Nieuw onderzoek toont aan hoe AI-modellering inzicht kan geven in eiwitstructuren

Nieuw onderzoek naar kunstmatige intelligentie (AI)-algoritmen van de Universiteit van York maakt het mogelijk voor wetenschappers om meer complete modellen van eiwitstructuren in het menselijk lichaam te ontwikkelen. Dit kan een grote impact hebben op het ontwerp van therapeutica en vaccins.

Het onderzoek is gepubliceerd in het tijdschrift Nature Structural and Molecular Biology.

Tot 70 procent van de menselijke eiwitten wordt omgeven en ondersteund door suiker, en dit heeft invloed op hoe ze eruitzien en functioneren. Virussen die verantwoordelijk zijn voor zaken als COVID-19 en Ebola zijn ook omgeven door suikers, en de toevoeging ervan wordt modificatie genoemd.

AlphaFold AI-programma

De onderzoekers ontwikkelden eerst software die ontbrekende suikercomponenten toevoegt aan modellen die zijn gemaakt met een AI-programma genaamd AlphaFold, en dit stelde hen in staat om dieper in eiwitten te kijken. AlphaFold is ontwikkeld door Google’s DeepMind, en het voert voorspellingen van eiwitstructuren uit.

Dr. Jon Agiree van de afdeling Scheikunde is de senior auteur van het onderzoek, dat is uitgevoerd samen met Dr. Elisa Fadda en Carl A. Fogarty van Maynooth University. Het onderzoek omvatte ook Haroldas Bagdonas, die een PhD-student is aan het York Structural Biology Laboratory.

“De eiwitten in het menselijk lichaam zijn kleine machines die, met miljarden, ons vlees en onze botten vormen, onze zuurstof transporteren, ons in staat stellen te functioneren en ons verdedigen tegen pathogenen. En net zoals een hamer vertrouwt op een metalen kop om puntige objecten, waaronder spijkers, te slaan, hebben eiwitten gespecialiseerde vormen en samenstellingen om hun taken te volbrengen”, zei Dr. Agiree.

“De AlphaFold-methode voor eiwitstructuurvoorspelling heeft het potentieel om workflows in biologie te revolutioneren, waardoor wetenschappers een eiwit en de impact van mutaties sneller kunnen begrijpen dan ooit tevoren.”

“Echter, de algoritme houdt geen rekening met essentiële modificaties die de eiwitstructuur en -functie beïnvloeden, waardoor we alleen een deel van het plaatje krijgen. Ons onderzoek heeft aangetoond dat dit op een relatief eenvoudige manier kan worden aangepakt, waardoor een meer complete structurele voorspelling mogelijk wordt.”

Accurate structuurvoorspellingen maken

Door het nieuwe AlphaFold-programma en de corresponderende database van eiwitstructuren kunnen het team van wetenschappers accurate structuurvoorspellingen maken voor alle bekende menselijke eiwitten, wat een grote stap vooruit is in het veld.

“Het is altijd geweldig om te zien hoe een internationale samenwerking tot bloei komt, maar dit is pas het begin voor ons”, zei Dr. Agiree. “Onze software werd gebruikt in het glycan-structuuronderzoek dat ten grondslag lag aan de mRNA-vaccins tegen SARS-CoV-2, maar nu kunnen we nog veel meer doen dankzij de AlphaFold-technologische sprong. Het is nog in de vroege stadia, maar het doel is om over te gaan van reageren op veranderingen in een glycan-schild naar het anticiperen ervan.”