AI helpt zoeken naar een speld in een medicatiehooiberg

Nieuwe medicatie zoeken voor ziektes als kanker en HIV kost veel tijd. Heel veel tijd. Daarom pakt Muhamed Amin, universitair docent aan de University College Groningen, het anders aan. In deze aflevering van de JTS Scholars vertelt hij over de ontwikkeling van AI-algoritmes om geschikte medicatie te vinden in databases.

Tekst: Cecile Bruil (student Science Communication aan de Rijksuniversiteit Groningen)

Er zijn duizenden soorten moleculen, allemaal met een net iets andere structuur. Sommigen weten zich aan een eiwit te binden en anderen niet. Als een molecuul zich aan een verkeerd opgebouwd eiwit bindt, kan het eiwit tegengehouden worden. Zo voorkom je dat je ziek wordt. Een molecuul met een goede eiwitbinding kan dus mogelijk tot medicatie leiden.

Maar het vinden van een passend molecuul is een hele uitdaging. Amin zoekt op dit moment naar een geschikt molecuul dat zich kan binden aan het zogenaamde KRAS-eiwit. Een mutatie aan dit eiwit zorgt bij kankerpatiënten voor ongecontroleerde celdeling. ‘Als je een molecuul vindt dat zich aan een KRAS-eiwit bindt, dan kan je dat misschien als kankermedicatie gebruiken’, vertelt Amin.

Het eiwit werkt als een slot dat geopend moet worden. De moleculen waar je naar op zoek bent, bevinden zich aan een grote sleutelbos, waarvan de meeste sleutels niet in het slot passen. Met behulp van kunstmatige intelligentie (AI) kan Amin de passende sleutel zoeken zonder ze allemaal te proberen. ‘Wij scannen duizenden moleculen om een enkele te vinden die zich bindt’, vertelt hij. ‘In plaats van honderden moleculen te testen in het lab, beginnen wij met AI-voorspellingen.’

Modellen maken

Om deze voorspellingen te maken gebruikt Amin data, heel veel data. Deze data komen uit bestaande databases van bijvoorbeeld ChEMBL of Protein Data Bank. Vervolgens maakt hij een passend AI-model om die data te scannen. Dit is een computerprogramma dat getraind is om patronen in data te herkennen en daarmee voorspellingen te doen.

Volgens Amin is het lastig om een goed werkend model te maken. Dit vergt namelijk veel kennis en inzicht in AI. ‘Mensen denken vaak dat het een zwarte doos is waarbij je op de knop drukt en een antwoord krijgt. Zo werkt het niet, je moet echt begrijpen wat je doet’, zegt Amin.

Vooral het ontwikkelen van een AI-model dat de juiste molecuulsleutel voor het eiwitslot kan vinden, is een uitdaging. Dit komt doordat de database uit duizenden moleculen bestaat, terwijl slechts enkele daadwerkelijk aan het eiwit binden. Hierdoor kan het model die paar relevante moleculen gemakkelijk over het hoofd zien. ‘Als jouw model bijvoorbeeld precies alle tien de passende moleculen mist uit een totaal van duizend die niet passen, dan lijkt de nauwkeurigheid alsnog hoog, omdat je maar tien fouten hebt gemaakt,’ legt Amin uit. ‘Dat klinkt goed, maar dit betekent dat je model erg slecht is.’

Als een AI-model eenmaal goed werkt kan het worden ingezet voor verschillende ziektes, vertelt de universitair docent. Zo heeft hij hetzelfde model ingezet in projecten over HIV, Covid-19 en nog veel meer. Allemaal met hetzelfde principe; een AI-model dat de nuttige molecuulsleutels kan herkennen en de rest negeert.

Verschillende expertises

Wat dit project zo interessant voor Amin maakt, is dat het inzichten uit verschillende vakgebieden combineert. Zo is er kennis over AI nodig, maar ook over biologie en scheikunde. Amin heeft zelf een achtergrond in de elektrotechniek. Maar tijdens zijn PhD combineerde hij AI al met biofysica. ‘Ik vond biofysica erg leuk en de overlap tussen elektrotechniek en biofysica was programmeren.’ Op dit moment combineert hij die onderzoeksgebieden nog steeds aan de University College Groningen.

Om verder te komen in zijn project is de kennis en kunde van andere onderzoekers nodig. ‘Uiteindelijk is jouw expertise geconcentreerd binnen één specifiek veld, dus moet je samenwerken om meer te weten’, vertelt Amin. ‘Wij werken samen met de Yale Universiteit, met het Max Planck Instituut, en met nog veel meer instituten.’

Omdat het onderzoek van Amin interdisciplinair is en hij actief samenwerkt met andere sectoren, ontving hij vorig jaar de Jantina Tammes School Scholarship van de Rijksuniversiteit Groningen. ‘Juist nu is het belangrijk dat iedereen echt begrijpt hoe AI werkt’, zegt de universitair docent. ‘Daarom heb ik de beurs gekregen om niet alleen mijn werk te doen, maar ook voor het verspreiden van de kennis.’

Amin deelt kennis over AI door workshops te geven aan studenten in Groningen. Ook wil hij graag stageplekken creëren met het Scholarship, zodat studenten onderzoek kunnen doen naar AI. ‘We hebben allerlei ideeën die we nog willen uitvoeren’, zegt Amin met een lach.

Vooroplopen

De eerste resultaten van de zoektocht naar moleculen die het KRAS-eiwit kunnen tegenhouden zijn er al. Amin heeft verschillende moleculen gevonden die aan het eiwit binden en het blokkeren. Dit kan een stap zijn in het onderzoek naar nieuwe kankermedicatie, ‘maar het is voorlopig nog niet commercieel beschikbaar omdat het eerst nog geoptimaliseerd moet worden’, legt hij uit. Dat proces kan jaren duren en laat Amin over aan de farmaceuten. Zij zullen de moleculen die Amin heeft gevonden in het laboratorium gaan testen om er wellicht ‘echte’ kankermedicatie van te maken.

Op het moment dat Amin zijn gevonden moleculen publiceert, sluit hij het project af. Vervolgens gaat hij weer op zoek naar een nieuwe database met moleculen om ook voor andere ziektes de ontbrekende molecuulsleutel te vinden.

Amin benadrukt dat snelle ontwikkelingen in de AI-sector erg van belang zijn om niet achter te raken op andere landen. ‘Het is een competitie geworden en je moet in die competitie blijven om iets te behalen’, vertelt hij. De toepassingen van AI breiden zich elk jaar uit; daarom moet ook het onderwijs over AI voortdurend worden bijgewerkt. Hier zet Amin zich ook zeker voor in als docent. ‘Je moet de boot niet missen, want door AI verandert alles razendsnel.’