AlphaProteo: Google DeepMinds doorbraak in proteïntdesign

In het constant evoluerende veld van moleculaire biologie is een van de meest uitdagende taken het ontwerpen van eiwitten die effectief kunnen binden aan specifieke doelen, zoals viruseiwitten, kankermarkers of onderdelen van het immuunsysteem. Deze eiwitbinders zijn essentiële hulpmiddelen in de ontdekking van geneesmiddelen, de behandeling van ziekten, diagnostiek en biotechnologie. Traditionele methoden voor het creëren van deze eiwitbinders zijn arbeidsintensief, tijdrovend en vereisen vaak meerdere ronden van optimalisatie. Echter, recente vooruitgang in kunstmatige intelligentie (AI) versnelt dit proces aanzienlijk.

In september 2024 heeft Neuralink met succes zijn hersenchip geïmplanteerd bij de tweede menselijke deelnemer als onderdeel van zijn klinische onderzoeken, waarmee de grenzen van wat hersen-computerinterfaces kunnen bereiken, worden verlegd. Deze implantaat stelt individuen in staat apparaten puur door middel van gedachten te controleren.

Tegelijkertijd is DeepMinds AlphaProteo opgekomen als een baanbrekend AI-hulpmiddel dat nieuwe eiwitten ontwerpt om enkele van de grootste uitdagingen in de biologie aan te pakken. In tegenstelling tot eerdere modellen zoals AlphaFold, die eiwitstructuren voorspellen, gaat AlphaProteo een stap verder door het ontwerpen van nieuwe eiwitbinders die specifiek kunnen binden aan moleculaire doelen. Deze mogelijkheid kan de ontdekking van geneesmiddelen, diagnostische hulpmiddelen en zelfs de ontwikkeling van biosensoren aanzienlijk versnellen. Zo heeft AlphaProteo bijvoorbeeld met succes binders ontworpen voor het SARS-CoV-2-spike-eiwit en eiwitten die betrokken zijn bij kanker en ontsteking, met bindende affiniteiten die 3 tot 300 keer sterker waren dan bestaande methoden.

Wat deze kruispunt tussen biologie en AI nog aantrekkelijker maakt, is hoe deze vooruitgang in neurale interfaces en eiwitontwerp een bredere verschuiving naar bio-digitaal integratie weerspiegelt.

In 2024 hebben de vooruitgang en integratie van AI en biologie ongekende niveaus bereikt, waardoor innovatie wordt aangewakkerd in domeinen zoals geneesmiddelenontdekking, persoonlijke geneeskunde en synthetische biologie. Hier volgt een gedetailleerde blik op enkele van de belangrijkste doorbraken die het landschap dit jaar vormgeven:

1. AlphaFold3 en RoseTTAFold Diffusie: Volgende-Generatie Eiwitontwerp

De release van AlphaFold3 door Google DeepMind in 2024 heeft eiwitstructuurvoorspelling naar een nieuw niveau getild door biomoleculaire complexen en kleine moleculen en liganden toe te voegen aan zijn voorspellingen. AlphaFold3 gebruikt een diffusie-gebaseerd AI-model om eiwitstructuren te verfijnen, net zoals AI-gegenereerde afbeeldingen worden gemaakt vanuit ruwe schetsen. Dit model is bijzonder nauwkeurig in het voorspellen van hoe eiwitten met liganden interageren, met een indrukwekkende 76% nauwkeurigheidsgraad in experimentele tests – ver vooruit op zijn concurrenten.

In parallel heeft RoseTTAFold Diffusie ook nieuwe capaciteiten geïntroduceerd, waaronder de mogelijkheid om de novo-eiwitten te ontwerpen die niet in de natuur voorkomen. Hoewel beide systemen nog steeds in nauwkeurigheid en toepassing verbeteren, zullen hun vooruitgang naar verwachting een cruciale rol spelen in geneesmiddelenontdekking en biotechnologisch onderzoek, mogelijk de tijd die nodig is om nieuwe geneesmiddelen te ontwerpen, verkortend​

2. Synthetische Biologie en Genbewerking

Een ander belangrijk gebied van vooruitgang in 2024 is synthetische biologie, met name op het gebied van genbewerking. CRISPR-Cas9 en andere genetische ingenieursgereedschappen zijn verfijnd voor precieze DNA-reparatie en genbewerking. Bedrijven als Graphite Bio (GRPH ) gebruiken deze gereedschappen om genetische mutaties op een ongekend niveau van precisie te repareren, deuren openend voor potentieel genezende behandelingen voor genetische ziekten. Deze methode, bekend als homologie-geleide reparatie, maakt gebruik van het lichaamseigen DNA-reparatiemechanisme om defecte genen te corrigeren.

Bovendien verbeteren innovaties in voorspellende off-target-beoordelingen, zoals die ontwikkeld door SeQure Dx, de veiligheid van genbewerking door onbedoelde edities te identificeren en risico’s te mitigeren. Deze vooruitgang is bijzonder belangrijk om ervoor te zorgen dat gentherapieën veilig en effectief zijn voordat ze op menselijke patiënten worden toegepast​

3. Enkele-Cel-Sequencing en Metagenomics

Technologieën zoals enkele-cel-sequencing hebben in 2024 ongekende hoogtes bereikt, waardoor onderzoekers ongekende resolutie op cellulair niveau kunnen bereiken. Dit stelt onderzoekers in staat om cellulaire heterogeniteit te bestuderen, wat vooral waardevol is in kankeronderzoek. Door individuele cellen binnen een tumor te analyseren, kunnen onderzoekers bepalen welke cellen resistent zijn tegen behandeling, waardoor meer effectieve therapeutische strategieën kunnen worden ontwikkeld.

Ondertussen biedt metagenomics diepe inzichten in microbiële gemeenschappen, zowel in de context van menselijke gezondheid als in milieukwesties. Deze techniek helpt bij het analyseren van het microbioom om te begrijpen hoe microbiële populaties bijdragen aan ziekten, waardoor nieuwe behandelingsmogelijkheden ontstaan die het microbiële gemeenschap rechtstreeks aanspreken​

Een Game-Changer in Eiwitontwerp

Eiwitten zijn fundamenteel voor vrijwel elk proces in levende organismen. Deze moleculaire machines voeren een breed scala aan functies uit, van het katalyseren van metabolische reacties tot het repliceren van DNA. Wat eiwitten zo veelzijdig maakt, is hun vermogen om zich te vouwen in complexe driedimensionale vormen, waardoor ze met andere moleculen kunnen interageren. Eiwitbinders, die stevig binden aan specifieke doelmoleculen, zijn essentieel in het moduleren van deze interacties en worden vaak gebruikt in geneesmiddelenontwikkeling, immunotherapieën en diagnostische hulpmiddelen.

Het conventionele proces voor het ontwerpen van eiwitbinders is langzaam en berust zwaar op trial and error. Wetenschappers moeten vaak door grote bibliotheken van eiwitsequenties zoeken, waarbij elke kandidaat in het lab wordt getest om te zien welke het beste werkt. AlphaProteo verandert dit paradigma door de kracht van diepe leerprocessen te benutten om te voorspellen welke eiwitsequenties effectief kunnen binden aan een doelmolecuul, waardoor de tijd en kosten die aan traditionele methoden zijn verbonden, aanzienlijk worden verminderd.

Hoe AlphaProteo Werkt

AlphaProteo is gebaseerd op dezelfde diepe leerprincipes die zijn voorganger, AlphaFold, een baanbrekend hulpmiddel voor eiwitstructuurvoorspelling maakten. Echter, terwijl AlphaFold zich richt op het voorspellen van de structuur van bestaande eiwitten, gaat AlphaProteo een stap verder door geheel nieuwe eiwitten te ontwerpen.

Hoe AlphaProteo Werkt: Een Diepe Duik in AI-Gedreven Eiwitontwerp

AlphaProteo vertegenwoordigt een sprong voorwaarts in AI-gedreven eiwitontwerp, waarbij de diepe leerprocessen die zijn voorganger, AlphaFold, aandreven, worden gebouwd.

Terwijl AlphaFold het veld revolutioneerde door eiwitstructuren met ongekende nauwkeurigheid te voorspellen, gaat AlphaProteo verder door geheel nieuwe eiwitten te creëren die specifieke biologische uitdagingen aangaan.

De onderliggende architectuur van AlphaProteo is een geavanceerde combinatie van een generatief model getraind op grote datasets van eiwitstructuren, waaronder die uit de Protein Data Bank (PDB), en miljoenen voorspelde structuren gegenereerd door AlphaFold. Dit stelt AlphaProteo in staat om niet alleen te voorspellen hoe eiwitten zich vouwen, maar ook om nieuwe eiwitten te ontwerpen die op moleculair niveau specifiek met doelmoleculen kunnen interageren.

Dit diagram toont de workflow van AlphaProteo, waarbij eiwitbinders worden ontworpen, gefilterd en experimenteel gevalideerd

• Generator: AlphaProteo’s machine learning-gebaseerd model genereert talloze potentiële eiwitbinders, waarbij grote datasets zoals die uit de Protein Data Bank (PDB) en AlphaFold-voorspellingen worden gebruikt.
• Filter: Een cruciaal onderdeel dat de gegenereerde binders op basis van hun waarschijnlijke succesvolle binding aan het doeleiwit scoort, waardoor het aantal ontwerpen dat in het lab getest moet worden, effectief wordt verminderd.
• Experiment: Deze stap omvat het testen van de gefilterde ontwerpen in een lab om te bevestigen welke binders effectief met het doeleiwit interageren.

AlphaProteo ontwerpt binders die specifiek de hotspot-residuen (in geel) op het oppervlak van een eiwit richten. Het blauwe gedeelte vertegenwoordigt de ontworpen binder, die precies met de gemarkeerde hotspots op het doeleiwit is gemodelleerd.

Voor het C-gedeelte van de afbeelding; het toont de 3D-modellen van de doeleiwitten die in AlphaProteo’s experimenten worden gebruikt. Deze omvatten therapeutisch significante eiwitten die betrokken zijn bij verschillende biologische processen, zoals immuunrespons, virale infecties en kankerprogressie.

Geavanceerde Mogelijkheden van AlphaProteo

1. Hoge Bindingsaffiniteit: AlphaProteo blinkt uit in het ontwerpen van eiwitbinders met hoge affiniteit voor hun doelen, waarbij traditionele methoden die vaak meerdere ronden van lab-gebaseerde optimalisatie vereisen, worden overtroffen. Het genereert eiwitbinders die stevig binden aan hun beoogde doelen, waardoor hun effectiviteit in toepassingen zoals geneesmiddelenontwikkeling en diagnostiek aanzienlijk wordt verbeterd. Zo lieten zijn binders voor VEGF-A, een eiwit geassocieerd met kanker, bindingsaffiniteiten zien die tot 300 keer sterker waren dan bestaande methoden​.
2. Doelwit van Uiteenlopende Eiwitten: AlphaProteo kan binders ontwerpen voor een breed scala aan eiwitten die betrokken zijn bij kritieke biologische processen, waaronder die gelinkt aan virale infecties, kanker, ontsteking en auto-immuunziekten. Het is bijzonder succesvol gebleken in het ontwerpen van binders voor doelen zoals het SARS-CoV-2-spike-eiwit, essentieel voor COVID-19-infectie, en het kankergerelateerde eiwit VEGF-A, dat cruciaal is in therapieën voor diabetische retinopathie​.
3. Experimentele Succesratio: Een van AlphaProteo’s meest indrukwekkende functies is zijn hoge experimentele succesratio. In laboratoriumtests toonden de door het systeem ontworpen binders een hoge succesratio in het binden aan doeleiwitten, waardoor het aantal experimentele ronden dat normaal gesproken nodig is, wordt verminderd. In tests op het viruseiwit BHRF1 had AlphaProteo’s ontwerp een 88% succesratio, een aanzienlijke verbetering ten opzichte van eerdere methoden​.
4. Optimalisatie-Vrij Ontwerp: In tegenstelling tot traditionele benaderingen, die vaak meerdere ronden van optimalisatie vereisen om de bindingsaffiniteit te verbeteren, is AlphaProteo in staat om binders met sterke bindings eigenschappen vanaf het begin te genereren. Voor bepaalde uitdagende doelen, zoals het kanker-geassocieerde eiwit TrkA, produceerde AlphaProteo binders die die ontwikkeld waren door middel van uitgebreide experimentele optimalisatie​.

Experimentele Succesratio (Linker Grafiek) – Beste Bindingsaffiniteit (Rechter Grafiek)

• AlphaProteo overtrof traditionele methoden voor de meeste doelen, met name door een 88% succesratio te bereiken met BHRF1, in vergelijking met minder dan 40% met eerdere methoden.
• AlphaProteo’s succes met VEGF-A en IL-7RA was aanzienlijk hoger, waarbij het zijn capaciteit om moeilijke doelen in kankertherapie aan te pakken, aantoonde.
• AlphaProteo genereert ook consequent binders met veel hogere bindingsaffiniteiten, met name voor uitdagende eiwitten zoals VEGF-A, waardoor het een waardevol hulpmiddel is in geneesmiddelenontwikkeling en ziektebehandeling.

Hoe AlphaProteo Toepassingen in Biologie en Gezondheidszorg Verder Ontwikkelt

AlphaProteo’s novatieve aanpak van eiwitontwerp opent een breed scala aan toepassingen, waardoor het een krachtig hulpmiddel wordt in verschillende gebieden van biologie en gezondheidszorg.

1. Geneesmiddelenontwikkeling

Moderne geneesmiddelenontdekking vertrouwt vaak op kleine moleculen of biologica die binden aan ziekte-gerelateerde eiwitten. Echter, het ontwikkelen van deze moleculen is vaak tijdrovend en kostbaar. AlphaProteo versnelt dit proces door het genereren van eiwitbinders met hoge affiniteit die als basis voor nieuwe geneesmiddelen kunnen dienen. Zo is AlphaProteo gebruikt om binders te ontwerpen voor PD-L1, een eiwit dat betrokken is bij immuunregulatie, dat een sleutelrol speelt in kankerimmunotherapieën​. Door PD-L1 te remmen, kunnen AlphaProteo’s binders helpen om het immuunsysteem beter in staat te stellen kankercellen te identificeren en te elimineren.

2. Diagnostische Hulpmiddelen

In diagnostiek kunnen eiwitbinders die door AlphaProteo zijn ontworpen, worden gebruikt om zeer gevoelige biosensoren te creëren die in staat zijn om ziekte-specifieke eiwitten te detecteren. Dit kan leiden tot meer nauwkeurige en snelle diagnoses voor ziekten zoals virale infecties, kanker en auto-immuunziekten. Zo kan AlphaProteo’s vermogen om binders te ontwerpen voor SARS-CoV-2 leiden tot snellere en meer precieze COVID-19-diagnostische hulpmiddelen​.

3. Immunotherapie

AlphaProteo’s vermogen om hoogspecifieke eiwitbinders te ontwerpen is bijzonder waardevol in het veld van immunotherapie. Immunotherapieën benutten het immuunsysteem van het lichaam om ziekten, waaronder kanker, te bestrijden. Een van de uitdagingen in dit veld is het ontwikkelen van eiwitten die effectief kunnen binden aan en immuunreacties moduleren. Met AlphaProteo’s precisie in het richten van specifieke eiwitten op immuuncellen, kan het de ontwikkeling van nieuwe, effectievere immunotherapieën verbeteren​.

4. Biotechnologie en Biosensoren

Door AlphaProteo ontworpen eiwitbinders zijn ook waardevol in biotechnologie, met name in de creatie van biosensoren – apparaten die specifieke moleculen in verschillende omgevingen kunnen detecteren. Biosensoren hebben toepassingen variërend van milieumonitoring tot voedselveiligheid. AlphaProteo’s binders kunnen de gevoeligheid en specificiteit van deze apparaten verbeteren, waardoor ze betrouwbaarder worden in het detecteren van schadelijke stoffen​.

Beperkingen en Toekomstige Richtingen

Zoals bij elke nieuwe technologie, is AlphaProteo niet zonder zijn beperkingen. Zo had het systeem moeite om effectieve binders te ontwerpen voor het eiwit TNF𝛼, een uitdagend doelwit geassocieerd met auto-immuunziekten zoals reumatoïde artritis. Dit benadrukt dat, hoewel AlphaProteo voor veel doelen zeer effectief is, het nog steeds ruimte voor verbetering heeft.

DeepMind werkt actief aan het uitbreiden van AlphaProteo’s capaciteiten, met name in het aanpakken van uitdagende doelen zoals TNF𝛼. Het team verkent ook nieuwe toepassingen voor de technologie, waaronder het gebruik van AlphaProteo om eiwitten te ontwerpen voor gewasverbetering en milieuduurzaamheid.

Conclusie

Door de tijd en kosten die aan traditionele eiwitontwerpmethoden zijn verbonden, aanzienlijk te reduceren, versnelt AlphaProteo innovatie in biologie en geneeskunde. Zijn succes in het creëren van eiwitbinders voor uitdagende doelen zoals het SARS-CoV-2-spike-eiwit en VEGF-A toont zijn potentieel om enkele van de meest dringende gezondheidsuitdagingen van onze tijd aan te pakken.

Naarmate AlphaProteo verder evolueert, zal zijn impact op wetenschap en samenleving alleen maar toenemen, waardoor nieuwe hulpmiddelen worden geboden voor het begrijpen van het leven op moleculair niveau en het ontsluiten van nieuwe mogelijkheden voor de behandeling van ziekten.