Vorig jaar startte DeepMind, een dochterbedrijf van Google dat zich met geavanceerde kunstmatige intelligentie bezig houdt, met een programma rond eiwitvouwing. AlphaFold, zoals dat programma heet, probeert te weten te komen hoe de verschillende eiwitten of proteïnes in het menselijk lichaam er uit zien, en welke functies ze vervullen.

Het programma wist in december vorig jaar al een succes te boeken door grotendeels te leren voorspellen hoe die eiwitten zich vouwen. Het was een probleem waar de wetenschap al tientallen jaren mee worstelde. Eiwitten of proteïnes vouwen zich op in unieke driedimensionale figuren die tot voor kort bijzonder moeilijk te voorspellen waren. 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, zoals bijvoorbeeld Covid-19.

Omdat AlphaFold bijzonder snel en accuraat blijkt in net dat voorspellen, komen Deepmind en partners, waaronder het Europese Bioinformatics Instituut nu met een databank, de AlphaFold Protein Structure Database. Daarin zitten honderdduizenden sequenties van eiwitten, met de structuren die door AlphaFold voorspeld werden. Bedoeling is om er daar nog miljoenen aan toe te voegen, dat schrijven de onderzoekers van DeepMind in een rapport in wetenschapsmagazine Nature.

Genoom en eiwitten

Het idee achter de eiwittendatabank is vergelijkbaar het menselijkgenoomproject dat in de jaren negentig het menselijk DNA moest ontrafelen. Een grote reeks onderzoekers en organisaties spendeerden toen dertien jaar om de structuur van het menselijke genoom uit te tekenen, en in 2003 slaagden ze daarin. Die kennis heeft ondertussen geleid tot een hele reeks nieuwe medicijnen, en een beter begrip van hele wat aandoeningen.

Maar DNA is dus niet alles, want ook eiwitten blijken bijzonder lastig te begrijpen. Ze zijn bovendien een hoop complexer dan het genoom, en ze bestuderen vereist massa's computerkracht, waardoor sinds 2000 bijvoorbeeld het Folding@Home-project bestaat, waarmee vrijwilligers hun computerkracht kunnen inzetten om wetenschappers hierbij te helpen.

Stroomversnelling

AlphaFold wist het onderzoek naar deze eiwitten echter een onvoorstelbare zet te geven, omdat het een pak accurater kon voorspellen hoe een eiwit zich zou vouwen dan eerdere simulaties, maar ook omdat het veel sneller gaat dan laboratoriumonderzoek naar deze eiwitten. Voeg daar aan toe dat de verwerkingskracht van computers de laatste jaren ook enorm verbeterd is, en we komen op het punt dat nu op het punt dat de structuur zo'n 98,5 procent van de menselijke eiwitten met voldoende accuraatheid voorspeld is, 'folded' zo u wil.

Die structuren worden nu in de database gezet, samen met de eiwitten van enkele andere organismen zoals E. coli. In totaal bevat de databank 350.000 eiwitstructuren, die gratis beschikbaar moet worden voor onderzoekers, als een soort zoekmachine naar het voorbeeld van Google.

Vorig jaar startte DeepMind, een dochterbedrijf van Google dat zich met geavanceerde kunstmatige intelligentie bezig houdt, met een programma rond eiwitvouwing. AlphaFold, zoals dat programma heet, probeert te weten te komen hoe de verschillende eiwitten of proteïnes in het menselijk lichaam er uit zien, en welke functies ze vervullen.Het programma wist in december vorig jaar al een succes te boeken door grotendeels te leren voorspellen hoe die eiwitten zich vouwen. Het was een probleem waar de wetenschap al tientallen jaren mee worstelde. Eiwitten of proteïnes vouwen zich op in unieke driedimensionale figuren die tot voor kort bijzonder moeilijk te voorspellen waren. 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, zoals bijvoorbeeld Covid-19.Omdat AlphaFold bijzonder snel en accuraat blijkt in net dat voorspellen, komen Deepmind en partners, waaronder het Europese Bioinformatics Instituut nu met een databank, de AlphaFold Protein Structure Database. Daarin zitten honderdduizenden sequenties van eiwitten, met de structuren die door AlphaFold voorspeld werden. Bedoeling is om er daar nog miljoenen aan toe te voegen, dat schrijven de onderzoekers van DeepMind in een rapport in wetenschapsmagazine Nature.Het idee achter de eiwittendatabank is vergelijkbaar het menselijkgenoomproject dat in de jaren negentig het menselijk DNA moest ontrafelen. Een grote reeks onderzoekers en organisaties spendeerden toen dertien jaar om de structuur van het menselijke genoom uit te tekenen, en in 2003 slaagden ze daarin. Die kennis heeft ondertussen geleid tot een hele reeks nieuwe medicijnen, en een beter begrip van hele wat aandoeningen. Maar DNA is dus niet alles, want ook eiwitten blijken bijzonder lastig te begrijpen. Ze zijn bovendien een hoop complexer dan het genoom, en ze bestuderen vereist massa's computerkracht, waardoor sinds 2000 bijvoorbeeld het Folding@Home-project bestaat, waarmee vrijwilligers hun computerkracht kunnen inzetten om wetenschappers hierbij te helpen.AlphaFold wist het onderzoek naar deze eiwitten echter een onvoorstelbare zet te geven, omdat het een pak accurater kon voorspellen hoe een eiwit zich zou vouwen dan eerdere simulaties, maar ook omdat het veel sneller gaat dan laboratoriumonderzoek naar deze eiwitten. Voeg daar aan toe dat de verwerkingskracht van computers de laatste jaren ook enorm verbeterd is, en we komen op het punt dat nu op het punt dat de structuur zo'n 98,5 procent van de menselijke eiwitten met voldoende accuraatheid voorspeld is, 'folded' zo u wil. Die structuren worden nu in de database gezet, samen met de eiwitten van enkele andere organismen zoals E. coli. In totaal bevat de databank 350.000 eiwitstructuren, die gratis beschikbaar moet worden voor onderzoekers, als een soort zoekmachine naar het voorbeeld van Google.