AI simuleert 500 miljoen jaar evolutie – en creëert een nieuw eiwit!

Evolutie heeft leven op moleculair niveau verfijnd gedurende miljarden jaren. Eiwitten, de fundamentele bouwstenen van leven, zijn door dit proces geëvolueerd om verschillende biologische functies uit te voeren, van het bestrijden van infecties tot het verteren van voedsel. Deze complexe moleculen bestaan uit lange ketens van aminozuren die in precieze sequenties zijn gerangschikt, die hun structuur en functie bepalen. Terwijl de natuur een buitengewone diversiteit aan eiwitten heeft geproduceerd, is het begrijpen van hun structuur en het ontwerpen van geheel nieuwe eiwitten lange tijd een complexe uitdaging voor wetenschappers geweest.

Recente vooruitgang in kunstmatige intelligentie verandert onze mogelijkheid om enkele van de grootste uitdagingen van de biologie aan te pakken. Voordien werd AI gebruikt om te voorspellen hoe een bepaalde eiwitsequentie zou vouwen en zich zou gedragen – een complexe uitdaging vanwege het enorme aantal configuraties. Onlangs heeft AI een stap verder gezet door geheel nieuwe eiwitten te genereren op een ongekende schaal. Deze mijlpaal is bereikt met ESM3, een multimodale generatieve taalmodel ontworpen door EvolutionaryScale. In tegenstelling tot conventionele AI-systemen die zijn ontworpen voor tekstverwerking, is ESM3 getraind om eiwitsequenties, -structuren en -functies te begrijpen. Wat het echt opmerkelijk maakt, is zijn vermogen om 500 miljoen jaar evolutie te simuleren – een prestatie die heeft geleid tot de creatie van een volledig nieuw fluorescerend eiwit, iets wat nog nooit in de natuur is gezien.

Deze doorbraak is een belangrijke stap naar het maken van biologie meer programmeerbaar, waardoor nieuwe mogelijkheden ontstaan voor het ontwerpen van aangepaste eiwitten met toepassingen in de geneeskunde, materiaalkunde en daarbuiten. In dit artikel onderzoeken we hoe ESM3 werkt, wat het heeft bereikt en waarom deze vooruitgang onze kennis van biologie en evolutie opnieuw vormgeeft.

Ontmoet ESM3: De AI die evolutie simuleert

ESM3 is een multimodaal taalmodel getraind om eiwitten te begrijpen en te genereren door hun sequenties, structuren en functies te analyseren. In tegenstelling tot AlphaFold, dat de structuur van bestaande eiwitten kan voorspellen, is ESM3 in wezen een eiwitengineeringsmodel, waarmee onderzoekers functionele en structurele vereisten kunnen specificeren om geheel nieuwe eiwitten te ontwerpen.

Het model bevat diepgaande kennis van eiwitsequenties, -structuren en -functies, evenals de mogelijkheid om eiwitten te genereren door interactie met gebruikers. Deze mogelijkheid stelt het model in staat om eiwitten te genereren die nog niet in de natuur bestaan, maar toch biologisch haalbaar zijn. Het creëren van een nieuw groen fluorescerend eiwit (esmGFP) is een opmerkelijke demonstratie van deze mogelijkheid. Fluorescerende eiwitten, oorspronkelijk ontdekt in jellyfish en koraal, worden op grote schaal gebruikt in medisch onderzoek en biotechnologie. Om esmGFP te ontwikkelen, hebben onderzoekers ESM3 voorzien van sleutelstructurele en functionele kenmerken van bekende fluorescerende eiwitten. Het model heeft vervolgens de ontwerp iteratief verfijnd, door een chain-of-thought-redenering aanpak te gebruiken om de sequentie te optimaliseren. Terwijl natuurlijke evolutie miljoenen jaren kan duren om een soortgelijk eiwit te produceren, versnelt ESM3 dit proces tot enkele dagen of weken.

Het AI-gestuurde eiwitontwerpproces

Hier is hoe onderzoekers ESM3 hebben gebruikt om esmGFP te ontwikkelen:

1. AI-prompt – Aanvankelijk hebben ze sequentie- en structurele hints ingevoerd om ESM3 te leiden naar fluorescerende functies.
2. Nieuwe eiwitten genereren – ESM3 heeft een enorme ruimte van potentiële sequenties onderzocht om duizenden kandidaat-eiwitten te produceren.
3. Filteren en verfijnen – De meest veelbelovende ontwerpen zijn gefilterd en gesynthetiseerd voor laboratoriumtesten.
4. Validatie in levende cellen – Geselecteerde AI-ontworpen eiwitten zijn in bacteriën geëxprimeerd om hun fluorescerende eigenschappen en functionaliteit te bevestigen.

Dit proces heeft geresulteerd in een fluorescerend eiwit (esmGFP) dat niet te vergelijken is met iets in de natuur.

Hoe esmGFP zich verhoudt tot natuurlijke eiwitten

Wat esmGFP buitengewoon maakt, is hoe ver het afstaat van bekende fluorescerende eiwitten. Terwijl de meeste nieuw ontdekte GFP’s slechts kleine variaties vertonen ten opzichte van bestaande eiwitten, heeft esmGFP een sequentie-identiteit van slechts 58% met zijn dichtstbijzijnde natuurlijke verwant. Evolutiebiologisch gezien komt een dergelijk verschil overeen met een divergentietijd van meer dan 500 miljoen jaar.

Om dit in perspectief te plaatsen, was de laatste keer dat eiwitten met soortgelijke evolutionaire afstanden opdoken, dinosaurussen nog niet verschenen en was multicellulair leven nog in zijn vroege stadia. Dit betekent dat AI niet alleen evolutie heeft versneld – het heeft een geheel nieuwe evolutionaire weg gesimuleerd, waardoor eiwitten worden geproduceerd die de natuur mogelijk nooit had kunnen creëren.

Waarom deze ontdekking ertoe doet

Deze ontwikkeling is een belangrijke stap voorwaarts in eiwitengineering en verdiept onze kennis van evolutie. Door miljoenen jaren evolutie te simuleren in slechts enkele dagen, opent AI deuren naar spannende nieuwe mogelijkheden:

• Snelere ontdekking van geneesmiddelen: Veel medicijnen werken door specifieke eiwitten te targeten, maar het vinden van de juiste eiwitten is langzaam en duur. AI-ontworpen eiwitten kunnen dit proces versnellen, waardoor onderzoekers nieuwe behandelingen efficiënter kunnen ontdekken.
• Nieuwe oplossingen in bio-engineering: Eiwitten worden gebruikt in alles, van het afbreken van plastic afval tot het detecteren van ziektes. Met AI-gestuurd ontwerp kunnen wetenschappers aangepaste eiwitten creëren voor gezondheidszorg, milieubescherming en zelfs nieuwe materialen.
• AI als evolutionaire simulator: Een van de meest intrigerende aspecten van dit onderzoek is dat het AI positioneert als een simulator van evolutie, in plaats van alleen een tool voor analyse. Traditionele evolutionaire simulaties omvatten het itereren door genetische mutaties, vaak maanden of jaren durend om viabele kandidaten te genereren. ESM3 omzeilt deze trage beperkingen door functionele eiwitten rechtstreeks te voorspellen. Deze verschuiving in aanpak betekent dat AI niet alleen evolutie kan nabootsen, maar ook actief evolutionaire mogelijkheden kan verkennen die voorbij de natuur gaan. Met voldoende rekenkracht kan AI-gestuurde evolutie nieuwe biochemische eigenschappen ontdekken die nooit in de natuurlijke wereld hebben bestaan.

Ethische overwegingen en verantwoorde AI-ontwikkeling

Terwijl de potentiële voordelen van AI-gestuurde eiwitengineering enorm zijn, roept deze technologie ook ethische en veiligheidsvragen op. Wat gebeurt er als AI eiwitten begint te ontwerpen die verder gaan dan het menselijk begrip? Hoe kunnen we ervoor zorgen dat deze eiwitten veilig zijn voor medisch of milieugebruik?

We moeten ons richten op verantwoorde AI-ontwikkeling en grondige testen om deze zorgen aan te pakken. AI-gegenereerde eiwitten, zoals esmGFP, moeten uitgebreide laboratoriumtesten ondergaan voordat ze in aanmerking komen voor echte toepassingen. Bovendien worden ethische kaders voor AI-gestuurde biologie ontwikkeld om transparantie, veiligheid en publiek vertrouwen te waarborgen.

De bottom line

De lancering van ESM3 is een vitale ontwikkeling in het veld van biotechnologie. ESM3 toont aan dat evolutie geen langzaam, trial-and-error-proces hoeft te zijn. Het comprimeren van 500 miljoen jaar eiwit-evolutie in slechts enkele dagen opent een toekomst waarin wetenschappers geheel nieuwe eiwitten kunnen ontwerpen met ongekende snelheid en nauwkeurigheid. De ontwikkeling van ESM3 betekent dat we AI niet alleen kunnen gebruiken om biologie te begrijpen, maar ook om het te herscheppen. Deze doorbraak helpt ons om onze mogelijkheid te vergroten om biologie te programmeren zoals we software programmeren, waardoor nieuwe mogelijkheden ontstaan die we pas beginnen te begrijpen.