Het is een probleem waar biologen al jaren mee worstelen: eiwitvouwing. Eiwitten of proteïnes vouwen zich op in unieke driedimensionale figuren die bijzonder moeilijk te voorspellen zijn. Maar als je weet welke vorm de eiwitten aannemen, dan weet je ook beter welke functie ze vervullen, en dat kan helpen bij het bestrijden van een hele reeks ziektes en het ontwikkelen van nieuwe medicijnen. Ook tegen covid-19.

Daarom wordt er al een tijd via allerlei technologische middelen aan gewerkt. Omdat de voorspellingen bijzonder veel computerkracht vergen, bestaat er sinds 2000 bijvoorbeeld Folding@Home, een programmaatje dat de computers van vrijwilligers inzet om aan dit vraagstuk te werken.

Nu zegt Google's dochterbedrijf DeepMind dat het probleem van de voorspellingen grotendeels is opgelost. Het programma van de specialist in kunstmatige intelligentie zou de vorm van eiwitten kunnen bepalen met eenzelfde accuraatheid als duurdere en langlopende methodes in een laboratorium.

Eiwitten en aminozuren

Eiwitten bestaan uit een reeks aminozuren die zich op schier oneindig veel verschillende manieren opvouwen. Uitvissen op welke manier de aminozuren zullen vouwen, kan meer inzicht geven in welke rol ze spelen in bepaalde chemische processen en essentiële lichaamsfuncties. Hun vorm vinden kan zo helpen bij het ontwikkelen van nieuwe medicijnen. Het probleem is dat er in het menselijk lichaam alleen al duizenden verschillende proteïnes zitten, en dat het modelleren van één zo'n proteïne in een laboratorium soms jaren duurt.

Daarom wordt er al een tijd gewerkt aan een accurate manier om ze te voorspellen. Dat gebeurt op basis van de sequentie van de blokken aminozuren waaruit een eiwit bestaat. Die sequentie is namelijk een pak makkelijker te bepalen. De methode, waarvoor Christian Anfinsen in 1972 de Nobelprijs voor Scheikunde kreeg, wordt al jaren ingezet in een soort wedstrijd, de CASP (Critical Assessment of protein Structure Prediction). Daarbij proberen teams uit een twintigtal landen elke twee jaar om met computerprogramma's de vormen van een set van honderd eiwitten te voorspellen, op basis van hun aminozuursequenties. Diezelfde eiwitten worden tegelijk onderzocht door een laboratorium, dat meer traditionele technieken gebruikt om de 3D-vorm te bepalen.

De resultaten worden aan het einde vergeleken, en het AlphaFold-programma van DeepMind haalde daarbij dit jaar een score die volgens de wedstrijdjury vergelijkbaar is met degene uit het lab. Met dien verstande dat AlphaFold daar beduidend minder tijd en mankracht voor nodig had.

AlphaFold

DeepMind maakt gebruik van een systeem van 128 gespecialiseerde processoren en trainde dat gedurende enkele weken. Het kan nu in enkele dagen de voorspelling maken waarvoor een laboratorium jaren aan onderzoek nodig heeft om ze te dubbelchecken.

In een volgende fase zullen andere wetenschappers het DeepMind-programma bekijken om de methodologie na te kijken. Een zogeheten 'peer review' is nog niet uit - we baseren ons voornamelijk op de wedstrijd en een blogpost van DeepMind zelf. Desalniettemin is dit mogelijk een bijzonder grote stap in de goede richting.

Eens de vorm van enkelvoudige eiwitten op accurate en betaalbare manier kan worden voorspeld, kunnen wetenschappers zich gaan bezighouden met de meer chaotische kant van de bouwstenen van het leven. Zo blijken die proteïnes zich vaak aan elkaar te hechten, en zouden we ook moeten weten hoe ze samenwerken met andere molecules, zoals DNA en RNA. Het zijn die meer complexe structuren die bijvoorbeeld een doorbraak in kankeronderzoek teweeg kunnen brengen.

Het is een probleem waar biologen al jaren mee worstelen: eiwitvouwing. Eiwitten of proteïnes vouwen zich op in unieke driedimensionale figuren die bijzonder moeilijk te voorspellen zijn. Maar als je weet welke vorm de eiwitten aannemen, dan weet je ook beter welke functie ze vervullen, en dat kan helpen bij het bestrijden van een hele reeks ziektes en het ontwikkelen van nieuwe medicijnen. Ook tegen covid-19.Daarom wordt er al een tijd via allerlei technologische middelen aan gewerkt. Omdat de voorspellingen bijzonder veel computerkracht vergen, bestaat er sinds 2000 bijvoorbeeld Folding@Home, een programmaatje dat de computers van vrijwilligers inzet om aan dit vraagstuk te werken. Nu zegt Google's dochterbedrijf DeepMind dat het probleem van de voorspellingen grotendeels is opgelost. Het programma van de specialist in kunstmatige intelligentie zou de vorm van eiwitten kunnen bepalen met eenzelfde accuraatheid als duurdere en langlopende methodes in een laboratorium.Eiwitten bestaan uit een reeks aminozuren die zich op schier oneindig veel verschillende manieren opvouwen. Uitvissen op welke manier de aminozuren zullen vouwen, kan meer inzicht geven in welke rol ze spelen in bepaalde chemische processen en essentiële lichaamsfuncties. Hun vorm vinden kan zo helpen bij het ontwikkelen van nieuwe medicijnen. Het probleem is dat er in het menselijk lichaam alleen al duizenden verschillende proteïnes zitten, en dat het modelleren van één zo'n proteïne in een laboratorium soms jaren duurt.Daarom wordt er al een tijd gewerkt aan een accurate manier om ze te voorspellen. Dat gebeurt op basis van de sequentie van de blokken aminozuren waaruit een eiwit bestaat. Die sequentie is namelijk een pak makkelijker te bepalen. De methode, waarvoor Christian Anfinsen in 1972 de Nobelprijs voor Scheikunde kreeg, wordt al jaren ingezet in een soort wedstrijd, de CASP (Critical Assessment of protein Structure Prediction). Daarbij proberen teams uit een twintigtal landen elke twee jaar om met computerprogramma's de vormen van een set van honderd eiwitten te voorspellen, op basis van hun aminozuursequenties. Diezelfde eiwitten worden tegelijk onderzocht door een laboratorium, dat meer traditionele technieken gebruikt om de 3D-vorm te bepalen. De resultaten worden aan het einde vergeleken, en het AlphaFold-programma van DeepMind haalde daarbij dit jaar een score die volgens de wedstrijdjury vergelijkbaar is met degene uit het lab. Met dien verstande dat AlphaFold daar beduidend minder tijd en mankracht voor nodig had.DeepMind maakt gebruik van een systeem van 128 gespecialiseerde processoren en trainde dat gedurende enkele weken. Het kan nu in enkele dagen de voorspelling maken waarvoor een laboratorium jaren aan onderzoek nodig heeft om ze te dubbelchecken. In een volgende fase zullen andere wetenschappers het DeepMind-programma bekijken om de methodologie na te kijken. Een zogeheten 'peer review' is nog niet uit - we baseren ons voornamelijk op de wedstrijd en een blogpost van DeepMind zelf. Desalniettemin is dit mogelijk een bijzonder grote stap in de goede richting. Eens de vorm van enkelvoudige eiwitten op accurate en betaalbare manier kan worden voorspeld, kunnen wetenschappers zich gaan bezighouden met de meer chaotische kant van de bouwstenen van het leven. Zo blijken die proteïnes zich vaak aan elkaar te hechten, en zouden we ook moeten weten hoe ze samenwerken met andere molecules, zoals DNA en RNA. Het zijn die meer complexe structuren die bijvoorbeeld een doorbraak in kankeronderzoek teweeg kunnen brengen.