‛Mooi, hè?’ stelt de Utrechtse eiwitdeskundige Albert Heck. De Nobelprijs voor Natuurkunde ging dit jaar naar de grondleggers van AI, en de Nobelprijs voor Scheikunde naar eiwitgerelateerde toepassingen daarvan. In elk geval de helft van die prijs, die wordt gedeeld door Demis Hassabis en John Jumper van Google DeepMind. Met hun op AI gebaseerde AlphaFold-algoritme wisten ze te voorspellen in welke 3D-vorm een bestaande aminozuurketen zich zal vouwen tot een eiwit.

De andere helft is voor David Baker, die aan de University of Washington in Seattle precies het omgekeerde voor elkaar kreeg. Hij stond aan de wieg van het Rosetta-algoritme dat eiwitten in elke gewenste 3D-vorm bleek te kunnen samenstellen uit losse aminozuren. ‛Protein design can make the world a better place’, stelde hij tijdens de traditionele persconferentie van het Nobelprijscomité dat hem live aan de telefoon had weten te krijgen.

Rosetta ontstond eind jaren 90, toen AI nog toekomstmuziek was. Dat eiwitten zich van nature vrijwel altijd oprollen in dezelfde vorm, die enkel afhankelijk is van de aminozuurvolgorde, was dankzij röntgenkristallografie-opnames al tientallen jaren bekend. Dat die vorm de functionaliteit van het eiwit bepaalt, had men ook wel begrepen. Maar het leek onmogelijk hem te voorspellen: al in 1969 was berekend dat een sequentie van honderd aminozuren zich in theorie op 10⁴⁷ manieren kan vouwen - zie dan maar te vinden welke de juiste is.

Een paar vaste structuurelementen bleken wel in heel veel eiwitten terug te komen. Baker baseerde Rosetta dan ook op gegevens uit een grote eiwitdatabank, aangevuld met berekeningen die zochten naar een zo gunstig mogelijk energieniveau van de som van die elementen. In 2003 presenteerde hij voor het eerst een zelf ontworpen eiwit dat zich ongeveer gedroeg zoals Rosetta had voorspeld.

Schaakmeester

De vouwing voorspellen van natuurlijke aminozuurketens, met een grotere variëteit aan rare kronkels dan die vaste elementen, bleek lastiger. Binnen de life sciences gold dat zelfs tientallen jaren als een onbereikbare heilige graal. Totdat Demis Hassabis, schaakmeester en mede-oprichter van Google-dochter DeepMind, een op neurale netwerken gebaseerd algoritme ontwikkelde dat hij liet oefenen met diezelfde eiwitdatabank. Onder de naam AlphaFold vergaarde het vanaf 2018 wereldfaam door als eerste wél bestaande structuren te voorspellen. Alleen maakte het nog te veel fouten om universeel bruikbaar te zijn.

John Jumper, een nieuweling binnen DeepMind die wat meer ervaring had met eiwitten, wist daarna het algoritme dusdanig te verbeteren dat het nauwelijks meer onderdeed voor kristallografie. De doorbraak kwam eind 2020 tot stand en sindsdien is AlphaFold2 uitgegroeid tot een onmisbaar stuk gereedschap. De groep van Baker kon niet achterblijven en heeft inmiddels een concurrerend algoritme op de markt gezet, genaamd RoseTTAfold - dáár hebben ze de Nobelprijs overigens niet voor gekregen. ‛Vroeger heette het bio-informatica, nu AI. Je ontkomt er niet meer aan’, aldus Heck.

Hij bevestigt dat AlphaFold een geweldige tool is, waar vrijwel iedereen binnen het onderzoeksveld inmiddels dankbaar gebruik van maakt. Maar tussen de regels door heeft hij nog meer waardering voor Bakers werk, dat totaal nieuwe eiwitchemie oplevert die nog niet voorkomt in de natuur. Zelf heeft hij ook nog minstens één publicatie samen met Baker op dat gebied bij de review liggen. ‛Hiermee kunnen we dingen maken die goed voor ons zijn.’