Google versnelt eiwitvoorspelling 8,6 keer, op zoek naar gerichtere kankertherapie

Om een medicijn te ontwikkelen dat specifiek kankercellen aanvalt, moeten onderzoekers eerst precies weten hoe eiwitten zich vouwen en aan elkaar vastklikken. Dat proces, eiwitstructuurvoorspelling genoemd, kost normaal gesproken enorm veel rekenkracht, vooral als het doelmolecuul groot is. Computers moeten talloze mogelijke vouwingen doorrekenen voordat duidelijk wordt of een nieuw ontworpen eiwit zich daadwerkelijk aan de juiste plek vastzet.

Onderzoekers van Google Research hebben nu een truc gevonden om dat sneller te doen. In plaats van de hele structuur van een doeleiwit te berekenen, richt hun nieuwe methode, 'chirurgische epitoop-excisie' genoemd, zich alleen op het kleine gebied waar het ontworpen eiwit zich naar verwachting aan vastzet. Door die focus versnelde de voorspelling van eiwitstructuren met een factor 8,6, zonder dat de nauwkeurigheid daaronder leed, meldt Google.

Eiwitten die tumorweefsel herkennen

Als testcase koos het team fibroblast activation protein alpha (FAP), een eiwit dat vaak voorkomt in het weefsel rond solide tumoren. Eiwitten die zich daar stevig aan vastklampen, zogeheten binders, zouden behandelingen in de toekomst preciezer kunnen richten op kankerweefsel, met minder schade aan gezonde cellen.

De onderzoekers testten hun computerontworpen kandidaten ook echt in het laboratorium. Met technieken als yeast surface display en fluorescence-activated cell sorting, methodes waarmee je snel duizenden varianten van een eiwit kunt screenen op hun bindingsgedrag, selecteerden ze de meest veelbelovende moleculen. De sterkste kandidaten bonden zich extreem strak aan FAP, met een zogeheten nanomolaire bindingsaffiniteit, een maat voor hoe hecht twee moleculen aan elkaar plakken. Bij een los experiment waarbij een onderzoeker met hulp van een AI-agent werkte, lag het percentage geslaagde ontwerpen bijna twee keer zo hoog als bij een onderzoeker die alleen werkte, met een gelijke hoeveelheid rekenkracht.

Ook robots en DNA-moleculen doen mee

De eiwitstudie maakt deel uit van een breder pakket aan Google-projecten waarin AI-agents worden ingezet om biologische moleculen te ontwerpen, experimenten te analyseren en laboratoriumapparatuur te bedienen. In een los project verbeterden agents DNA-aptameren, korte DNA-stukjes die zich kunnen vouwen tot een vorm die aan een specifiek eiwit hecht. Na drie testrondes van telkens zeven tot tien dagen steeg het percentage geslaagde treffers tot 33,5 procent voor het eiwit myoglobine en 42,1 procent voor alfa-thrombine, met een specificiteit van 98,5 procent.

Daarnaast introduceerde Google VERID, een digitale kopie van het laboratorium die apparatuur, vloeistofvolumes en materialen bijhoudt. Daarmee kunnen agents een procedure virtueel uittesten en fouten opsporen voordat een robotarm daadwerkelijk iets doet. Google benadrukt dat de drie projecten losse proeven zijn: de eiwitbinders zijn nog niet bewezen als kankerbehandeling. Het bedrijf wil de technieken uiteindelijk combineren, met menselijk toezicht en biosecurity-controles om misbruik te voorkomen.