Minibinder: het kleinste stukje kunstmatig ontworpen leven dat precies past op zijn doelwit
Stel je een sleutel voor die niet in een fabriek is gefreesd, maar door een computer is ontworpen om exact op één specifiek slot te passen — en dat slot bestaat uit een eiwit in je lichaam, een virus of een gifstof. Zo'n sleutel is een minibinder: een piepklein, kunstmatig ontworpen eiwit dat is gemaakt om zich met grote precisie te hechten aan een ander, vooraf gekozen eiwit. Waar de natuur miljoenen jaren nodig had om via evolutie eiwitten te ontwikkelen die op elkaar passen, doen onderzoekers dit nu in een paar dagen met behulp van kunstmatige intelligentie.
Het bijzondere aan een minibinder is niet alleen dát hij bindt, maar hoe klein en doelgericht hij is. Het menselijk lichaam maakt voor dit soort taken van nature antilichamen aan: grote, complexe eiwitten die indringers herkennen en neutraliseren. Een minibinder is daarentegen piepklein — vaak niet meer dan een fractie van de grootte van een antilichaam — en volledig door de computer bedacht, zonder dat er ooit een levend organisme aan te pas is gekomen. Dat maakt minibinders in potentie goedkoper te maken, sneller te ontwerpen en makkelijker aan te passen dan hun natuurlijke tegenhangers.
Wat is het precies?
Om te snappen wat een minibinder is, helpt het om eerst te weten wat een eiwit is. Een eiwit is een lange keten van bouwstenen die aminozuren heten. Er bestaan twintig soorten aminozuren, en de volgorde waarin ze aan elkaar zitten, bepaalt hoe de keten in de ruimte opvouwt tot een driedimensionale vorm. Die vorm bepaalt op zijn beurt wat het eiwit kan doen: sommige eiwitten knippen andere moleculen door, sommige geven signalen door, en sommige binden simpelweg aan een ander eiwit — precies zoals een sleutel in een slot past.
Lange tijd was het extreem moeilijk om te voorspellen welke aminozuurvolgorde tot welke driedimensionale vorm leidt, laat staan om zelf een nieuwe volgorde te bedenken die een gewenste vorm oplevert. Die situatie veranderde met de komst van AI-systemen voor eiwitvoorspelling, zoals AlphaFold, die konden voorspellen hoe een gegeven aminozuurketen zou opvouwen. Onderzoekers, met name in het laboratorium van bioloog David Baker aan de University of Washington, draaiden dit probleem vervolgens om: in plaats van een vorm te voorspellen bij een gegeven sequentie, wilden ze een sequentie ontwerpen bij een gewenste vorm.
Daarvoor gebruiken ze twee stappen. Eerst genereert een zogeheten diffusiemodel — een type AI-model dat ook wordt gebruikt om afbeeldingen te genereren, hier toegepast op moleculaire structuren en bekend onder de naam RFdiffusion — een nieuwe, nog lege driedimensionale vorm (een 'scaffold' of geraamte) die goed op het doelwiteiwit zou moeten passen. Vervolgens bedenkt een tweede model, ProteinMPNN, welke aminozuurvolgorde die specifieke vorm daadwerkelijk zou opleveren als de keten opvouwt. Tot slot wordt met structuurvoorspellingssoftware gecontroleerd of het ontwerp waarschijnlijk klopt, voordat het in het lab wordt getest.
Die laboratoriumtest is onmisbaar: een computerontwerp is een voorspelling, geen garantie. Onderzoekers maken doorgaans duizenden tot tienduizenden ontwerpvarianten tegelijk, bouwen die in via gistcellen (een techniek die 'gist-display' heet) en meten vervolgens welke varianten daadwerkelijk en het sterkst aan het doelwit binden. Slechts een klein deel van de ontwerpen werkt goed genoeg, maar omdat het hele proces grotendeels geautomatiseerd is, is dat geen onoverkomelijk probleem.
Qua grootte is het verschil met een antilichaam groot: een antilichaam bestaat uit honderden aminozuren en weegt ruwweg 150 kilodalton (een eenheid voor molecuulgewicht), terwijl een typische minibinder slechts zo'n vijftig tot vijfenzestig aminozuren telt. Kleiner betekent hier niet per se zwakker — sommige minibinders binden even sterk of sterker dan natuurlijke antilichamen — maar wel eenvoudiger te produceren, bijvoorbeeld in bacteriën of gist, zonder de kostbare celkweeksystemen die voor antilichamen nodig zijn.
Wat wil men ermee bereiken?
De belangrijkste drijfveer achter minibinders is snelheid en toegankelijkheid. Het ontwikkelen van een nieuw antilichaam tegen bijvoorbeeld een virus kan maanden tot jaren duren en vergt gespecialiseerde productiefaciliteiten. Onderzoekers hopen dat het ontwerpen van een minibinder, dankzij de computationele aanpak, in de toekomst binnen dagen tot weken kan, met een productieproces dat ook in minder gespecialiseerde laboratoria haalbaar is.
Concreet richten de toepassingen zich op een paar terreinen. Ten eerste geneesmiddelen: minibinders die virusdeeltjes blokkeren voordat ze cellen kunnen infecteren, of die specifiek aan kankercellen binden om medicijnen daarheen te sturen. Ten tweede diagnostiek: minibinders kunnen dienen als herkenningsmolecuul in sneltesten of biosensoren, vergelijkbaar met hoe antilichamen nu al in zwangerschapstesten worden gebruikt. Ten derde fungeren ze als onderzoeksgereedschap, waarmee wetenschappers eiwitten in cellen kunnen volgen, blokkeren of activeren om beter te begrijpen hoe biologische processen werken.
Op de achtergrond speelt een bredere ambitie mee: het 'programmeerbaar' maken van biologie. Als je met software kunt bepalen welk eiwit waaraan bindt, ontstaat in theorie een gereedschapskist waarmee op maat gemaakte biologische oplossingen sneller en goedkoper te ontwikkelen zijn dan met traditionele methoden. Dat is een belofte, geen voldongen feit — en de weg van laboratoriumresultaat naar goedgekeurd product is in de geneeskunde traditioneel lang en onzeker.
Voorbeelden uit de praktijk
Een van de bekendste vroege demonstraties verscheen in 2020, toen onderzoekers onder leiding van het Baker-lab in het tijdschrift Science beschreven hoe ze volledig nieuw ontworpen minibinders hadden gemaakt tegen het spike-eiwit van SARS-CoV-2, het virus dat covid-19 veroorzaakt. Deze minibinders bonden met extreem hoge sterkte (in de picomolaire orde van grootte, een maat voor zeer sterke binding) aan het spike-eiwit en konden in celkweek en diermodellen virusdeeltjes neutraliseren. Ze werden gepresenteerd als kandidaat voor een goedkoop te produceren neusspray tegen infectie, al is een dergelijk product voor zover bekend niet als goedgekeurd geneesmiddel op de markt gekomen.
In 2023 publiceerde het Baker-lab samen met collega's in Nature de RFdiffusion-methode zelf, met daarin demonstraties van minibinder-ontwerp tegen uiteenlopende doelwitten, waaronder eiwitten die een rol spelen bij ontstekingen en celsignalering. Deze publicatie geldt als een belangrijke mijlpaal omdat ze liet zien dat de aanpak niet beperkt is tot één ziekteverwekker, maar in principe op vrijwel elk eiwit met een bekende structuur toepasbaar is.
Ook rond griep is gewerkt aan minibinders die zich hechten aan hemagglutinine, het eiwit waarmee griepvirussen cellen binnendringen, met als doel breed inzetbare antivirale middelen te ontwikkelen die niet steeds hoeven te worden aangepast aan nieuwe griepvarianten.
Een recenter voorbeeld, rond 2025, betreft onderzoek naar computationeel ontworpen eiwitten die gifstoffen uit slangenvenijn neutraliseren. Slangenbeten veroorzaken wereldwijd jaarlijks veel sterfgevallen, mede omdat bestaande tegengiffen duur zijn en dierlijk serum vereisen. Onderzoekers verkennen of kleine, goedkoop te produceren ontworpen eiwitten zulke gifstoffen kunnen binden en onschadelijk maken; de resultaten uit diermodellen worden veelbelovend genoemd, al is grootschalige klinische toepassing bij mensen nog niet aan de orde.
Hoe ver is de techniek?
Minibinders bevinden zich grotendeels nog in de onderzoeksfase. De meeste gepubliceerde successen zijn aangetoond in reageerbuizen (in vitro) en in diermodellen zoals muizen (in vivo); voor zover bekend zijn er nog geen minibinders die als goedgekeurd geneesmiddel bij mensen worden toegepast. De stap van veelbelovend labresultaat naar een middel dat veilig en effectief is bevonden in klinisch onderzoek bij mensen, is in de geneeskunde doorgaans de langste en meest onzekere fase.
Toch is de erkenning voor het onderliggende vakgebied groot: in 2024 ontving David Baker de Nobelprijs voor de Scheikunde, gedeeld met Demis Hassabis en John Jumper van Google DeepMind, voor hun werk aan respectievelijk het ontwerpen en het voorspellen van eiwitstructuren. Dat onderstreept dat de wetenschappelijke basis onder minibinders als solide wordt beschouwd, ook al is het toepassingsgebied nog volop in ontwikkeling.
Er wordt ook geïnvesteerd in het naar de kliniek brengen van deze technologie: in 2024 werd Xaira Therapeutics opgericht, een bedrijf dat met naar verluidt ongeveer een miljard dollar aan startkapitaal AI-gedreven eiwitontwerp wil gebruiken om nieuwe geneesmiddelen te ontwikkelen. Belangrijke openstaande vragen zijn onder meer hoe het menselijk immuunsysteem reageert op deze kunstmatige eiwitten (immunogeniciteit — de kans dat het lichaam ze als lichaamsvreemd herkent en een afweerreactie oproept), hoe productie op grote, betaalbare schaal het beste kan worden georganiseerd, en hoe lang minibinders stabiel en werkzaam blijven in het lichaam.
Wie werken eraan?
Het Institute for Protein Design aan de University of Washington, onder leiding van David Baker, geldt als het belangrijkste centrum voor deze technologie en heeft de meeste baanbrekende publicaties over minibinders op zijn naam staan, vaak in samenwerking met onderzoeksgroepen in andere landen. De software die hierbij wordt gebruikt, RFdiffusion en ProteinMPNN, is open source, wat betekent dat onderzoeksgroepen wereldwijd — van universiteiten tot biotechbedrijven — deze gereedschappen vrij kunnen gebruiken en uitbreiden, waardoor het veld snel groeit buiten de oorspronkelijke ontwikkelaars om.
Op commercieel vlak probeert Xaira Therapeutics als spinout van dit onderzoek AI-gedreven eiwitontwerp te vertalen naar geneesmiddelen. In de bredere context van AI en eiwitten opereren ook partijen als Isomorphic Labs, een dochterbedrijf van Google DeepMind dat zich richt op het ontdekken van geneesmiddelen met behulp van AlphaFold-achtige technologie; dat is niet hetzelfde specialisme als minibinder-ontwerp, maar illustreert wel hoe breed de belangstelling voor computationeel eiwitontwerp inmiddels is. Overheden en universiteiten in onder meer de Verenigde Staten investeren daarnaast in fundamenteel onderzoek op dit terrein, mede aangewakkerd door de aandacht die de Nobelprijs van 2024 heeft gegenereerd.