Deep learning en aandachtmechanismen om sleutelgenen te identificeren en hun implicaties voor de oorsprong van insectenvleugels

Waarom insectenvleugels belangrijk voor ons zijn

Insecten domineren de planeet qua aantallen en soorten, en hun vleugels zijn een van de grote redenen daarvoor. Vleugels stellen insecten in staat zich te verspreiden, voedsel te vinden, aan vijanden te ontsnappen en hele ecosystemen te vormen. Toch debatteren wetenschappers nog steeds over hoe deze fragiele structuren ooit ontstonden uit vleugelloze voorouders. Deze studie gebruikt moderne kunstmatige intelligentie om het insectengenoom op aanwijzingen te doorzoeken en onthult een gedeeld genetisch programma tussen vleugels en kieuwen dat nieuw licht werpt op waar vleugels vandaan komen.

Terugkijken naar oude zeeën

Om insectenvleugels te begrijpen beginnen de auteurs bij een eenvoudige gedachte: de huidige insecten zijn waarschijnlijk geëvolueerd uit kreeftachtige dieren die in het water leefden en ademden met kieuwen. Tegengestelde ideeën suggereren dat vleugels konden ontstaan uit kieuwachtige ademhalingsorganen, platte platen op het lichaam of laterale lobben van de thorax, en sommige onderzoeken wijzen op een mengvorm van deze bronnen. Als vleugels echt terug te voeren zijn op kieuwen, zouden sleutelgenen vergelijkbare activiteit moeten vertonen in insectenvleugels en in de kieuwen van verwante aquatische soorten. In plaats van slechts een paar genen tegelijk te testen, zette het team zich ertoe full proteomes van veel soorten te scannen om verborgen patronen te vinden die met vleugels samenhangen.

Een neuraal netwerk leren genen te lezen

De onderzoekers bouwden een deep learning-systeem dat ze DeepWG noemen om eiwitten van gevleugelde en niet-gevleugelde soorten van elkaar te onderscheiden. Ze verzamelden proteomen van 119 soorten, waaronder insecten en hun naaste verwanten, en hielden alleen gegevens van hoge kwaliteit aan. Elke eiwitsequentie werd in korte drieletterige bouwstenen gehakt, vergelijkbaar met het splitsen van zinnen in korte woordfragmenten. Deze fragmenten werden omgezet in numerieke vectoren met technieken ontleend aan natuurlijke taalverwerking en daarna gevoed aan een bidirectioneel geheugen netwerk met een extra attentielaag. Deze opzet laat het model eiwitsequenties in beide richtingen scannen en zich concentreren op de meest informatieve regio’s zonder handgemaakte regels.

De genen vinden waarop vleugels vertrouwen

DeepWG bleek zeer nauwkeurig en classificeerde testmonsters correct in meer dan 97 procent van de gevallen, en presteerde beter dan eenvoudigere neurale netwerken. De attentielaag kent elk genfamilielid een gewicht toe en benadrukt welke families het belangrijkst zijn om gevleugelde van niet-gevleugelde soorten te onderscheiden. Uit bijna 28.000 genfamilies leverden de top 5 procent in gewicht 3.872 kandidaatgenen op, waaronder veel reeds bekende genen die insectenvleugels vormen. Bekende voorbeelden omvatten genen die vleugelgroei, patroonvorming en grootte regelen, evenals paden die bepalen hoe cellen delen en op signalen reageren. Netwerkanalyse van genactiviteit groepeerde veel van deze genen in modules die nauw verbonden zijn met vleugelontwikkeling bij de fruitvlieg, wat vertrouwen geeft dat DeepWG betekenisvolle spelers aanwijst in plaats van willekeurige ruis.

Vleugels en kieuwen zingen hetzelfde lied

De meest aansprekende test kwam voort uit het vergelijken van het gedrag van deze sleutelgenen over soorten en weefsels. Het team keek naar de fruitvlieg, een haftenlarve met zowel vleugelknoppen als aquatische kieuwen, en een garnaalachtige kreeft met kieuwen maar zonder vleugels. Ze onderzochten hoe sterk de kandidaatgenen aanstonden in vleugels, vleugelknoppen, kieuwen en andere weefsels. In alle drie de soorten vertoonde dezelfde kernset genen hoge activiteit in vleugels of vleugelknoppen en in kieuwen, maar niet in niet-verwante weefsels. Dit repeterende patroon suggereert dat moderne insectenvleugels en kreeftachtige kieuwen steunen op een gedeelde genetische gereedschapskist die ouder is dan de evolutie van het vliegen.

Wat dit betekent voor het verhaal van de vlucht

Voor niet-specialisten is de kernboodschap dat insectenvleugels mogelijk geen geheel nieuwe uitvinding zijn, maar een slimme herwerking van voorouderlijke kieuwen geleid door een geconserveerde set genen. Door een neuraal netwerk grote hoeveelheden sequentiegegevens te laten doorzoeken, onthult de studie honderden genen die vleugels en kieuwen verbinden over verre takken van de geleedpotigenstamboom. Hoewel veel puzzelstukken nog ontbreken, ondersteunt het gedeelde patroon van genactiviteit sterk het idee dat vleugels zijn voortgekomen uit kieuwachtige structuren bij oude aquatische voorouders. DeepWG biedt ook een algemeen hulpmiddel om na te gaan hoe andere belangrijke eigenschappen zijn geëvolueerd door de taal van genomen te lezen.

Bronvermelding: Liu, F., Cao, Y., Qian, S. et al. Deep learning and attention mechanisms to identify key genes and their implications for the origin of insect wings. Sci Rep 16, 15998 (2026). https://doi.org/10.1038/s41598-026-49441-y

Trefwoorden: insectenvleugels, vleugelevoutie, deep learning, genexpressie, geleedpotige kieuwen