AI helpt beter begrijpen hoe genetische mutaties onze gezondheid beïnvloeden

VUB-onderzoek vergelijkt taaltechnologie met klassieke biomedische methoden

Hoe beïnvloeden kleine veranderingen in ons DNA de werking van ons lichaam? Dat is de centrale vraag in het doctoraat van Konstantina Tzavella aan de Vrije Universiteit Brussel (VUB). Binnen het interdisciplinaire TumorScope-project en het VUB/ULB (IB)² Interuniversitair Instituut van Brussel onderzocht ze hoe kunstmatige intelligentie (AI) kan helpen om beter te voorspellen welke genetische mutaties bijdragen aan ziekten zoals kanker.

Mutaties (kleine afwijkingen in ons genetisch materiaal) zijn essentieel voor evolutie, maar kunnen ook ernstige aandoeningen veroorzaken. Toch blijft de impact van het overgrote deel van die mutaties onbekend. “Het voorspellen van hun effect is een van de grootste uitdagingen in de genetica”, zegt Tzavella.

Om dat mysterie te ontrafelen, vergeleek ze bestaande topmethoden met een nieuwe generatie AI-modellen geïnspireerd op taaltechnologie, vergelijkbaar met hoe systemen als ChatGPT taal leren begrijpen. Die zogenaamde ‘protein Language Models’ (pLMs) leren de structuur en functie van eiwitten afleiden uit de volgorde van aminozuren, hun bouwstenen.

“Net zoals taalmodellen leren hoe woorden samen betekenis krijgen, leren pLMs hoe aminozuren samenwerken binnen een eiwit”, legt Tzavella uit. Dat maakt het mogelijk om te voorspellen hoe mutaties de werking van een eiwit veranderen – en dus of ze ziekte kunnen veroorzaken.

Een bijzonder moeilijk aspect is epistase, het complexe samenspel tussen meerdere mutaties dat vaak tot onverwachte effecten leidt. Waar klassieke methoden hier tekortschieten, blijken pLMs deze interacties beter te kunnen inschatten. Door zulke modellen te combineren met evolutionaire informatie, ontwikkelde Tzavella een nieuw computationeel model dat niet alleen nauwkeuriger voorspelt, maar ook klinisch toepasbaar is, bijvoorbeeld om mutaties te identificeren die kankergroei aansturen.

“Onze resultaten tonen dat pLM-gebaseerde methoden krachtig én flexibel zijn”, zegt ze. “Ze kunnen zelfs nieuwe inzichten opleveren in genen waarover we nog weinig weten.”

Afkomstig uit het Griekse Akrata, combineerde Tzavella haar achtergrond in elektrotechniek en computerwetenschappen met biomedische expertise. Met haar doctoraat levert ze een waardevolle bijdrage aan de toekomst van de gepersonaliseerde geneeskunde, waarin AI en biologie steeds nauwer met elkaar verweven raken.

meer lezen