Met het oog op een wereldwijde pandemie was de race begonnen om behandelingen voor COVID-19 te ontwikkelen. Antilichaammoleculen waren een van de eerste effectieve behandelingen die werden ontwikkeld, waarbij onderzoekers ze uit het bloed van mensen haalden die waren hersteld van de ziekte. Het genereren van antilichamen met nuttige eigenschappen is echter een berucht arbeidsintensief proces dat vaak gepaard gaat met veel trial and error. Onderzoekers hopen al lang een shortcut te vinden, en nu lijken ze er een te hebben gevonden in de vorm van generatieve kunstmatige intelligentie (AI).
Een recente studie gepubliceerd in Nature Biotechnology heeft aangetoond dat generatieve AI het potentieel heeft om de ontwikkeling van antilichaamgeneesmiddelen tegen virussen zoals SARS-CoV-2 en ebolavirus te versnellen. De studie laat zien hoe AI sequenties kan suggereren die de potentie van antilichamen tegen deze virussen verhogen. De techniek is onderdeel van groeiende inspanningen om neurale netwerken toe te passen, zoals die achter het ChatGPT AI-platform, op antilichaamontwerp.
Antilichamen zijn eiwitten die door het immuunsysteem worden geproduceerd en pathogenen zoals virussen kunnen identificeren en neutraliseren. Ze zijn een favoriet van de biotechnologie-industrie omdat ze kunnen worden ontworpen om bijna aan elk denkbaar eiwit te binden om de activiteit ervan te manipuleren. Het genereren van antilichamen met nuttige eigenschappen en het verbeteren ervan vereist echter veel brute-force screening, wat tijdrovend en duur kan zijn.
Om te zien of generatieve AI het proces kan versnellen, gebruikten onderzoekers taalmodellen voor eiwitten – neurale netwerken vergelijkbaar met die gebruikt door het ChatGPT AI-platform. Eiwittaalmodellen worden getraind op tientallen miljoenen eiwitsequenties, in plaats van tekst. Hie en zijn team gebruikten een eiwittaalmodel – ontwikkeld door onderzoekers bij Meta AI, een onderdeel van tech-gigant Meta gevestigd in New York City – om een klein aantal mutaties voor antilichamen voor te stellen.
Het model was getraind op slechts enkele duizenden antilichaamsequenties, uit de bijna 100 miljoen eiwitsequenties die het heeft geleerd. Ondanks dit verhoogde een verrassend hoog percentage van de suggesties van de modellen de capaciteit van antilichamen tegen SARS-CoV-2, ebolavirus en influenza om aan hun doelen te binden.
Veel van de voorgestelde veranderingen aan antilichamen vinden plaats buiten de regio’s van het eiwit die interageren met het doelwit, die meestal het focuspunt zijn van engineering-inspanningen. Dit betekent dat het model informatie bereikt die vaak niet voor de hand ligt, zelfs niet voor experts in antilichaamengineering. De onderzoekers achter de studie geloven dat dit belangrijke implicaties heeft voor antilichaamontwerp, omdat generatieve AI kan helpen bij de ontwikkeling van geneesmiddelen voor doelen die zich verzetten tegen conventionele ontwerpbenaderingen.
Charlotte Deane, een immuno-informatica-onderzoeker aan de Universiteit van Oxford, gelooft dat generatieve AI zal worden gebruikt om geheel nieuwe antilichamen te creëren die binden aan een gewenst doelwit, in plaats van alleen bestaande antilichamen te verbeteren. Deze mogelijkheid kan onderzoekers helpen bij het ontwikkelen van geneesmiddelen voor moleculaire doelen die resistent zijn gebleken tegen andere antilichaam-ontwerpbenaderingen, zoals G-eiwit-gekoppelde receptoren – een familie van eiwitten die betrokken zijn bij neurologische aandoeningen, hartziekten en andere aandoeningen.
De hoop is dat generatieve AI in staat zal zijn om volledig nieuwe antilichamen te ontwerpen die een bepaald eiwit herkennen. Het belangrijkste probleem bij het doen hiervan is echter dat de mogelijkheid van antilichamen om een specifiek doelwit te herkennen afhankelijk is van flexibele lussen in de antilichaamstructuur. Deze interacties zijn moeilijk te modelleren met AI, zeggen onderzoekers.
Ondanks de uitdagingen heeft generatieve AI al laten zien dat het potentieel heeft om onderzoekers te helpen bij het versnellen van de ontwikkeling van antilichaamgeneesmiddelen. Het onderzoek uitgevoerd door Hie en zijn team toont aan dat AI mutaties kan suggereren die de potentie van antilichamen aanzienlijk verhogen. Dit is een belangrijke stap voorwaarts in de zoektocht naar een shortcut voor het langdurige en vaak kostbare proces van het ontwikkelen van effectieve antilichaamgeneesmiddelen.
