Elke lichaamscel bevat eiwitten en zo zijn deze stoffen een van de belangrijkste bouwstenen van het menselijk lichaam. Hoewel vele functies van eiwitten al gekend zijn, weet men nog niet genoeg over hun gedragingen. Onderzoekers van de Vrije Universiteit Brussel zijn er nu in geslaagd om een analysemethode te ontwikkelen gebaseerd op artificiële intelligentie die een samenvatting geeft van de vormen en bewegingen van eiwitten, de belangrijkste kenmerken van hun gedrag. Dat is een belangrijke doorbraak die kan leiden tot betere kennis van eiwitten en mogelijk nieuwe medische inzichten.
Eiwitten vervoeren onder meer zuurstof en breken suikers af. Tijdens hun activiteiten kunnen ze verschillende driedimensionale vormen aannemen en ook voortdurend tussen die vormen bewegen. Wetenschappers ontdekten eerder al dat de informatie over deze gedragingen worden gecodeerd in frequentie-signalen van atomen in een sterk magnetisch veld. Maar die informatie ook ontcijferen is zeer moeilijk.
De nieuwe AI-methode “ShiftCrypt” biedt daar nu een oplossing voor: voor elk aminozuur-bouwsteen van een eiwit wordt via deze methode telkens een enkele waarde gegenereerd die de complexe frequentie-signalen, en dus de vorm- en bewegingsinformatie van eiwitten, samenvat. Dit laat toe om die gegevens eenvoudig te vertalen en interpreteren. Dat maakt het dan ook makkelijker om het gedrag van verschillende eiwitten rechtstreeks met elkaar te vergelijken.
Objectiever
Deze AI-techniek gaat niet alleen verder dan eerdere methodes, maar is ook objectiever. Artificiële intelligentie heeft namelijk in tegenstelling tot wetenschappers geen voorkennis van eiwitten en kan dus onbevooroordeeld informatie analyseren en leren.
“Wetenschappers proberen al langer technieken te ontwikkelen die inzicht geven in de complexe vormen en bewegingen van eiwitten. Het belangrijkste nadeel is dat die modellen altijd vertrekken van wat wij als wetenschappers al weten over eiwitten en dus eigenlijk gekleurd zijn door onze huidige beperkte inzichten. Artificiële intelligentie heeft dat probleem uiteraard niet. Deze nieuwe methode is dus een mooi voorbeeld van hoe artificiële intelligentie ons kan vooruithelpen bij onderzoek door een nieuw puzzelstukje bij te leggen en eiwitten beter te begrijpen. Dit kan leiden tot nieuwe inzichten, bijvoorbeeld door het beter begrijpen van het effect van een kankermutatie op het gedrag van een eiwit. We kunnen er ook mee zoeken naar delen van heel verschillende eiwitten die toch hetzelfde gedrag vertonen, wat kan helpen bij het ontwerp van nieuwe eiwitten.” besluit prof. dr. Wim Vranken.
