Van enkele sequenties naar evolutionaire trajecten: eiwit-taalmodellen vangen het evolutionaire potentieel van SARS-CoV-2

Waarom dit ertoe doet voor toekomstige pandemieën

Gedurende het grootste deel van de COVID‑19‑pandemie liepen wetenschappers achter de feiten aan: nieuwe varianten doken in de echte wereld op voordat laboratoria konden bepalen wat die veranderingen betekenden voor besmettelijkheid of immuunontduiking. Deze studie laat zien dat krachtige computermodellen, oorspronkelijk ontwikkeld om menselijke taal te begrijpen, in plaats daarvan de "taal" van eiwitten kunnen lezen en kunnen afleiden hoe het coronavirus‑spike-eiwit waarschijnlijk zal veranderen en zich zal aanpassen — uitsluitend op basis van de aminozuursequentie. Die capaciteit kan onderzoekers helpen om zorgwekkende varianten eerder te signaleren en is mogelijk toepasbaar op veel andere pathogenen.

Computers leren eiwitten lezen

De auteurs werken met een eiwit‑taalmodel genaamd ESM‑2, getraind op tientallen miljoenen eiwitsequenties uit alle takken van het leven. Net zoals een taalmodel grammatica en betekenis leert van woorden, leert ESM‑2 welke aminozuurpatronen "logisch" zijn in echte eiwitten. Wanneer het model de sequentie van het SARS‑CoV‑2‑spike‑eiwit krijgt, kent het aan elke mogelijke mutatie twee kernscores toe: een grammaticaliteitscore die weerspiegelt hoe goed een gewijzigde sequentie past bij de aangeleerde regels van eiwitstructuur, en een semantische score die meet hoe anders het totale eiwit wordt in de interne representatie van het model. Deze scores kunnen op de computer voor elke mogelijke enkele mutatie worden berekend, een strategie die bekend staat als in silico deep mutational scanning.

In kaart brengen waar het virus wel en niet kan veranderen

Door alle enkelvoudige letterveranderingen over spike te scannen, vond het team dat ESM‑2 vanzelf de belangrijkste architectonische kenmerken van het eiwit terugvindt. Het S2‑gedeelte, dat de stabiele steel vormt die membraanfusie aandrijft, wordt voorspeld sterk beperkt te zijn: de meeste mutaties daar verlagen de grammaticaliteit scherp, wat impliceert dat ze de eiwitstructuur of -functie zouden schaden. In contraste, regio’s aan de buitenzijde van het S1‑gedeelte, waaronder het N‑terminale domein en het receptorbindende domein, verdragen veel meer veranderingen. Dit komt overeen met wat gezien wordt in echte virusgenomen, waar deze blootgestelde regio’s mutaties ophopen die het virus helpen cellen te binden en antilichamen te ontlopen, terwijl de structurele kern meer geconserveerd blijft.

Verborgen samenwerking tussen mutaties blootleggen

Eiwitten zijn niet zomaar een verzameling onafhankelijke sites; één mutatie kan bepalen hoe acceptabel andere mutaties zijn, een fenomeen dat epistasis wordt genoemd. De onderzoekers onderzochten dit door te beginnen met het Omicron BA.1‑spike en computationeel de karakteriserende mutaties één voor één terug te "reverteren" naar de oorspronkelijke Wuhan‑sequentie. Elke revert verandert de waarschijnlijkheden van aminozuren op alle andere posities volgens het model. Grote verschuivingen onthullen paren van sites waarvan de lotgevallen verbonden zijn. Met deze aanpak belicht de studie bekende hotspots zoals posities rond 484 en 501 in het receptorbindende domein, die samen zowel immuunontduiking als binding aan de ACE2‑receptor bepalen. Het wijst ook op minder voor de hand liggende clusters van residuen waarvan de interacties later werden bevestigd in experimentele studies naar de verbeterde groei van Omicron in menselijke neuscellen, wat suggereert dat het model echte structurele en functionele koppelingen vangt.

De evolutie van het virus volgen en afwijkers signaleren

Buiten enkele mutaties vroegen de auteurs zich af of ESM‑2 ook hele variantsequenties betekenisvol kan ordenen naarmate ze in de tijd verschenen. Ze embedden één spike‑sequentie voor elke benoemde SARS‑CoV‑2‑linie en plaatsten die in een tweedimensionale kaart met een benadering genaamd evo‑velocity, die ook een dominante richting van verandering afleidt. De resulterende indeling weerspiegelt de bekende fylogenetische boom: vroege lijnen clusteren samen, waarna takken die overeenkomen met Alpha, Delta, Omicron en recombinante lijnen in de juiste temporele volgorde afsplitsen. Eenvoudige samenvattende statistieken zoals gemiddelde grammaticaliteit en semantische afstand scheiden netjes niet‑variantlijnen, vroege variant‑van‑zorg‑lijnen en Omicron‑klassevirussen, wat aantoont dat de interne representatie van het model zinvolle evolutionaire verschuivingen volgt.

Embeddings omzetten in een waarschuwingssysteem

Om praktische bewaking te verkennen, introduceert het team een dynamische semantische score: elke nieuwe spike‑sequentie wordt niet alleen vergeleken met de oorspronkelijke Wuhan‑stam, maar met het gemiddelde van de virussen die in de voorgaande drie maanden circuleerden. Toegepast op uitgebreide sequentiegegevens uit het Verenigd Koninkrijk produceert deze bewegende score duidelijke golven naarmate Alpha, Delta en opeenvolgende Omicron‑sublineages opkomen en verdwijnen. Sequenties die één of twee standaarddeviaties afwijken van het huidige gemiddelde worden geflagd als potentiële zorgwekkende sequenties. Met alleen deze vroege afwijkers zou de methode de meeste door de Wereldgezondheidsorganisatie aangemerkte varianten van zorg en verschillende belangrijke latere afsplitsingen zoals JN.1 hebben benadrukt, terwijl ook werd getoond welke specifieke posities in het spike‑eiwit herhaaldelijk worden veranderd in opkomende lijnen.

Wat dit betekent voor toekomstige bedreigingen

Al met al toont de studie aan dat een algemeen eiwit‑taalmodel, direct uit de doos gebruikt, kan aangeven welke delen van het SARS‑CoV‑2‑spike‑eiwit flexibel zijn, welke sites structureel cruciaal zijn, hoe mutaties samenwerken en hoe het spike van het virus door evolutionaire ruimte heeft bewogen gedurende de pandemie. Omdat de methode werkt vanaf een enkele eiwitsequentie en niet afhankelijk is van vooraf bestaande alignments of gedetailleerde structurele data, kan ze zeer vroeg in een uitbraak worden toegepast, wanneer slechts een handvol genomen bekend is. Naarmate soortgelijke modellen verfijnd worden en afgestemd op virale datasets, kunnen ze een belangrijk onderdeel worden van de gereedschapskist om te voorspellen hoe nieuwe pathogenen evolueren en om varianten te prioriteren voor laboratoriumonderzoek en vaccinontwerp.

Bronvermelding: Lamb, K.D., Hughes, J., Lytras, S. et al. From single-sequences to evolutionary trajectories: protein language models capture the evolutionary potential of SARS-CoV-2. Nat Commun 17, 2938 (2026). https://doi.org/10.1038/s41467-026-69569-9

Trefwoorden: eiwit‑taalmodellen, SARS‑CoV‑2 spike, virale evolutie, epistasis, variantbewaking