AI & computing › AI-gestuurde wetenschappelijke ontdekkingen
Farmaceuten delen geheime eiwitdata om AI-modellen te verbeteren
Een groep farmaceutische bedrijven heeft duizenden nooit eerder gepubliceerde eiwitstructuren gebruikt om een AI-model te trainen dat voorspelt hoe medicijnen aan eiwitten binden. Het resultaat presteert flink beter dan bestaande open-sourcemodellen zoals AlphaFold-opvolgers, en toont aan dat de grootste vooruitgang misschien niet uit nieuwe algoritmes komt, maar uit data die al die tijd in bedrijfskluizen lagen.
AI-modellen die de vorm van eiwitten voorspellen, zoals AlphaFold, boekten de afgelopen jaren spectaculaire successen. Toch lopen ze tegen een grens aan: er is te weinig openbare data over hoe eiwitten precies reageren op potentiële medicijnen. Een consortium van farmaceutische bedrijven claimt nu een oplossing te hebben gevonden door gebruik te maken van data die normaal geheim blijven.
Te weinig voorbeelden van medicijnbinding
De basis van moderne eiwitstructuurvoorspelling is de Protein Data Bank (PDB), een openbare databank met ruim 200.000 experimenteel bepaalde eiwitstructuren. Die data lag ook aan de basis van AlphaFold 2, een doorbraak die in 2024 een Nobelprijs voor Scheikunde opleverde. Maar de PDB bevat maar een fractie van de eiwitten die gebonden zijn aan medicijnachtige moleculen, mogelijk zo'n 10.000 voorbeelden, zegt Paul Mortenson van Astex Pharmaceuticals. Daardoor voorspellen modellen zoals AlphaFold 3 minder betrouwbaar zodra een molecuul sterk afwijkt van wat ze eerder zagen. Voor medicijnontwikkeling is dat een groot probleem: juist die voorspellingen moeten aangeven of een kandidaat-medicijn goed aan zijn doeleiwit vastklikt.
Miljoenen metingen in bedrijfskluizen
Farmaceutische bedrijven verzamelen tijdens hun onderzoek al decennialang eigen eiwitstructuren, met technieken als röntgenkristallografie en moleculaire docking-achtige metingen. Omdat die structuren draaien om nog niet uitgebrachte medicijnen, blijven ze als bedrijfsgeheim achter slot en grendel. Naar schatting bevatten al die interne archieven samen meer data dan de complete PDB. Om te testen of die schat bruikbaar is, richtten AbbVie, Astex en enkele andere bedrijven het AI Structural Biology (AISB) Network op. Zij trainden het opensourcemodel OpenFold3 bij met 20.167 extra structuren van vijf bedrijven, zonder dat de onderliggende geheime data zelf werd gedeeld.
Duidelijk betere voorspellingen
Op een testset van 1.056 apart gehouden eiwit-ligandstructuren scoorde het bijgeschaafde model bij meer dan de helft een hoge nauwkeurigheid. De publiek beschikbare versie van OpenFold3 haalde dat niveau bij slechts een derde van de gevallen, en het concurrerende model Boltz-2 bij ongeveer 40 procent. Het model versloeg ook varianten die alleen op de data van één afzonderlijk bedrijf waren getraind, wat volgens onderzoekers aantoont dat het combineren van data de doorslag geeft. De studie is nog niet collegiaal getoetst en het model zelf blijft voorlopig onbeschikbaar voor buitenstaanders. Daarnaast loopt er een apart initiatief genaamd OpenBind, gesteund met omgerekend ruim 12 miljoen euro aan Brits overheidsgeld, dat wél publiek toegankelijke eiwitstructuren wil vrijgeven. Vorige maand verschenen daarvan al honderden nieuwe structuren, met duizenden meer in de pijplijn.
Achtergrond & begrippen
Wat betekent dit voor de toekomst? Als farmaceutische bedrijven vaker hun geheime eiwitdata poolen, kunnen AI-modellen voor medicijnontwikkeling veel betrouwbaarder worden, wat de zoektocht naar nieuwe geneesmiddelen kan versnellen. Tegelijk laat dit nieuws zien dat vooruitgang in AI niet alleen van betere algoritmes komt, maar minstens zo hard van de hoeveelheid en kwaliteit van beschikbare data.
- AlphaFold
- Een AI-model dat de driedimensionale vorm van eiwitten voorspelt op basis van hun aminozuurvolgorde.
- OpenFold3
- Een opensourcenabootsing van AlphaFold 3, waarmee onderzoekers vrij kunnen experimenteren en het model kunnen bijtrainen.
- Ligand
- Een molecuul, zoals een potentieel medicijn, dat zich aan een eiwit bindt en zo diens werking beïnvloedt.
- Protein Data Bank (PDB)
- De grootste openbare databank met experimenteel bepaalde eiwitstructuren, al tientallen jaren de basis voor structuurbiologie.
- Co-foldingmodel
- Een type AI-model dat niet alleen de vorm van één eiwit voorspelt, maar ook hoe dat eiwit samen met een ander molecuul een structuur vormt.
- Röntgenkristallografie
- Een techniek waarbij röntgenstraling door een gekristalliseerd eiwit wordt gestuurd om de exacte atomaire structuur te bepalen.
- Fine-tuning
- Het bijscholen van een al getraind AI-model met extra, specifieke data om de prestaties op een bepaalde taak te verbeteren.
Bronnen
Dit artikel is met behulp van AI geschreven op basis van bovenstaande bronnen en is geen letterlijke vertaling. Zo werkt onze redactie.
