wirkstoffmolekülen unter realistischen Umgebungsbedingungen theoretisch zu behandeln. Präorganisierte, d.h. ähnlich der Bindungsform vorliegende Liganden können besser an Zielproteine binden, weil geringerer Aufwand zu erbringen ist, um die „richtige“ Konformation aus dem Ensemble in freier Lösung zu selektieren bzw. um das Molekül in die Bindungsgeometrie zu bringen. Das Verfahren wurde erfolgreich auf verschiedene Liganden der EGFR-Kinase angewendet und führte bereits zu einer Pub­li­ka­tion.

 Aus der Arbeitsgruppe Dr. Oliver Koch waren Christiane Ehrt („Trypanothione synthetase and ATP-binding proteins: an application of the ligand-sensing cores concept“) und, in gemeinsamer Betreuung mit Prof. Petra Mutzel, Fakultät für Informatik, Tobias Brinkjost („On our way to the automated search for ligand-sensing cores“) jeweils mit ihren vorgestellten Postern erfolgreich. Die grundlegende Thematik beider Arbeiten beinhaltet die Ähnlichkeit von Proteinbindetaschen basierend auf ähnlichen Anordnungen von Sekundärstrukturelementen (Ligand-sensing cores) unabhängig vom gesamten Faltungsmuster. Erste Beispiele zeigen, dass ähnliche Ligand-sensing cores ähnliche Molekülgrundgerüste (Scaffolds) binden können. Die Identifizierung dieser Ähnlichkeiten kann also einen erheblichen Einfluss auf das rationale Design neuer Wirk­stof­fe haben, indem das Wissen über mögliche bindende Scaffolds auf ein neues Zielprotein übertragen werden kann. Herr Brinkjost kümmert sich um die Ent­wick­lung und Programmierung einer Methode, um Proteine in Hinblick auf ähnliche Ligand-sensing cores miteinander vergleichen zu können. Frau Ehrt wendet diese Methode an und evaluiert die gewonnen Ergebnisse, um für interessante Wirkstoffziele neue Inhibitoren zu identifizieren.