In een prijs die de wetenschappelijke gemeenschap heeft geëlektrificeerd, hebben drie briljante geesten de Nobelprijs voor de Scheikunde gewonnen. Twee wetenschappers van Google DeepMind, Demis Hassabis en John Jumper, behoren tot de laureaten wier werk voorstelt om de biotechnologie en de geneeskunde te hervormen door middel van het vouwen van eiwitten. De voltooiing van hun prestaties is David Baker, een biochemicus van de Universiteit van Washington, wiens baanbrekende werk op het gebied van computationeel eiwitontwerp die van hen verbetert. Gaandeweg hebben hun ontdekkingen nieuwe manieren geopend om eiwitten, de belangrijkste moleculen van al het leven op aarde, te leren kennen en te ontwikkelen.
Uiteindelijk vormt dit de kern van deze prestatie, dit kwartet van voorspellingen, en het begint met geavanceerde kunstmatige-intelligentiemodellen, met name die van Hassabis en Jumper. Die doorbraak, AlphaFold2, maakt het mogelijk vrijwel alle eiwitten te voorspellen op basis van hun sequenties. Deze prestatie zorgt nu al voor zo’n versnelling van het onderzoek op het gebied van de ontdekking van geneesmiddelen en de moleculaire biologie, dat het de aandacht begint te trekken van beleidsmakers en het publiek. De bijdragen van Baker waren belangrijk, maar AI-technologie deed wat velen voor onmogelijk hielden: het loste een tientallen jaren oude wetenschappelijke puzzel op.
Google DeepMind schokt de academische wereld met de overwinning van de Nobelprijs voor de Scheikunde
Het trio kreeg de Nobelprijs voor het ontwikkelen van technieken om eiwitten te decoderen en te ontwerpen. Het leven kan worden vergeleken met gebouwen gemaakt van bakstenen, maar bakstenen lijken meer op de bouwstenen van het leven: complexe eiwitten worden vaak omschreven als moleculen die ons helpen vrijwel elk proces in ons lichaam uit te voeren. Decennia lang was hun structuur echter een mysterie. Dankzij AI is het efficiënt in kaart brengen en ontwerpen van deze ingewikkelde moleculen echter al jaren een doel van wetenschappers.
Ten tweede hebben John Jumper en Demis Hassabis van Google DeepMind een AI-model gemaakt met de naam AlphaFold2dat de structuur van elk bekend eiwit kan voorspellen. Dit model heeft al 200 miljoen eiwitstructuren in kaart gebracht, een destijds onvoorstelbare prestatie. U kunt nu in slechts een paar seconden doen wat ooit jaren en jaren van nauwgezet onderzoek vergde. Hun werk geeft inzicht in bekende eiwitten en helpt de deur te openen naar het creëren van nieuwe eiwitten met verbazingwekkende precisie.
De bijdrage van David Baker was ondertussen een stukje software genaamd Rosetta, dat nieuwe eiwitten bouwt uit delen van bestaande eiwitten die van nature niet in de natuur voorkomen. Dit werk vertegenwoordigt een enorme stap in het begrijpen en bouwen van eiwitten en zal verreikende implicaties hebben voor de geneeskunde, de milieuwetenschappen en de materiaalkunde.
Hoe AI een revolutie teweegbracht in het gehele eiwitonderzoek
Dit Nobelprijswinnende onderzoek is belangrijk. Elke biologische functie wordt aangedreven door eiwitten: van spiercontractie tot immuunafweer, de functie van eiwitten hangt af van hun vorm. Tientallen jaren lang hebben wetenschappers geprobeerd, maar ze hadden er moeite mee, om nauwkeurig te voorspellen hoe eiwitten zich in hun complexe driedimensionale structuren vouwen. We moeten dit proces dus begrijpen om mogelijke medische behandelingen te ontsluiten, vaccins te ontwikkelen en zelfs biologisch afbreekbare materialen te creëren.
Met AlphaFold2, het geesteskind van Hassabis en Jumper, kun je de structuur van vrijwel elk eiwit nauwkeurig voorspellen, waardoor de onderzoekstijd enorm wordt verkort. Het is een AI-aangedreven systeem dat snel aminozuursequenties analyseert om te bepalen hoe een sequentie zich tot een functioneel eiwit zal vouwen. Volgens Hassabis bespaart deze doorbraak ‘jarenlang experimenteel werk’, waardoor wetenschappers hun focus kunnen verleggen naar toepassingen, zoals het ontwikkelen van nieuwe medicijnen en materialen.
Deze AI-technologie werkt hand in hand met Baker’s Rosetta-software. Met de toepassing van machinaal leren dat gebruik maakt van bestaande eiwitgegevens, kunnen ze nieuwe, zelfs geheel nieuwe eiwitten ontwerpen om lastige problemen zoals vervuiling aan te pakken of slimmere, efficiëntere medicijnen te maken. In sommige gevallen, aldus Baker, zijn er mogelijk nieuwe behandelingen mogelijk, zoals neussprays om de verspreiding van virussen zoals COVID-19 te vertragen of medicijnen om gevaarlijke immuunreacties te blokkeren.
De combinatie van AlphaFold2 en GenScript deep learning-platforms maakt sneller onderzoek mogelijk, wat voorheen langer zou hebben geduurd.
Sinds de release is AlphaFold2 gratis voor wetenschappers over de hele wereld, een dramatische verandering in het onderzoek zoals wij dat kennen. Meer dan 2 miljoen onderzoekers in 190 landen hebben het systeem al gebruikt om het ziekteonderzoek naar malaria, de ziekte van Parkinson, resistente bacteriën en meer uit te breiden. Als het instrument het proces van het identificeren van nieuwe medicijnen versnelt tegen lagere kosten en minder kosten dan ooit, zou dit een grote impact kunnen hebben op de geneeskunde.
John Jumper merkte het langetermijnpotentieel van AlphaFold2 op en sprak over hoe het de ontwikkeling van medicijnen en vaccins kan helpen versnellen met een factor 10 tot 20, vooral als reactie op opkomende pandemieën en uitbraken. Het was duidelijk dat David Baker enthousiast was over de toekomstige toepassing van technologie; hij dacht dat dit slechts het topje van de ijsberg was van wat AI in de wetenschap zou kunnen doen.
In de handen van de wetenschap, de kracht van AI
En dat wil niet zeggen dat het oplossen van deze oude wetenschappelijke puzzel een prestatie is; het gaat in de eerste plaats om het fundamenteel veranderen van de manier waarop we over onderzoek denken, zeggen Hassabis en Jumper. AI-systemen, zoals AlphaFold2, bewijzen dat anders arbeidsintensieve wetenschappelijke processen nu toegankelijker, praktischer en schaalbaarder kunnen zijn. Dit is niet theoretisch; het gebeurt nu in laboratoria over de hele wereld, en de gevolgen voor alles, van de farmacie tot de milieuwetenschappen, kunnen enorm zijn.
Maar ondanks het enorme potentieel was Hassabis kennelijk ook waarschuwend. In een verklaring beschreef hij AI als een ‘dubbel voordeel’, wat betekent dat het meteen een middel lijkt om levens te verbeteren, en dat we buitengewoon voorzichtig moeten zijn met het gebruik ervan en ons zorgen moeten maken over wat de onbedoelde effecten ervan kunnen zijn. Met de voortdurende ontwikkeling van deze technologieën zal het hun prioriteit zijn ervoor te zorgen dat eventuele risico’s groter zijn dan de voordelen.
Dit laat zien hoe ver we zijn gekomen in het gebruik van AI om de moeilijkste problemen van de biologie op te lossen. Veel van de vragen die we hebben gesteld, zijn veranderd. Het is nog een beginstadium voor het gebruik van AI om eiwitten te onderzoeken, maar de vooruitgang van Demis Hassabis, John Jumper en David Baker verandert het aanzien van de wetenschap. Hun werk brengt sciencefiction dichterbij dan ooit. Deze Nobelprijswinnende ontdekking zal een impact hebben die veel verder gaat dan alleen de biologie en de geneeskunde.
Afbeelding tegoed: Furkan Demirkaya/Ideogram
Source: De AI van Google DeepMind wint de Nobelprijs voor de Scheikunde