Biotech & leven › CRISPR & genbewerking
Nieuw AI-model leest DNA van honderden soorten om schadelijke mutaties op te sporen
Amerikaanse onderzoekers hebben een kunstmatige-intelligentiemodel ontwikkeld dat beter dan bestaande methodes kan voorspellen welke DNA-mutaties schadelijk zijn. Het model, GPN-Star genaamd, vergelijkt het menselijk genoom met dat van honderden andere diersoorten en haalt daaruit miljoenen jaren evolutionaire informatie. Dat moet artsen en onderzoekers helpen om sneller de oorzaak van erfelijke ziekten te vinden.
Van de miljarden letters in ons DNA is vaak onduidelijk welke variaties onschuldig zijn en welke tot ziekte leiden. Wetenschappers van onder meer de University of California gebruiken daarom de evolutie als hulpmiddel: mutaties die belangrijke functies verstoren, worden door natuurlijke selectie meestal weggefilterd. Als eenzelfde stukje DNA bij mens, muis en zebravis al miljoenen jaren ongewijzigd blijft, is de kans groot dat een verandering daar problemen oplevert.
Om dat principe te automatiseren, bouwden de onderzoekers een genoommodel: een kunstmatig-intelligentiesysteem dat is getraind om DNA-letters te voorspellen op basis van hun omgeving, vergelijkbaar met hoe taalmodellen als ChatGPT woorden voorspellen. Bestaande genoommodellen presteerden echter opvallend vaak slechter dan veel eenvoudigere, klassieke rekenmodellen uit de evolutiebiologie, vooral bij het beoordelen van regelgevende DNA-stukjes buiten de genen.
Bouwplan van 100 miljoen jaar evolutie
GPN-Star lost dat op door de bouw van het model zelf aan te passen aan de evolutietheorie. Het systeem krijgt niet alleen menselijk DNA te zien, maar ook een genoom-alignment: een uitlijning waarin dezelfde stukjes DNA van tientallen tot honderden soorten naast elkaar zijn gelegd. Daarbovenop krijgt het model de stamboom van die soorten mee, zodat het weet welke soorten nauw verwant zijn en welke ver uit elkaar liggen in de evolutie. Door die twee databronnen te combineren, leert het model per DNA-positie inschatten hoe streng die door de evolutie wordt bewaakt.
De onderzoekers trainden drie versies van het model: één gericht op gewervelde dieren, één op zoogdieren en één specifiek op primaten. Elke tijdschaal blijkt geschikt voor andere taken. Het model dat naar diepe, miljoenen jaren oude verwantschap kijkt, is sterker in het beoordelen van eiwitcoderend DNA. Het primatenmodel, dat juist recente evolutie bestudeert, blijkt beter in het opsporen van schadelijke varianten in niet-coderend DNA, dat een groot deel van het genoom beslaat maar nog relatief onbegrepen is.
Betere voorspellingen voor patiënten
In tests scoorde GPN-Star beter dan eerdere methodes bij het herkennen van ziekmakende mutaties uit medische databanken zoals ClinVar en OMIM, en bij het duiden van varianten uit grote bevolkingsonderzoeken naar erfelijke aandoeningen. Ook wist het model beter te verklaren welk deel van erfelijke eigenschappen, zoals lichaamslengte of ziekterisico, samenhangt met specifieke stukjes DNA. Dat kan onderzoekers helpen bij het opsporen van genetische oorzaken van veelvoorkomende aandoeningen zoals diabetes of hart- en vaatziekten.
Om te laten zien dat de aanpak breder bruikbaar is, trainden de onderzoekers vergelijkbare modellen voor de muis, de kip, de fruitvlieg, de made-achtige worm C. elegans en de zandraket, een veelgebruikte proefplant. Ook daar verbeterden de voorspellingen. Volgens de onderzoekers is de methode daarmee klaar om ingezet te worden naarmate er steeds meer genomen van verschillende soorten in kaart worden gebracht.
Achtergrond & begrippen
Wat betekent dit voor de toekomst? Modellen als GPN-Star kunnen artsen en onderzoekers helpen om sneller te bepalen of een DNA-afwijking bij een patiënt daadwerkelijk een ziekte veroorzaakt, iets wat nu vaak nog handmatig en tijdrovend gebeurt. Op termijn kan dat bijdragen aan snellere diagnoses bij zeldzame erfelijke aandoeningen en aan beter begrip van de genetische basis van veelvoorkomende ziekten.
- GPN-Star
- Het in dit artikel beschreven AI-model dat DNA-uitlijningen van meerdere soorten combineert met een stamboom om te voorspellen hoe schadelijk een mutatie is.
- Genoommodel
- Een AI-systeem dat, net als een taalmodel, leert voorspellen welke DNA-letter op een bepaalde plek hoort te staan, en zo evolutionaire beperkingen in kaart brengt.
- Genoom-alignment
- Het naast elkaar uitlijnen van overeenkomstige DNA-stukken van verschillende soorten, waardoor zichtbaar wordt welke delen door evolutie zijn behouden.
- Fylogenetica
- De wetenschap die verwantschap tussen soorten in kaart brengt, vaak weergegeven als een stamboom (species tree).
- Zelfgesuperviseerd leren
- Een manier van machine learning waarbij een model leert door ontbrekende delen van data (hier: DNA-letters) te voorspellen, zonder dat mensen elk voorbeeld hoeven te labelen.
- Genoombrede associatiestudie
- Een grootschalig onderzoek waarbij het DNA van veel mensen wordt vergeleken om te ontdekken welke genetische varianten samenhangen met een ziekte of eigenschap.
- ClinVar, OMIM en HGMD
- Internationale databanken waarin bekende, medisch relevante DNA-mutaties en hun effecten zijn verzameld.
Bronnen
Dit artikel is met behulp van AI geschreven op basis van bovenstaande bronnen en is geen letterlijke vertaling. Zo werkt onze redactie.
