Herontwerp van genen tussen soorten met gebruik van orthologeninformatie en generatieve modellering

Waarom het herontwerpen van genen tussen soorten ertoe doet

Moderne biotechnologie moet vaak genen van de ene microbe naar een andere verplaatsen om medicijnen, enzymen of middelen voor milieuopruiming te produceren. Een gen dat goed werkt in zijn oorspronkelijke microbe kan echter in een nieuwe gastheer sputteren en weinig eiwit produceren. Dit artikel introduceert een nieuw systeem met kunstmatige intelligentie, OrthologTransformer, dat leert van evolutie zelf om genen zo te herschrijven dat ze “inheems” aanvoelen in een andere soort, hun prestaties verbetert en nieuwe mogelijkheden opent voor groene technologie en industrie.

Beperkingen van huidige genaanpassingsmethoden

Decennialang vertrouwden wetenschappers op een strategie die codonoptimalisatie heet om buitenlandse genen in nieuwe gastheren beter te laten werken. Het idee is eenvoudig: de genetische code heeft meerdere drieletterige “codons” die hetzelfde aminozuur kunnen aangeven, en verschillende soorten geven de voorkeur aan verschillende codons. Traditionele tools vervangen zeldzame codons door voorkeurscodons zonder de aminozuurvolgorde van het eiwit te veranderen. Dat helpt vaak, maar het negeert veel andere kenmerken die van belang zijn voor genprestaties, zoals RNA-vouwing, regulerende signalen en de timing van eiwitproductie. In sommige gevallen kan overmatige optimalisatie van codons zelfs het eiwitopbrengst schaden. De natuur lost kruis-soortadaptatie intussen op een rijkere manier op: verwante genen in verschillende soorten, bekend als orthologen, vertonen vaak aminozuurveranderingen en kleine inserties of deleties naast codonwisselingen, terwijl de algehele functie behouden blijft.

Leren van het speelboek van de natuur voor het herschrijven van genen

OrthologTransformer benadert genherontwerp als een soort taalvertaling: gegeven een DNA-sequentie uit één bacterie, “vertaalt” het hoe dat gen waarschijnlijk zou uitzien in een andere soort. Het model is gebouwd op de Transformer-architectuur die in moderne taalhulpmiddelen wordt gebruikt, maar hier werkt het op codons in plaats van woorden. Het is getraind op miljoenen natuurlijk gepaarde orthologe genen van meer dan tweeduizend bacteriesoorten, met speciale tokens die aangeven van welke soort naar welke soort wordt geconverteerd. Door te zien hoe evolutie al een balans vond tussen functie en gastheeradaptatie, leert het systeem wanneer simpele codonwisselingen volstaan en wanneer subtiele aminozuurwijzigingen of aanpassingen in lengte worden getolereerd. In tests die 45 bacteriesoorten en honderden bron–doelcombinaties omvatten, leken de door de AI herontworpen genen nauwer op de inheemse orthologen van de doelsoort dan zowel conventionele codonoptimalisatie als een toonaangevende neurale codonoptimizer, terwijl ze toch een hoge gelijkenis op eiwitniveau behielden.

AI-ontworpen enzymen die plastic eten in de praktijk

Om te laten zien dat dit meer is dan een computationele truc, richtte het team zich op PETase, een enzym uit de bacterie Ideonella sakaiensis dat PET-plastic kan afbreken, het materiaal dat in de meeste drinkflessen wordt gebruikt. Ideonella groeit langzaam en is niet ideaal voor industrieel gebruik, dus vroegen de onderzoekers OrthologTransformer het PETase-gen te herschrijven voor een sneller groeiende gastheer, Bacillus subtilis. Ze genereerden een paneel van twaalf herontworpen genvarianten, waarbij ze verschillende trainingsinstellingen onderzochten en een extra zoekprocedure toevoegden die sequenties richting Bacillus-achtige DNA-samenstelling en gunstige RNA-structuren duwde. Ondanks dat sommige varianten veel DNA-wijzigingen en een paar aminozuursubstituties droegen, voorspelden computermodellen dat de kern 3D-vorm van het enzym behouden bleef. Toen deze ontwerpen werden gebouwd en getest in levende Bacillus-cellen, produceerden verschillende hoge hoeveelheden uitgescheiden PETase, en alle vertoonden meetbare plasticafbrekende activiteit.

Een AI-ontwerp dat standaardoptimalisatie overtreft

Één AI-ontworpen sequentie, genaamd AI-L2, stak er met kop en schouders bovenuit. Bacillus-cellen met dit gen scheidden bijzonder grote hoeveelheden PETase uit en genereerden in een zevendaagse test ruwweg drie keer meer afbraakproducten van plastic dan welke andere stam dan ook, en ongeveer tien keer meer dan typische codon-geoptimaliseerde controles wanneer gemeten via reactieproducten. Microscopische beelden van PET-films die werden blootgesteld aan AI-L2-cellen toonden diepe putten en gaten waar het plastic was weggegeten, veel dramatischer dan onder andere condities. Gedetailleerde enzymtests toonden aan dat de AI-L2-versie van PETase niet alleen efficiënter werd geproduceerd, maar ook zijn substraat sneller verwerkte, waardoor het een hogere katalytische efficiëntie had dan het originele en de codon-geoptimaliseerde enzymen. Een parallel experiment in Escherichia coli liet zien dat een door OrthologTransformer ontworpen versie van PETase, zelfs wanneer alleen het codongebruik veranderde en niet de aminozuurvolgorde, nog steeds beter presteerde dan een op frequentie gebaseerde codon-geoptimaliseerde genversie, wat aangeeft dat het model subtiele, gastheerspecifieke voorkeuren vastlegt die traditionele methoden missen.

Wat dit betekent voor de toekomst van biologie en technologie

In gewone bewoordingen is OrthologTransformer als een expertvertaler die niet alleen de “spelling” van een gen herschrijft voor een nieuwe microbe, maar ook kleine, door evolutie geïnformeerde aanpassingen aan de “zin” zelf maakt wanneer hij weet dat die veilig of nuttig zullen zijn. Door direct te leren van hoe genen zich natuurlijk hebben aangepast over duizenden bacteriesoorten, kan het herontworpen DNA voorstellen dat beter werkt in nieuwe gastheren dan ontwerpen die beperkt blijven tot codonwisselingen. De succesvolle creatie van een krachtiger, plastic-eterend enzym in Bacillus subtilis suggereert dat dergelijk door AI gestuurd genherontwerp de ontwikkeling van industriële biokatalysatoren, microben voor milieuopruiming en uiteindelijk zelfs medische gentherapieën kan versnellen, door organismen te helpen vreemde genen te lezen en te gebruiken alsof ze hun eigen waren.

Bronvermelding: Akiyama, M., Tashiro, M., Huang, Y. et al. Cross-species gene redesign leveraging ortholog information and generative modeling. Nat Commun 17, 2120 (2026). https://doi.org/10.1038/s41467-026-69966-0

Trefwoorden: herontwerp van genen, synthetische biologie, orthologe genen, AI in biotechnologie, enzymen die plastic afbreken