Sequentie-energielandschap: hoe computers de bouwplannen van eiwitten doorzoeken
Een sequentie-energielandschap is een manier om na te denken over alle mogelijke varianten van een eiwit tegelijk. Een eiwit is opgebouwd uit een lange keten van bouwstenen, aminozuren genoemd, en de volgorde daarvan bepaalt hoe het eiwit zich opvouwt tot een 3D-vorm en wat het kan doen. Verander je op één plek een aminozuur, dan krijg je een net iets andere keten: een nieuw punt in een denkbeeldig landschap. De "hoogte" op elk punt in dat landschap staat voor de energie die nodig is om die specifieke keten stabiel te laten opvouwen. Lage punten, dalen dus, zijn sequenties die vanzelf een stabiele, functionele vorm aannemen. Hoge punten zijn sequenties die instabiel zijn of helemaal niet goed vouwen.
Een handige vergelijking is een enorme kookboekencollectie waarin elk recept bijna identiek is aan het buurrecept, op één ingrediënt na. De meeste van die miljarden varianten leveren een mislukt gerecht op: te taai, uit elkaar vallend, oneetbaar. Maar hier en daar, verspreid over die enorme verzameling, liggen recepten die wél werken, en soms zelfs beter dan het origineel. Onderzoekers die aan eiwitontwerp werken, proberen met computers die goede recepten te vinden zonder ze allemaal een voor een te hoeven uitproberen. Dat is precies waar het begrip sequentie-energielandschap voor gebruikt wordt: als denkkader en als rekenmodel om te voorspellen welke sequenties de moeite waard zijn om in het laboratorium te testen.
Wat is het precies?
Een eiwit bestaat doorgaans uit enkele tientallen tot enkele duizenden aminozuren, gekozen uit een set van twintig verschillende soorten. Voor een eiwit van pakweg driehonderd aminozuren lang zijn er in theorie 20 tot de macht 300 mogelijke volgordes: een getal met honderden nullen, vele malen groter dan het aantal atomen in het heelal. Die verzameling van alle mogelijke volgordes heet de sequentieruimte. Het overgrote deel van die ruimte bestaat uit onzin: ketens die niet stabiel vouwen of geen enkele functie hebben. Het sequentie-energielandschap is de koppeling tussen elk punt in die ruimte en een energiewaarde, meestal de vrije energie die vrijkomt of nodig is bij het vouwen.
Dit concept bouwt voort op oudere natuurkunde uit de jaren negentig, met name het werk van biofysici als Peter Wolynes, José Onuchic en Ken Dill over zogeheten "folding funnels": trechtervormige energielandschappen waarin een eiwit als vanzelf naar de laagste energie-toestand afglijdt tijdens het vouwen. Nieuw is dat onderzoekers dit landschap tegenwoordig niet alleen gebruiken om te begrijpen hoe een bestaand eiwit vouwt, maar ook om actief te zoeken naar nieuwe sequenties met een gewenste eigenschap.
Om dat landschap te doorzoeken zijn verschillende rekenmethoden ontwikkeld. Klassieke ontwerpsoftware zoals Rosetta gebruikt een wiskundige energiefunctie die inschat hoe gunstig een bepaalde sequentie-structuurcombinatie is, en past de sequentie stap voor stap aan om een lagere energie te vinden. Modernere gereedschappen pakken het anders aan. ProteinMPNN, ontwikkeld in het laboratorium van David Baker aan de Universiteit van Washington en gepubliceerd in 2022, werkt "omgekeerd": je geeft het de gewenste 3D-vorm op en het model zoekt daar een passende aminozuurvolgorde bij, met behulp van een neuraal netwerk dat getraind is op duizenden bekende eiwitstructuren. RFdiffusion, van dezelfde onderzoeksgroep en gepubliceerd in Nature in 2023, gaat nog een stap verder: het gebruikt een diffusiemodel, dezelfde techniek die ook achter beeldgeneratie-AI zit, om vanuit ruis geheel nieuwe eiwitstructuren en bijbehorende sequenties te genereren. Weer een andere aanpak komt van taalmodellen zoals ESM van Meta AI: die worden getraind op miljoenen natuurlijke eiwitsequenties en leren daaruit statistische patronen die aangeven welke aminozuren op welke posities "logisch" samen voorkomen, wat indirect iets zegt over stabiliteit en functie.
Wat wil men ermee bereiken?
Het uiteindelijke doel is eiwitten te ontwerpen die iets nuttigs doen, sneller en gerichter dan met traditionele methoden. Van oudsher gebeurde eiwitontwerp vooral via gerichte evolutie: je laat een bacterie of gist talloze willekeurige mutaties maken, selecteert de varianten die iets beter presteren, en herhaalt dat proces vele generaties lang. Dat werkt, maar is traag en doorzoekt maar een piepklein stukje van de totale sequentieruimte. Met een goed model van het energielandschap hopen onderzoekers gerichter naar veelbelovende gebieden te kunnen springen, in plaats van blind rond te tasten.
Concrete toepassingen liggen op meerdere terreinen. In de geneeskunde wil men nieuwe antilichamen en enzymremmers ontwerpen voor ziektes waar bestaande medicijnen tekortschieten. In de biotechnologie wil men industriële enzymen maken die stabieler zijn bij hoge temperatuur of die chemische reacties versnellen die van nature niet of nauwelijks voorkomen. Er is ook een diagnostische kant: door te begrijpen hoe een specifieke mutatie het energielandschap van een eiwit verschuift, kunnen onderzoekers beter voorspellen of die mutatie een ziekte veroorzaakt, bijvoorbeeld doordat een eiwit daardoor verkeerd vouwt en klontert, zoals bij sommige neurodegeneratieve aandoeningen wordt vermoed. Tot slot spelen duurzaamheidsdoelen mee: enzymen die plastic afbreken of CO2 vastleggen zouden industriële processen milieuvriendelijker kunnen maken.
Voorbeelden uit de praktijk
AlphaFold2 (DeepMind) veroorzaakte in 2020 een doorbraak op de wetenschappelijke wedstrijd CASP14 door met verrassende nauwkeurigheid 3D-structuren van eiwitten te voorspellen op basis van hun sequentie; de wetenschappelijke publicatie volgde in 2021 in Nature. Dit werk richt zich niet direct op het ontwerpen van nieuwe sequenties, maar legde wel de basis voor de daaropvolgende ontwerpmodellen, omdat het liet zien dat neurale netwerken de relatie tussen sequentie en structuur goed konden leren.
ProteinMPNN, gepubliceerd in 2022 door de onderzoeksgroep van David Baker, wordt inmiddels breed gebruikt om bij een gewenste eiwitvorm passende sequenties te vinden, en geldt als een van de meest gebruikte gereedschappen in het veld.
RFdiffusion, eveneens uit het Baker-lab en gepubliceerd in Nature in 2023, maakte het mogelijk om volledig nieuwe, niet in de natuur voorkomende eiwitstructuren te genereren, waaronder experimentele bindeiwitten voor virussen en toxines.
De ESM-taalmodellen van Meta AI (met ESM-2 in 2022) leerden patronen uit miljoenen natuurlijke eiwitsequenties. De spin-off EvolutionaryScale, opgericht door voormalige Meta-onderzoekers, bracht in 2024 het opvolgermodel ESM3 uit, dat behalve sequentie ook structuur en functie in één model probeert te combineren.
Op industriële schaal ontwikkelt het Franse bedrijf Carbios al langer geoptimaliseerde PETase-enzymen om PET-plastic af te breken tot herbruikbare grondstoffen; het bedrijf werkte de afgelopen jaren aan de opschaling van deze technologie naar een industriële fabriek in Frankrijk, al verliep dat traject, zoals vaker bij opschaling van nieuwe biotechnologie, met vertragingen ten opzichte van eerdere planningen.
Hoe ver is de techniek?
Sinds de doorbraak van AlphaFold in 2020 is het tempo in dit vakgebied hoog. Wat vroeger jaren aan laboratoriumwerk kostte, kan nu voor bepaalde vragen in dagen of weken met een computer worden voorverkend. Toch is het belangrijk om de beperkingen eerlijk te benoemen.
Ten eerste voorspellen deze modellen vooral stabiliteit goed: of een sequentie waarschijnlijk netjes opvouwt. Of een ontworpen eiwit ook daadwerkelijk de gewenste functie uitvoert, zoals een specifieke chemische reactie versnellen of aan een bepaald doelwit binden, is veel lastiger te voorspellen en vereist nog altijd uitgebreide laboratoriumtests. Een groot deel van de computationeel voorgestelde ontwerpen blijkt bij die tests niet te werken zoals gehoopt, of laat zich in de praktijk niet goed produceren in cellen.
Ten tweede zijn de modellen sterk afhankelijk van de data waarop ze getraind zijn, veelal bestaande, in de natuur geëvolueerde eiwitten. Voor eiwitfamilies waarvan weinig voorbeelden bekend zijn, of voor totaal nieuwe soorten functies, is de voorspelkracht een stuk onzekerder. Er bestaat ook een risico op vertekening: modellen kunnen patronen overnemen die toevallig zijn ontstaan tijdens de evolutie, zonder dat die relevant zijn voor de gewenste toepassing.
Ten derde blijft experimentele validatie onmisbaar. Onderzoekers zien het huidige gereedschap vooral als een manier om de hoeveelheid te testen kandidaten drastisch te verkleinen, niet als vervanging van laboratoriumwerk. Het vakgebied bevindt zich dus in een fase van snelle vooruitgang, maar nog niet van routinematige, gegarandeerde ontwerpsuccessen.
Wie werken eraan?
DeepMind (onderdeel van Google) blijft actief met opvolgers van AlphaFold, gericht op steeds bredere voorspellingen van moleculaire interacties. Het Institute for Protein Design aan de Universiteit van Washington, onder leiding van David Baker, geldt als een van de meest invloedrijke centra voor computationeel eiwitontwerp. Baker ontving hiervoor in 2024 de Nobelprijs voor de Scheikunde, die hij deelde met Demis Hassabis en John Jumper van DeepMind; de prijs erkende zowel het werk aan structuurvoorspelling als aan het actief ontwerpen van nieuwe eiwitten.
Meta AI (FAIR) ontwikkelde de ESM-modellenreeks, en oud-medewerkers zetten dat werk voort bij de spin-off EvolutionaryScale. Aan academische kant is bijvoorbeeld de groep van Debora Marks aan Harvard Medical School bekend van statistische, op evolutie gebaseerde modellen zoals EVcouplings, die voorspellen hoe mutaties de stabiliteit en functie van een eiwit beïnvloeden.
Ook de biotechsector investeert fors in dit terrein. Amerikaanse startups zoals Generate Biomedicines en Xaira Therapeutics passen AI-gedreven eiwitontwerp toe om nieuwe medicijnkandidaten te ontwikkelen. In Europa speelt het European Bioinformatics Institute (EMBL-EBI) een belangrijke rol door, in samenwerking met DeepMind, de openbaar toegankelijke AlphaFold-database te hosten, waarmee onderzoekers wereldwijd gratis gebruik kunnen maken van voorspelde eiwitstructuren.