Veel ziekten worden veroorzaakt door mutaties – afwijkingen – in het menselijk DNA. Maar lang niet alle mutaties leiden tot ziekte. AI-bedrijf DeepMind schept orde in de chaos met een nieuw algoritme dat beter dan andere voorspelt of een afwijking zal leiden tot ziekte.
Het onderzoeksteam maakte de resultaten deze week bekend in een artikel in het wetenschappelijke tijdschrift Science. De hoop is dat dit onderzoek in de toekomst kan helpen bij het stellen van de diagnose van zeldzame ziekten.
Kanker
Veel ernstige ziekten komen voort uit mutaties in het DNA, de lange streng met genetische informatie die in elke cel van het lichaam zit. Denk aan ziekten als taaislijmziekte, sikkelcelanemie of kanker.
Een gemiddeld persoon heeft duizenden mutaties in zijn of haar cellen. Maar lang niet elke mutatie leidt tot ziekte – gelukkig maar – en wetenschappers tasten nog grotendeels in het duister over het verband tussen die mutaties en het ontstaan van een ziekte.
DNA uitlezen
Dankzij de snelle ontwikkelingen in biotechnologie kan iemands DNA tegenwoordig volledig worden uitgelezen tegen beperkte kosten. Maar de DNA-afwijkingen die daarbij aan het licht komen, kunnen nog lang niet altijd aan een ziekte worden gerelateerd.
Op dit gebied vindt wel experimenteel onderzoek plaats, maar dat gaat langzaam en is duur, en er komen maar langzaam resultaten uit. Daarom ging het bedrijf DeepMind, bekend van AlphaGo dat ’s werelds sterkste go-speler versloeg, aan de slag met kunstmatige intelligentie. De Google-dochter ontwikkelde een nieuw algoritme, AlphaMissense genaamd, dat van verschillende missenses – kleine afwijkingen in de DNA-streng – kan inschatten hoe groot de kans is dat die afwijking leidt tot ziekte.
Een missense(-mutatie) is een puntmutatie op het DNA, een nucleotide die is vervangen door een andere; zie de afbeelding hieronder. Omdat in organismen delen van het DNA worden gebruikt om van af te lezen hoe eiwitten eruit moeten zien, is het probleem van zo’n puntmutatie dat er eiwitten kunnen worden gevormd met een foutje erin. En precies dat kan de oorzaak van een ziekte zijn.
Goed- of kwaadaardig
Het onderzoeksteam van AlphaMissense zette z’n nieuwe algoritme aan het werk met 71 miljoen verschillende missense-varianten. Daarvan kon het algoritme van 89 procent aangeven of de afwijkingen goed- of kwaadaardig zijn.
Vergelijk dit getal, schrijven de onderzoekers in een eigen blog, met de 0,1 procent van alle missense-varianten die tot nu toe door wetenschappers waren onderzocht. Dit laat zien hoe onmisbaar algoritmen zijn geworden in fundamenteel biomedisch onderzoek. Computers kunnen het onderzoek in een stroomversnelling brengen.
Want het ontdekken van mutaties die ziekten veroorzaken door onderzoek in het laboratorium is ook mogelijk. Dit gaat alleen tergend langzaam, en is duur, want hierbij moet elk eiwit afzonderlijk worden gefabriceerd en getest. Door AI-algoritmen in te zetten, kunnen in één keer duizenden verschillende eiwitten tegelijk worden ‘getest’. Dat geeft dan een eerste indruk welke de meest kansrijke eiwitten zijn, zodat wetenschappers hun schaarse tijd en geld daarop kunnen inzetten, met verder experimenteel onderzoek.
Eiwitten vouwen
DeepMind bouwde voor zijn nieuwe algoritme voort op AlphaFold, dat het bedrijf een paar jaar terug lanceerde. Die software kon voor het eerst voorspellen hoe een nieuw, onbekend eiwit zou vouwen. Een eiwit is een lang, complex molecuul dat, afhankelijk van de volgorde van de aminozuren een bepaalde ruimtelijke structuur zal aannemen. Dat vouwen van het eiwit helpt wetenschappers meer begrip te krijgen over wat er misgaat bij een ziekte. Inmiddels heeft AlphaFold van zo’n tweehonderd miljoen eiwitten de ruimtelijke vorm voorspeld.
DeepMind heeft de resultaten van het AlphaMissense-algoritme beschikbaar gesteld aan de wereldwijde gemeenschap van medische en biologische onderzoekers. Zij kunnen deze database uitpluizen en zelf besluiten om meer onderzoek te doen naar bepaalde mutaties.
Niet voor diagnose
We moeten wel oppassen om aan de resultaten van AlphaMissense te veel betekenis toe te kennen, waarschuwen de auteurs van een bijgaand artikel (een zogeheten ‘Perspective’) in dezelfde editie van Science. ‘Op dit moment kunnen de voorspellingen van het algoritme niet echt worden gebruikt in genetische diagnoses [van ziekten]; ze leveren alleen ondersteunend bewijs’, schrijven zij.
‘Hoewel er tot nu toe geen algoritmen zijn die kunnen worden gebruikt voor een genetische diagnose, zal hun nut in de diagnostische odyssee blijven toenemen naarmate zowel de rekenkundige benaderingen als de strategieën voor hun interpretatie erop vooruitgaan.’
Openingsbeeld: schematische weergave van een afwijking op het menselijk DNA. Illustratie Depositphotos
Nieuwsbrief
Vond je dit een interessant artikel, abonneer je dan gratis op onze wekelijkse nieuwsbrief.