Onderzoekers van Stanford University hebben met kunstmatige intelligentie complete genomen voor bacteriofagen ontworpen en die vervolgens in het laboratorium opgebouwd. Van de 285 geteste ontwerpen leverden er 16 werkende virussen op die de bacterie E. coli konden infecteren en zich daarin konden vermenigvuldigen. De studie, gepubliceerd in het wetenschappelijke tijdschrift Science, geldt als de eerste demonstratie waarbij AI niet alleen bestaand genetisch materiaal analyseert, maar de volledige genetische code van een functionerend virus schrijft. Bacteriofagen vallen bacteriën aan en infecteren geen mensen, dieren of planten.
- De AI-modellen Evo 1 en Evo 2 werden getraind met meer dan 2 miljoen genomen van bacteriofagen.
- Van 285 kunstmatig ontworpen en geteste genomen produceerden er 16 een werkende bacteriofaag.
- Het experiment draaide om ΦX174, een kleine en uitvoerig bestudeerde faag die E. coli infecteert.
- De onderzoekers benadrukken dat toepassing als behandeling nog veel aanvullend onderzoek vereist.
Meer dan twee miljoen genomen vormden de leerschool
Bacteriofagen, vaak kortweg fagen genoemd, herkennen moleculen op het oppervlak van een bacterie. Daarna brengen ze hun genetisch materiaal naar binnen en gebruiken ze de moleculaire machinerie van de bacterie om nieuwe virusdeeltjes te maken. Uiteindelijk barst de geïnfecteerde cel open en komen de nieuwe fagen vrij.
Hun relatief kleine genomen maken deze virussen geschikt om generatieve biologie te testen. Onderzoekers kunnen het ontworpen DNA chemisch vervaardigen en vervolgens vrij direct vaststellen of de genetische instructies samen een levensvatbare faag opleveren.
Voor het experiment gebruikten de wetenschappers Evo 1 en Evo 2. Zulke genoommodellen leren patronen in DNA, vergelijkbaar met de manier waarop taalmodellen verbanden in tekst herkennen. De modellen kregen meer dan 2 miljoen faaggenomen als trainingsmateriaal en werden daarna verder afgestemd met de genomen van ongeveer 15.000 naaste verwanten van ΦX174.
Die gekozen faag telt ongeveer 5.400 DNA-letters en bevat de instructies voor slechts elf eiwitten. Hij infecteert een E. coli-stam die niet met ziekte in verband wordt gebracht. Dat bood een overzichtelijk testsysteem, maar betekent ook dat de AI geen virus uit het niets bedacht: zij maakte nieuwe combinaties op basis van patronen uit bestaande biologie.
Zestien ontwerpen bleken in het laboratorium levensvatbaar
Na de digitale ontwerpfase maakten de onderzoekers de voorgestelde DNA-sequenties chemisch na en brachten ze die in E. coli. Het merendeel werkte niet, maar zestien genomen produceerden bacteriofagen die cellen konden infecteren en nieuwe virusdeeltjes konden vormen.
Daarmee laat de studie zien dat een AI-model genoeg samenhang in een compleet genoom kan vastleggen om in het laboratorium een functionerend biologisch systeem op te leveren.
Sommige nieuwe fagen gedroegen zich in grote lijnen zoals ΦX174, hoewel hun DNA aanzienlijk verschilde. In één ontwerp werkte een combinatie van genetische elementen binnen het aangepaste genoom, terwijl diezelfde combinatie niet zou functioneren in de oorspronkelijke faag.
De onderzoekers stelden de AI-gegenereerde fagen daarnaast herhaaldelijk bloot aan een E. coli-variant die de oorspronkelijke ΦX174 kon afweren. Daarbij ontstonden hybride fagen die de eerder resistente bacteriën wel konden infecteren. De AI ontwierp die uiteindelijke hybriden niet rechtstreeks, maar leverde een diverse uitgangspopulatie waarop evolutie verder kon werken.
Complexere fagen en patiëntentests zijn de volgende horde
De mogelijke medische betekenis ligt bij bacteriën die ongevoelig worden voor antibiotica. Fagen kunnen specifieke bacteriën aanvallen zonder menselijke cellen te infecteren. AI zou op termijn kunnen helpen voorspellen welke faag bij een bepaalde bacteriële infectie past of welke genetische kenmerken nodig zijn om een bacteriële verdediging te omzeilen.
Voor patiënten betekent het resultaat voorlopig geen nieuwe behandeling, maar wel een mogelijke nieuwe methode om kandidaat-fagen te vinden en te verbeteren.
De afstand tussen dit experiment en faagtherapie blijft groot. Mogelijk bruikbare therapeutische fagen kunnen vijf tot vijftig keer groter zijn dan ΦX174, dubbelstrengs DNA hebben en honderden genen bevatten. Veel van hun moleculaire werking is nog niet volledig begrepen.
Een kandidaat-behandeling moet bovendien worden getest tegen bacteriën die daadwerkelijk infecties bij patiënten veroorzaken, op veiligheid worden beoordeeld en volgens de vereisten voor geneesmiddelen worden geproduceerd. Ook gepersonaliseerde fagen zouden lastige regelgevingsvragen oproepen. De volgende stap is daarom vaststellen of AI ook algemene regels van complexere faaggenomen kan leren en voorspellingen kan doen die buiten dit eenvoudige laboratoriummodel standhouden.
Welke voorwaarden zouden volgens u moeten gelden voordat AI-ontworpen bacteriofagen bij patiënten mogen worden getest?
