De Nobelprijs voor de Scheikunde ging dit jaar naar een AI-model (en dat is meer dan terecht)

Het is lange tijd een grote uitdaging geweest in de biochemie: hoewel de genetische code onthult uit welke componenten een eiwit is opgebouwd, is het vaak moeilijk om erachter te komen hoe dat eiwit vouwt. Alphafold heeft daar verandering in gebracht. Voorspelt de structuur van een eiwit op basis van de bijbehorende DNA-code. “Alphafold leert van alle bekende eiwitstructuren die we door middel van experimenten hebben bepaald”, zegt professor moleculaire en cellulaire chemie Remus Dame. “Het kan extreem nauwkeurige voorspellingen doen.”

Dat is mogelijk dankzij de Protein Data Bank (PDB), een uitgebreide database waarin wetenschappers al jaren zorgvuldig alle driedimensionale structuren van eiwitten en de bijbehorende genetische code verzamelen. Omdat deze database zeer groot en consistent is, maakt dit Alphafold ook zeer nauwkeurig.

‘Een Nobelprijs is zeker gerechtvaardigd’

Volgens hoogleraar Kunstmatige Intelligentie en Medicinale Chemie Gerard van Westen heeft Alphafold een revolutie teweeggebracht in de wetenschap. ‘Deze erkenning is zeker terecht. Het is mooi om te zien dat computationele chemie nu echt als een belangrijk onderdeel van de chemie wordt beschouwd.’ Dame beaamt dit: ‘De reikwijdte van deze uitvinding binnen en buiten de chemie is enorm. Alphafold maakt complexe experimenten overbodig, waardoor we sneller de volgende stappen kunnen zetten.’

“De reikwijdte van deze uitvinding is enorm, zowel binnen als buiten de chemie.”

Alphafold in Leiden: snellere inzichten en betere voorspellingen

Voor Dame’s groep is het snel voorspellen van eiwitstructuren erg waardevol. “Dit helpt ons enorm om de functie van dit eiwit te bepalen.” Het past Alphafold ook toe om interacties tussen eiwitten en andere moleculen te voorspellen. ‘Op deze manier kunnen we kleine moleculen identificeren die zich binden aan eiwitten en bijvoorbeeld ongewenste functies blokkeren, wat ideeën oplevert voor nieuwe medicijnen. We voorspellen ook hoe verschillende eiwitten zich aan DNA binden en wat ze vervolgens doen: zoals het doorgeven van signalen, het aan- of uitzetten van genen, of het vouwen van DNA. Dit levert ons belangrijke informatie op over de processen in onze cellen.’

Ook binnen zijn onderzoeksgroep maakt Van Westen intensief gebruik van AlphaFold. “We gebruiken de voorspellingen om te simuleren hoe eiwitten zich gedragen en zoeken naar nieuwe doelwitten voor medicijnen.” Maar ze gebruiken AlphaFold ook om nieuwe medicijnen te ontwerpen: als je weet hoe een ziekteverwekkend eiwit eruit ziet, kun je ook een molecuul ontwerpen dat zich daar veel specifieker op aanpast. Van Westen: “Dit is zelfs met beperkte data mogelijk en biedt enorme nieuwe mogelijkheden voor medicijnontwikkeling.”

AI is hier om te blijven

Beide hoogleraren zien een toekomst waarin AI steeds meer wordt geïntegreerd in het dagelijkse werk van scheikundigen. Van Westen: ‘Toepassingen als AlphaFold en modellen die de “maakbaarheid” van moleculen voorspellen, zullen onderdeel worden van het dagelijkse werk van scheikundigen. Ze zullen bestaande methoden niet vervangen, maar bieden wel nieuwe mogelijkheden en waardevolle tools.’

Dame ziet het zo: ‘Onderzoekers kunnen in de toekomst eiwitstructuren gebruiken in hun onderzoek zonder dat daarvoor diepgaande kennis nodig is. Dit zal veel nieuwe inzichten opleveren in eiwitstructuren en -functies. Op cellulair niveau zal AI ons helpen patronen te herkennen die informatie verschaffen over veranderingen veroorzaakt door ziekten, medicijnen of genetische verschillen. Ik hoop dat zowel het fundamentele onderzoek als de ontwikkeling van medicijnen in een stroomversnelling komen.’

Headerafbeelding: Zo ziet Gerard van Westen de verschuiving in zijn vakgebied van “klassieke chemie naar moderne chemie die integreert met AI-toepassingen op de werkvloer.” Credits: Gerard van Westen. Zwart-witfotografie: stockbeeld, kleurenbeeld: AI