- Een op artificial intelligence (AI) gebaseerde applicatie van een startup uit de stal van Alphabet versnelt de ontwikkeling van nieuwe geneesmiddelen.
- De technologie, ‘AlphaFold2’ genaamd, wordt door meer dan 1 miljoen onderzoekers gebruikt om eiwitten te bestuderen.
- AlphaFold2 maakt het zo makkelijker voor wetenschappers om medicijnen voor nieuwe en bestaande ziektes te ontwikkelen.
- Lees ook: Artificial intelligence groeit op de beurs uit tot een markt van €85 miljard tegen 2025, zegt vermogensbeheerder UBS
Nadat hij meer dan tien jaar puzzelde met vage beelden, bracht een doorbraak met artificial intelligence (AI) Matthew Higgins duidelijkheid.
Higgins is hoogleraar aan de Universiteit van Oxford en kampte met een klassiek probleem voor biowetenschappers: uitzoeken welke structuur eiwitten in virussen en andere ziekteverwekkers hebben.
Traditionele technieken leverden slechts vage contouren van de structuur van een eiwit op, maar met behulp van een nieuwe technologie op basis van kunstmatige intelligente, genaamd ‘AlphaFold2’, heeft Higgins de structuur ontdekt van een belangrijk eiwit dat wordt gebruikt door de parasiet die malaria veroorzaakt. Zonder AlphaFold “zouden we het waarschijnlijk nog steeds niet ontdekt hebben, om eerlijk te zijn”, zegt hij tegen Insider over de vondst.
Die doorbraak stelde Higgins vorig jaar in staat een experimenteel malariavaccin te ontwikkelen dat nu op mensen wordt getest. Dit lukte hem ook voor een ander malaria-eiwit in een tweede onderzoeksproject.
Deze vaccins kunnen een cruciale stap zijn in de strijd tegen een ziekte waar ieder jaar meer dan 600.000 mensen aan overlijden, vooral jonge kinderen.
De prestaties van Higgins tonen aan hoe snel AlphaFold2, een AI-technologie die eiwitstructuren kan voorspellen, de wetenschap en de geneeskunde op zijn kop zet.
De technologie van DeepMind wordt dan ook niet voor niets gebruikt door meer dan 1 miljoen onderzoekers, van universiteiten tot de farmaceutische industrie."AlphaFold heeft een golf van innovatie op gang gebracht door mensen te laten zien wat er mogelijk is", aldus Chris Bahl, hoofdwetenschapper bij AI Proteins, een startup in Boston die AlphaFold gebruikt om medicijnen te helpen ontwikkelen.
Van bordspellen spelen tot wetenschappelijke geschiedenis schrijven
Bijna alle medicijnen die tegenwoordig worden ontwikkeld, vallen de eiwitten van ziekteverwekkers aan. Het is essentieel om de structuur van deze eiwitten te doorgronden, zodat je meer te weten kan komen over de ziekten zelf en hoe ze gestopt kunnen worden.
Voor AlphaFold was het ontdekken van de structuur van een eiwit een bijna ondoenlijke taak.
Normaliter kristalliseren onderzoekers een eiwit om te ontdekken welke structuur het heeft, maar er zijn eiwitten die zich niet laten kristalliseren. Als deze eerste stap wel werkt, wordt het gekristalliseerde eiwit met röntgenstraling bestraald, zodat de onderzoekers aan de hand van de terugkaatsing van de straling een figuur kunnen maken.
Door een gekristalliseerd eiwit meerdere malen te bestralen krijgen wetenschappers een idee van de 3D-structuur. “Een promovendus kan daarom een jaar of twee bezig zijn met het maken van één nieuwe structuur”, vertelt Higgins. “En vaak is het resultaat vaag en niet overtuigend.”
Demis Hassabis, de CEO van DeepMind, richtte zijn aandacht in 2016 op eiwitten. Dat was tevens het jaar waarin zijn AI-programma DeepMind in de schijnwerpers kwam te staan door een speler van wereldklasse te verslaan in Go, een Chinees bordspel.
Als schaakwonder en fan van kunstmatige intelligentie richtte Hassabis DeepMind in 2010 op met het doel AI-systemen te ontwikkelen die bepaalde taken net zo goed, of beter, konden uitvoeren dan mensen, bijvoorbeeld strategische spelletjes spelen.
Na de Go-overwinning besloten Hassabis en David Silver, een wetenschapper bij DeepMind, dat het tijd was om over te stappen van spelletjes naar echte problemen.
DeepMind nam in 2018 deel aan de Critical Assessment of Structure Prediction (CASP) van de bioloog John Moult. Bij deze wedstrijd proberen meerdere teams als eerste een reeks eiwitstructuren correct te identificeren. De winnaar krijgt een prijs.
De eerste versie van AlphaFold won de wedstrijd met vlag en wimpel. Doorgaans doet de winnaar een voorspelling met een nauwkeurigheid van ongeveer 40 procent. AlphaFold’s nauwkeurigheid lag rond de 60 procent.
Hoewel dat opzien baarde, bevatten de voorspellingen van AlphaFold nog steeds veel fouten. Dat wilde Hassabis verbeteren. "Gaan we dit probleem oplossen of is dit te moeilijk en moeten we iets anders vinden om te doen?', vroeg Hassabis volgens wetenschapper John Jumper van AlphaFold aan zijn team.
Dat gesprek bracht Jumper ertoe om de eerste versie van AlphaFold van tafel te vegen en helemaal opnieuw te beginnen. “AlphaFold2 is gebouwd met veel meer biologische en natuurkundige kennis van eiwitten”, aldus Jumper.
Bij de volgende CASP, in 2020, voorspelde AlphaFold2 de eiwitstructuren met een nauwkeurigheid van bijna 90 procent. Volgens de organisator van de conferentie kwam geen enkel ander team daarbij in de buurt. "Dat was het moment waarop ik wist dat we wetenschappelijke geschiedenis hadden geschreven", zegt Jumper.
AlphaFold2 maakte een explosieve groei door in de wereld van de biowetenschappen
In de maanden na CASP 2020 ging DeepMind hard aan het werk.
Het team wist de structuur van alle 20.000 eiwitten in het menselijk lichaam rond kerst 2020 in kaart te brengen. Die resultaten werden in juli 2021 gepubliceerd, samen met de code van de software, in een baanbrekend artikel in het wetenschappelijke tijdschrift Nature, dat meer dan 8.800 keer is geciteerd.
Hassabis besloot de software achter AlphaFold2 vrij te geven, omdat het een hele belangrijke bijdrage levert aan het voortbestaan van de mensheid. Aangezien DeepMind een dochteronderneming van Alphabet is, zou het genoeg geld verdienen met de verkoop van software en diensten aan andere Alphabet-bedrijven, zoals YouTube en Google, om deze keus te kunnen maken, aldus CNBC.
Hassabis lanceerde een jaar later een nieuwe biotechstartup, Isomorphic Labs genaamd. Hiermee wil hij zich verdiepen in geneesmiddelenonderzoek.
AlphaFold, maar dan voor RNA-moleculen
Raphael Townshend werkte in 2019 aan AlphaFold als stagiair bij DeepMind terwijl hij zijn PhD in computerwetenschappen afrondde. Hij geeft nu leiding aan een startup in San Francisco genaamd Atomic AI, waarmee hij probeert een "AlphaFold voor RNA" te ontwikkelen.
Atomic voorspelt de structuur van RNA-moleculen, in de hoop met behulp van deze inzichten geneesmiddelen te kunnen ontwikkelen. RNA, dat staat voor ribonucleïnezuur en dat aanwezig is in alle levende cellen, leest de instructies in onze genetische code, bekend als DNA, om eiwitten in het lichaam aan te maken.
Andere biotechs gebruiken AlphaFold in combinatie met andere AI-technologieën om snel en goedkoop potentiële nieuwe geneesmiddelen te identificeren.
De startup Insilico Medicine gebruikt bijvoorbeeld zijn eigen AI-systeem in combinatie met AlphaFold om moleculen te ontwerpen die een eiwit kunnen blokkeren dat gekoppeld is aan leverkanker. AlphaFold hielp het bedrijf zijn molecule te creëren en zo z'n hypothese te bewijzen. Het bedrijf publiceerde z'n onderzoek in januari.
CEO Alex Zhavoronkov vertelde Insider dat het zijn team ongeveer vijftig dagen en minder dan 100.000 dollar kostte om het eiwit te vinden, het geneesmiddel te ontwerpen en het te testen in een laboratorium. Dat is volgens hem een record in de ontwikkeling van geneesmiddelen.
"AlphaFold is een briljante ontdekking, maar het vormt één van de stukjes van een enorme Lego-puzzel die je nodig hebt voor het succesvol op de markt brengen van een medicijn", zegt Zhavoronkov, die een foto van DeepMind-CEO Hassabis in zijn kantoor heeft.
Ondanks alle opwinding in de markt, zijn de mogelijkheden van AI in de biotech beperkt. Insilico heeft bijvoorbeeld geen plannen om zijn medicijn op mensen te testen, vanwege de kosten voor klinisch onderzoek. Ook al maakt AI het eenvoudiger om nieuwe medicijnen te maken, het testen op dieren en mensen vergt nog altijd vele jaren en kost honderden miljoenen euro's.
Bovendien zijn de voorspellingen van AlphaFold niet altijd perfect. Hoogleraar Higgins stelt bijvoorbeeld experimenten te doen om de voorspellingen van AI te dubbelchecken. Hij is altijd extra alert als hij ziet dat een onderzoekspaper volledig op de voorspellingen van AlphaFold leunt, zonder experimentele onderbouwing.
Nieuwe toepassingen worden 'steeds moeilijker'
Ondanks die beperkingen, heeft AlphaFold2 zich bewezen als een serieuze doorbraak. De geruchten gingen zelfs even dat er een Nobelprijs in zou zitten, vooral nadat de technologie afgelopen jaar een prijs ter waarde van 3 miljoen dollar won.
Wat de volgende grote biologische problemen zijn waar DeepMind in wil duiken, daarover tasten volgers van het bedrijf nog altijd in het duister. Wel bracht het bedrijf onderzoek naar buiten op het gebied van genetica en het voorspellen van complexere eiwitinteracties.
Het zou logisch zijn voor het team van AlphaFold om zich met de volgende grote biologische problemen bezig te houden, denkt Pedro Domingos, hoogleraar computerwetenschap aan de Universiteit van Washington. Zo zou het team volgens Domingos goed kunnen onderzoeken hoe eiwitten interacteren met andere eiwitten of kleine moleculen.
"Het zal steeds moeilijker worden en het is niet duidelijk of de huidige aanpak van DeepMind, of zelfs de huidige staat van AI, het aankan", zegt Domingos tegen Insider per e-mail. "Maar AI zal ook snel blijven evolueren en de mensen bij DeepMind zijn erg goed, dus ik ben optimistisch."
Volgens DeepMind-wetenschapper Jumper is zijn AlphaFold-team vooral gericht op het omverwerpen van de volgende barrières in biologisch onderzoek. Wat precies deze barrières zijn, daarover blijft hij vaag. "Ik heb mijn theorieën over waar dit naartoe kan gaan, over de technologieën en wat er nu mogelijk is, maar die hou ik enigszins voor mezelf."