scrollTop top

Een probleem waar biologen al 50 jaar mee worstelen is eindelijk opgelost. En de implicaties zijn enorm

DeepMind, een Artificial Intelligence-onderzoekslaboratorium dat is gekocht door Google en nu een onafhankelijk onderdeel is van Google’s moederbedrijf Alphabet, kondigde deze week een enorme doorbraak aan. Eén van DeepMinds AI-systemen, AlphaFold, heeft het eiwitvouwprobleem opgelost – een probleem dat biologen al 50 jaar lang grijze haren bezorgde. Een doorbraak in het eiwitvouwprobleem kan ons helpen ziekten te begrijpen en nieuwe medicijnen te ontdekken.

Onderschat het belang van eiwitten of proteïnes niet. Eiwitten hebben een grote diversiteit aan functies, met name op cellulair niveau. Bepaalde eiwitten, die we enzymen noemen, zijn verantwoordelijk voor de stofwisseling, waarbij voedingsstoffen worden omgezet in bouwstoffen en energie. Eiwitten zorgen ook voor het in stand houden van het cytoskelet, dat cellen structuur en vorm geeft. Het cytoskelet is ook dynamisch, het kan ervoor zorgen dat de cel van vorm verandert, maakt de celdeling mogelijk en draagt ertoe bij dat sommige cellen zich kunnen verplaatsen. En dat is maar een fractie van de functies die ze hebben. Eiwitten zijn dus zowat de basismachines die het werk in je cellen gedaan krijgen. Ze beginnen als slierten van aminozuren (stel je de kralen aan een haksketting voor), maar ze vouwen al snel op tot een unieke driedimensionale vorm (stel je voor dat je de kralenketting in je hand samenknijpt).

Die 3D-vorm is cruciaal omdat hij bepaalt hoe het eiwit werkt. Als je een wetenschapper bent die een nieuw medicijn ontwikkelt, wil je de vorm van het eiwit weten, want dat zal je helpen een molecuul te bedenken dat je eraan kan binden en erin past om zijn gedrag te veranderen. Het probleem is dat het ongelooflijk moeilijk is om te voorspellen welke vorm een ​​eiwit zal aannemen.

De 3D-vorm is cruciaal omdat hij bepaalt hoe het eiwit werkt. Foto: DeepMind/PA

CASP

Elke twee jaar proberen onderzoekers die aan dit probleem werken een voorspelling in te dienen over de vormen die bepaalde eiwitten zullen aannemen. Hun inzendingen worden beoordeeld op de Critical Assessment of Structure Prediction-conferentie (CASP), die al wel eens ‘een chique wetenschappelijke wedstrijd voor volwassenen’ is genoemd.

In 2018 presteerde de AI van DeepMind al beter dan iedereen bij CASP, tot nogal wat wrevel van menselijke onderzoekers. DeepMind nam dat jaar de overwinning mee naar huis, maar het had het probleem van het opvouwen van eiwitten nog steeds niet opgelost. Dit jaar was het AlphaFold-systeem echter in staat om – met indrukwekkende snelheid en nauwkeurigheid – te voorspellen in welke vormen gegeven reeksen aminozuren zouden worden opgevouwen.

Om een ​​idee te krijgen van hoeveel AlphaFold het werk van wetenschappers kan versnellen: Andrei Lupas, een evolutiebioloog aan het Max Planck Instituut probeerde tien jaar tevergeefs lang de vorm van een eiwit te achterhalen. Toen probeerde hij AlphaFold uit en hij had de oplossing binnen een half uur.

Niet perfect maar wel bijna

De AI is niet perfect. Maar als hij fouten maakt, zit hij er niet meer dan de breedte van een atoom naast. Dat is vergelijkbaar met de fouten die je krijgt als je fysieke experimenten in een laboratorium doet, behalve dat die experimenten veel langzamer en veel duurder zijn.

De AlphaFold-technologie moet nog worden verfijnd, maar ervan uitgaande dat de onderzoekers dat voor elkaar krijgen, zal deze doorbraak waarschijnlijk ons vermogen om nieuwe medicijnen te ontwikkelen fameus verbeteren en vooral versnellen. Om een ​​idee te krijgen van hoeveel AlphaFold het werk van wetenschappers kan versnellen, is er de case van Andrei Lupas, een evolutiebioloog aan het Max Planck Instituut in Duitsland. Hij probeerde tien jaar lang de vorm van een eiwit te achterhalen. Maar wat hij ook probeerde in het lab, het antwoord ontging hem. Toen probeerde hij AlphaFold uit en hij had de oplossing binnen een half uur.

Van Alzheimer tot de volgende pandemie

AlphaFold heeft gevolgen voor alles, van de ziekte van Alzheimer tot toekomstige pandemieën. Het kan ons helpen ziekten te begrijpen, aangezien veel ziekten (zoals die van Alzheimer) worden veroorzaakt door verkeerd gevouwen eiwitten. Het kan ons ook helpen bij het vinden van nieuwe behandelingen, en het helpt ons ook om snel te bepalen welke bestaande medicijnen nuttig kunnen worden toegepast op bijvoorbeeld een nieuw virus. Als er weer een pandemie optreedt, kan het dus erg handig zijn om een ​​systeem als AlphaFold in onze achterzak te hebben.

Niet alleen voor de geneeskunde, maar ook in het veld van AI zelf, is deze nieuwe doorbraak belangrijk. Als DeepMind een belletje deed rinkelen, dan is dat omdat het de afgelopen jaren naam gemaakt heeft door games te spelen. Het heeft AI-systemen gebouwd die professionele gamers verpletterden bij strategiespellen zoals StarCraft en Go. Net als de schaakwedstrijden tussen IBM’s Deep Blue en Garry Kasparov, dienden deze wedstrijden vooral om te bewijzen dat DeepMind een AI kan maken die de menselijke capaciteiten overtreft. Maar met AlphaFold bewijst DeepMind dat het volwassen is geworden. Het is geëvolueerd van het spelen van videogames naar het aanpakken van wetenschappelijke problemen met een reële betekenis – problemen die van het verschil maken tussen leven of dood zelfs.

Neural netwerk

Het probleem van het opvouwen van eiwitten was perfect daarvoor. DeepMind is een wereldleider in het bouwen van neurale netwerken, een soort kunstmatige intelligentie die losjes is geïnspireerd door de neuronen in het menselijk brein. Het mooie van dit type AI is dat je er niet veel regels voor hoeft te programmeren. Geef een neuraal netwerk genoeg voorbeelden van iets, en het kan leren patronen in de gegevens te detecteren, en op basis daarvan conclusies trekken.

Je kan het bijvoorbeeld voeden met vele duizenden reeksen aminozuren en laten zien in welke vorm ze zijn gevouwen. Geleidelijk aan detecteert de AI patronen in de manier waarop bepaalde van die aminozuren de neiging hebben om vorm te krijgen – patronen die menselijke experts misschien niet hebben gedetecteerd. Van daaruit kan het voorspellingen doen over hoe andere zullen vouwen. DeepMind integreerde ook wat meer complexe kennis – bijvoorbeeld over fysica en evolutionair verwante aminozuursequenties – hoewel de details daarover schaars blijven, aangezien DeepMind nog bezig is met het voorbereiden van een peer-reviewed artikel voor publicatie.

Nieuwe antibiotica

Andere laboratoria hebben de kracht van neurale netwerken al benut om doorbraken in de biologie te bewerkstelligen. Begin dit jaar hebben AI-onderzoekers bijvoorbeeld een neuraal netwerk getraind door het gegevens te geven van 2.335 moleculen waarvan bekend is dat ze antibacteriële eigenschappen hebben. Vervolgens gebruikten ze het om te voorspellen welke andere moleculen – van de 107 miljoen mogelijkheden – ook deze eigenschappen zouden hebben. Op deze manier wisten ze gloednieuwe soorten antibiotica te identificeren.

Corona Virus Update

  • Wereld
  • Aantal
    besmettingen
  • Aantal
    doden
  • België
  • Aantal
    besmettingen
    684.256
  • Aantal
    doden
    20.572