Open Science ter voorbereiding op de volgende pandemie

Met de opkomst van COVID-19 beschikten wetenschappers over een cruciale voorsprong dankzij decennia van onderzoek naar coronavirussen. Deze kennis resulteerde in de snelle ontwikkeling van vaccins. Voor de volgende pandemie, die mogelijk niet dezelfde voordelen biedt, heeft NVIDIA samen met andere globale onderzoeksorganisaties, waaronder Google DeepMind, een belangrijke stap gezet: de vrijgave van voorspelde 3D-structuren van eiwitcomplexen van meer dan 2.800 virussen. Deze structuren zijn open beschikbaar via de AlphaFold Database, zodat wetenschappers wereldwijd er gebruik van kunnen maken.

De structuren in deze dataset zijn afgeleid met behulp van AlphaFold2, een AI-model van Google DeepMind dat voorspelt hoe eiwitten in 3D-vormen vouwen, met een optimalisatie van NVIDIA's BioNeMo Inference Runtime. Dit stelde het team in staat om inferentie op te schalen naar duizenden virale proteomen en de interactie tussen eiwitten binnen elk virus te voorspellen. Risha Patel, life sciences partnerships manager bij Google DeepMind, benadrukte dat deze samenwerking het mogelijk maakt om belangrijke inzichten te vergaren ter voorbereiding op toekomstige uitbraken.

NVIDIA heeft ook de BioNeMo Structure Prediction Pipeline vrijgegeven, een GPU-versnelde workflow die onderzoekers helpt om van eiwitsequenties naar voorspelde 3D-structuren voor hun eigen doelwitten te gaan. De voorbereiding op de volgende pandemie moet nu beginnen; analyses wijzen op een kans van ongeveer 50% dat de wereld tegen 2050 opnieuw met een ernstige pandemie te maken zal krijgen. Wetenschappers, zoals Joe Grove van de Medical Research Council-University of Glasgow, geven aan dat de kennis die nu wordt verzameld, waardevol is om toekomstige uitbraken beter te kunnen bestrijden.

Ongeveer 30% van de eiwitinteracties in de nieuwe dataset zijn nooit eerder gedocumenteerd, wat nieuwe inzichten biedt voor de biowetenschappen. Chris Dallago van NVIDIA sprak over het potentieel van deze database als motor voor hypothese-generatie, waarmee biomedische onderzoekers en de AI-gemeenschap nieuwe eiwitcomplexen kunnen onderzoeken. Dit is van cruciaal belang, omdat veel eiwitten in complexes samenwerken om functies uit te voeren, wat essentieel is voor de ontwikkeling van vaccins en medicijnen. Traditionele methoden voor het bepalen van eiwitstructuren zijn tijdrovend en kostbaar; AlphaFold2 biedt een veel efficiënter alternatief voor het verkrijgen van deze structurele informatie.

Dit initiatief, dat samenvalt met een VN-vergadering over pandemiepreventie en -respons, biedt wetenschappers toegang tot een schat aan informatie, waaronder minder bestudeerde virussen. Dit verlaagt de toegangsdrempels, vooral voor onderzoekers in omgevingen met beperkte middelen. Jo McEntyre van EMBL-EBI benadrukt het belang van het openstellen van dergelijke gegevens voor de ontwikkeling van viral diagnostics en behandelingen. Gezien de waarde van deze dataset zijn de verwachtingen hooggespannen voor toekomstige wetenschappelijke ontdekkingen.

Lees het volledige artikel van Nvidia.