Nieuw AI-model voorspelt of medicijnen tegen borstkanker werken

Het ontwikkelen van nieuwe medicijnen tegen kanker kost vaak jaren en gaat gepaard met veel mislukte experimenten. Een team van wetenschappers, verbonden aan onder meer Chinese onderzoeksinstituten, probeert dat proces te versnellen met een AI-model dat het gedrag van cellen nabootst: een zogeheten digital twin van de cel, maar dan gebaseerd op eiwitten in plaats van op uiterlijke kenmerken. Het model heet ProteinTalks en is beschreven in het wetenschappelijke tijdschrift Nature.

Miljoenen metingen aan eiwitten

Voor de training van het model bestookten de onderzoekers borstkankercellen in het lab met allerlei verstoringen, zoals verschillende medicijnen. Vervolgens maten ze telkens hoe de hoeveelheid van duizenden verschillende eiwitten in die cellen veranderde over tijd. Dat leverde meer dan 38 miljoen afzonderlijke metingen op met een massaspectrometer, een instrument dat moleculen kan wegen en zo identificeren. Eiwitten zijn de werkpaarden van de cel: ze voeren vrijwel alle taken uit, van signalen doorgeven tot stofwisseling. Het totaal aan eiwitten in een cel wordt ook wel het proteoom genoemd. Door te volgen hoe dat proteoom verandert wanneer een cel onder druk wordt gezet, leerde het model patronen herkennen die voorspellen hoe een cel op een bepaalde behandeling reageert.

Van cellijn naar patiënt

Wat ProteinTalks onderscheidt van eerdere pogingen om cellen te simuleren, is de manier waarop het is getraind. Het model gebruikt een zogeheten foundation model-aanpak: eerst leert het algemene patronen uit de enorme hoeveelheid data, waarna het voor specifieke taken wordt bijgeschaafd. Zo kan het model onder meer voorspellen hoe effectief een medicijn is, welke combinaties van medicijnen goed samenwerken, welke eiwitten resistentie tegen een behandeling veroorzaken en welke patiënten waarschijnlijk baat hebben bij een bepaalde therapie.

Belangrijk is dat het model niet alleen werkt op de kunstmatige cellijnen waarmee het is getraind. De onderzoekers testten ProteinTalks ook op organoïden, piepkleine mini-orgaantjes gekweekt uit patiëntenweefsel, en op biopten uit de kliniek. Ook daar presteerde het model beter dan bestaande vergelijkingsmethoden. Dat suggereert dat de voorspellingen niet beperkt blijven tot het laboratorium, maar mogelijk ook relevant zijn voor de behandeling van echte patiënten.

Wat betekent dit voor kankerbehandeling

Voor de ontwikkeling van nieuwe kankermedicijnen kan zo'n model tijd en geld besparen. In plaats van duizenden stoffen fysiek te testen, kunnen onderzoekers eerst met de computer voorspellen welke kandidaten kansrijk zijn. Ook kan het model helpen bij het kiezen van de juiste behandeling voor individuele patiënten, doordat het inschat hoe hun tumor waarschijnlijk zal reageren. De onderzoekers benadrukken dat het gaat om een hulpmiddel dat laboratoriumexperimenten aanvult, niet vervangt: uiteindelijk moet elke voorspelling nog in de praktijk worden bevestigd.