Volg Duurzaamnieuws op Google News | Discover | of als voorkeursbron op Google
Onderzoekers van UC San Diego lieten AI los op zo'n 500.000 DNA-sequenties. Het model herkende een cruciaal regelmechanisme bij ongeveer 60 procent van de menselijke genen, wat zicht kan geven op de gevolgen van mutaties.
Onderzoekers ontdekken nieuwe mogelijkheden om dna te beinvloeden. Foto: iStock – gorodenkoff
In iedere menselijke cel liggen zo’n zes miljard DNA-basen opgeslagen, maar welke daarvan een gen precies het startsein geven, is vaak nog verrassend onduidelijk. Een onderzoeksteam van UC San Diego dook daarom in de initiatorregio: het stukje DNA rond het beginpunt waarop een gen wordt afgelezen. Als de genregie hapert, kan dat doorwerken in gezondheid en ziekte. De bevindingen verschenen in het vakblad Genes & Development.
Genen moeten op het juiste moment in actie komen
Tienduizenden genen sturen de groei en ontwikkeling van ons lichaam aan. Ze regelen onder meer de aanmaak van enzymen, hormonen en eiwitten die cellen nodig hebben om hun werk te doen. Gaat die activering mis, dan kunnen cellen ontsporen en bijdragen aan ziekten zoals kanker.
De initiator helpt een cel te bepalen waar de omzetting van genetische informatie naar een werkend product begint. Daar kan een kleine verandering in het DNA doorwerken in de activiteit van een gen.
Van reageerbuis naar rekenmodel
Een onderzoeker in labjas werkt aan een geautomatiseerd laboratoriumapparaat voor DNA-analyse, met een tablet-scherm en reageerbuizen in het beeld. Beeld: Texas Research – The University of Texas in Austin.
Promovendus Torrey Rhyne-Carrigg en biochemicus James T. Kadonaga van de University of California San Diego combineerden laboratoriumwerk met hoog-doorvoer DNA-sequencing. Met die techniek kun je in korte tijd heel veel varianten van een DNA-stuk testen en meten hoeveel genactiviteit ze opleveren.
De meetresultaten vormden vervolgens het lesmateriaal voor machine learning, een vorm van AI die patronen leert herkennen. Het systeem zocht naar de kenmerkende volgorde van DNA-basen die bij een initiator hoort, en kon daarna voorspellen of menselijke genen zo’n element bevatten of missen.
“Deze AI-modellen kunnen voor het eerst sterk voorspellen of een initiator in menselijke genen aanwezig is.”
James T. Kadonaga, hoogleraar moleculaire biologie aan de University of California San Diego
Het model levert niet alleen een lijstje met DNA-letters op. Het koppelt zo’n volgorde aan een meetbaar gevolg: meer of minder activiteit van een gen. De combinatie van experimenten en rekenwerk maakt de voorspellingen volgens Kadonaga betrouwbaarder dan wanneer je alleen naar bekende DNA-patronen kijkt.
Een mutatie beter op waarde schatten
De uitkomst kan helpen om mutaties rond de initiator beter te duiden. Verandert daar één DNA-base, dan kan het model straks aanwijzingen geven over de vraag of een gen daardoor anders aan- of uitgaat, en of zo’n verandering mogelijk betrokken is bij een aandoening.
Dat is ook interessant voor genetisch onderzoek in Europa en Nederland, waar steeds meer DNA-gegevens beschikbaar komen uit biobanken en ziekenhuisonderzoek. Een DNA-variant vinden is één ding; begrijpen wat die variant in een cel doet, is vaak de lastigste stap.
- Een mutatie kan de activiteit van een gen veranderen.
- De effecten kunnen verschillen per gen en per persoon.
- Een voorspelmodel kan helpen bepalen welke varianten nader laboratoriumonderzoek verdienen.
Ook bruikbaar voor biotechnologie
De gegevens kunnen bovendien helpen bij het ontwerpen van synthetische promotors. Dat zijn zelf ontworpen DNA-sequenties die genen aan- of uitzetten en die onderzoekers een gewenste functie meegeven, bijvoorbeeld bij toepassingen in de biotechnologie.
Zo’n promotor werkt als een regelknop voor een gen. Wie beter begrijpt welke DNA-volgordes de activiteit sturen, kan gerichter bouwen aan cellen die een bepaald eiwit produceren of een biologisch proces op het juiste moment starten.
De complete code is nog veel groter
De initiator is maar één onderdeel van de bredere genexpressiecode: het geheel aan DNA-informatie dat vastlegt wanneer, waar en hoe sterk genen in een cel actief worden. Dezelfde genetische bouwstenen doen in een spiercel iets heel anders dan in een zenuwcel.
Het onderzoek werd uitgevoerd onder leiding van biochemicus James T. Kadonaga en promovendus Torrey Rhyne-Carrigg, verbonden aan de Department of Molecular Biology (School of Biological Sciences) van UC San Diego.
Kadonaga en zijn collega’s willen de AI-modellen uitbreiden naar meer onderdelen van die code. Het uiteindelijke doel is om de activiteit van verschillende genvarianten bij verschillende mensen te kunnen voorspellen, ook voordat elke variant afzonderlijk in het lab is getest.
