AI & computing › AI-gestuurde wetenschappelijke ontdekkingen
AI leest eiwitbewegingen af aan ontbrekende signalen in NMR-data
Amerikaanse onderzoekers hebben een AI-model gebouwd dat voorspelt hoe eiwitten in duizendsten van seconden van vorm veranderen. De truc: het model kijkt naar signalen die juist ontbreken in meetgegevens, en leert daaruit waar een eiwit in beweging is.
Eiwitten zijn geen starre bouwstenen. Veel van hun functie hangt af van kleine, snelle vormveranderingen die enzymen laten werken of medicijnen laten binden. Deze beweging speelt zich af binnen microseconden tot milliseconden en is extreem lastig te meten. Een team van Scripps Research, het Howard Hughes Medical Institute en het Massachusetts Institute of Technology (MIT) publiceerde in Nature een nieuwe aanpak om deze eiwitconformatie-veranderingen toch systematisch in kaart te brengen, met hulp van kunstmatige intelligentie.
Wat ontbreekt, vertelt ook een verhaal
De onderzoekers gebruikten kernspinresonantie, beter bekend als NMR-spectroscopie. Deze techniek meet hoe atoomkernen in een eiwit reageren op een magnetisch veld en levert zo een soort vingerafdruk van elk aminozuur op. Het probleem: als een deel van het eiwit snel beweegt, vervaagt het signaal van die specifieke atomen zo erg dat het niet meer wordt herkend. In de praktijk betekent dit dat sommige aminozuren in gepubliceerde NMR-data gewoon ontbreken.
In plaats van die ontbrekende data als ruis te zien, draaiden de onderzoekers de logica om. Ze namen aan dat een missend signaal juist een teken is van snelle beweging. Op basis van meer dan honderd bestaande NMR-datasets en gegevens van ongeveer tienduizend eiwitten uit de Biological Magnetic Resonance Data Bank (BMRB) trainden ze verschillende deep learning-modellen om te voorspellen welke aminozuren een ontbrekend signaal zouden krijgen.
Dyna-1 herkent functie in beweging
Het best presterende model kregen de onderzoekers de naam Dyna-1. Het bouwt voort op een tussenlaag van ESM-3, een groot eiwittaalmodel dat oorspronkelijk is getraind om eiwitstructuren te herkennen en te ontwerpen. Opvallend is dat Dyna-1 niet alleen goed voorspelt welke signalen zouden ontbreken, maar ook daadwerkelijk gemeten beweeglijkheid uit aparte NMR-experimenten benadert. Dat is een sterke aanwijzing dat het model iets biologisch zinvols oppikt, en niet alleen een technisch meetartefact.
Nog interessanter: de aminozuren die volgens Dyna-1 het meest bewegen, blijken vaak precies de plekken te zijn die betrokken zijn bij enzymwerking en het binden van andere moleculen, functies die essentieel zijn voor hoe een eiwit werkt in het lichaam. Deze plekken zijn in de evolutie bovendien sterker behouden gebleven tussen verschillende soorten, wat erop wijst dat de beweeglijkheid zelf functioneel belangrijk is en niet toevallig.
Voor de ontwikkeling van medicijnen en het begrijpen van ziekteprocessen is dit potentieel waardevol. Veel bestaande voorspelmodellen, zoals die voor eiwitstructuurvoorspelling, leveren een enkele, statische vorm op. Dyna-1 voegt daar een tijdsdimensie aan toe: niet alleen hoe een eiwit eruitziet, maar ook waar en hoe snel het beweegt. De onderzoekers noemen hun dataset en model een stap richting het ontrafelen van de gezamenlijke taal van eiwitbeweging en eiwitfunctie.
Achtergrond & begrippen
Wat betekent dit voor de toekomst? Als AI-modellen straks routinematig kunnen voorspellen waar en hoe eiwitten bewegen, geeft dat medicijnontwikkelaars een preciezer beeld van hoe enzymen en receptoren werken. Dat kan helpen bij het ontwerpen van medicijnen die inspelen op de dynamiek van een eiwit in plaats van alleen op zijn vaste vorm.
- NMR-spectroscopie
- Een meettechniek die de reactie van atoomkernen op een magnetisch veld gebruikt om de structuur en beweging van moleculen zoals eiwitten te bestuderen.
- Eiwitconformatie
- De ruimtelijke vorm die een eiwit op een gegeven moment aanneemt; eiwitten kunnen tussen meerdere conformaties wisselen.
- Deep learning
- Een vorm van machine learning met meerlaagse neurale netwerken, waarmee computers patronen leren herkennen in grote hoeveelheden data.
- Eiwittaalmodel
- Een AI-model dat eiwitten behandelt als een soort taal, waarbij de volgorde van aminozuren wordt geanalyseerd om structuur en eigenschappen te voorspellen.
- Eiwitstructuurvoorspelling
- Het met computermodellen berekenen van de driedimensionale vorm van een eiwit op basis van zijn aminozuurvolgorde.
Bronnen
Dit artikel is met behulp van AI geschreven op basis van bovenstaande bronnen en is geen letterlijke vertaling. Zo werkt onze redactie.
