Deep-learning-systeem AlphaFold begint het ingewikkelde trucje achter de vouwing van eiwitmoleculen al aardig onder de knie te krijgen.

Het was groot nieuws; in 2016 versloeg DeepMind’s deep-learning-systeem AlphaGo de Zuid-Koreaanse Go-wereldkampioen Lee Sedol. Maar de tijd van spelletjes en highscores is voorbij. Het deep-learning-systeem van Google heeft de zinnen gezet op een wat serieuzer probleem: het voorspellen van de vouwing van eiwitten. Het nieuwe systeem, dat de bedenkers AlphaFold doopten, is er al best goed in.

Lees ook: A.I. wint van wereldkampioen Go

‘Molecuulorigami’

Eiwitten, ook wel proteïnen genoemd, zijn belangrijke biologische moleculen die in grote getale in ons lichaam voorkomen. Ze zijn opgebouwd uit lange ketens aminozuren en vervullen afhankelijk van hun vorm een scala aan verschillende taken; van het versnellen van chemische reacties, tot het opruimen van ziektemakers.

Afhankelijk van de specifieke lengte en samenstelling van zo’n slinger aminozuren, krult en vouwt een eiwit als een soort ‘molecuulorigami’ anders in elkaar. De vouwing moet heel precies gebeuren, de kleinste foutjes kunnen er namelijk al voor zorgen dat het eiwit zijn taak minder goed of niet meer kan volbrengen.

De vouwing van een eiwit volgens AlphaFold. © DeepMind

Voorspellen

Als we op basis van de samenstelling van een eiwit de 3D-structuur correct weten te voorspellen, kunnen onderzoekers uitvogelen wat ze doen, hoe ze in de knoop raken en zo aandoeningen als de ziekte van Parkinson veroorzaken, en zelfs gericht nieuwe eiwitten ontwikkelen.

Helaas is dat lang niet altijd even makkelijk; met twintig aminozuren om uit te ‘kiezen’, is er een gigantische hoeveelheid mogelijke manieren waarop een doorsnee eiwit bestaande uit een paar honderd van deze bouwsteentjes zou kunnen vouwen – een bizarre googol² manieren, oftewel een 1 met driehonderd nullen.

De drie structuren zijn verschillende eiwitten waarvan AlphaFold de vouwing moest voorspellen. Blauw is de vouwing volgens het deep-learning-systeem, groen de daadwerkelijke vorm. © DeepMind

Deep-learning-kampioen

Toch beginnen deep-learning-systemen de complexe mechanismen van eiwitvouwing rustig aan te ontrafelen. De koploper lijkt DeepMind’s AlphaFold dat tijdens de CASP-competitie, een tweejaarlijks evenement waarin onderzoeksgroepen hun best doen eiwitvouwing te voorspellen, de eerste plek binnensleepte. Van de 43 eiwitten wist het programma van 25 correct de vorm te voorspellen – de nummer twee voorspelde er slechts drie.

Stapje voor stapje werkt AlphaFold naar de meest waarschijnlijke eiwitvorm. © DeepMind

Voor AlphaFold trainde DeepMind een neuraal netwerk met duizenden verschillende eiwitten. Gepresenteerd met een nieuwe aminozuurketen, gebruikt AlphaFold dit netwerk om met de afstanden tussen de aminozuren, de hoeken en de chemische verbindingen de uiteindelijke vorm van het eiwit te achterhalen. Over het eerste eiwit deed het programma twee weken, maar nu die meer ‘geleerd’ heeft, kost het slechts een paar uur.

Hoewel 25 uit 43 met bijna 60 procent een goede score is, is er nog een lange weg te gaan voordat het systeem de mechanismen van eiwitvouwing voor de volle honderd procent weet bloot te leggen. De makers zijn hoopvol. “Dit is pas de eerste stap,” vertelde mede-oprichter van DeepMind Demis Hassabis, “we hebben een goed systeem en heel veel ideeën die we nog niet geïmplementeerd hebben.”

Bronnen: DeepMind, The Guardian

Beeld: DeepMind

Ben je geïnteresseerd in de wereld van wetenschap & technologie en wil je hier graag meer over lezen? Bestel dan hier ons nieuwste nummer. Abonnee worden? Dat kan hier!