Forskere udvikler AI-værktøj, der skal bekæmpe fremtidens coronavarianter

Selvom vi i den vestlige verden er kommet langt i kampen mod coronavirus, opstår der stadig nye mutationer af covid19, som kan true vores folkesundhed.

Og for at undgå flere voldsomme pandemier er forskere fra Københavns Universitet og immunterapi-virksomheden Evaxion gået sammen om at udvikle et nyt AI-værktøj, der hurtigere og mere effektivt kan forudsige, hvordan forskellige proteinelementer kan sammensættes for at øge sandsynligheden for beskyttelse mod coronavirus.

Værktøjet hedder BIFROST og er en computermodel, der via algoritmer kan hjælpe med at sammensætte de virusproteiner, som har størst sandsynlighed for at kunne indgå i en vaccine, forklarer Christian Thygesen, der er erhvervs-ph.d. og som har udviklet modellen sammen med Evaxion og lektor Thomas Hamelryck i gruppen Deep Probabilistic Programming på Datalogisk Institut ved Københavns Universitet.

”Hvis en vaccine skal være effektiv, skal kroppen kunne danne antistoffer mod vira. Det gør den, hvis den genkender farlige proteiner – eksempelvis spikeproteiner, der findes i coronavirus. Med BIFROST bruger vi algoritmer til at prioritere de dele af virusproteiner, som vi i forvejen ved kan skabe et respons i immunforsvaret, så vi kan sammensætte dem på en måde, der med størst sandsynlighed vil fungere i en vaccine,” siger Christian Thygesen.

BIFROST bruger data om aminosyrekæder – der er grundstenen i proteiner – til at forudsige, hvordan forskellige proteiner ser ud og opfører sig. Med den viden vil forskere i fremtiden kunne designe ”superproteiner”, der giver den ønskede respons på vira i immunforsvaret, men som samtidig har få bivirkninger.

”Drømmescenariet er, at vi kan designe en coronavaccine, som er mere effektiv end dem, der eksisterer i dag og som beskytter mod fremtidige coronavarianter eller helt nye vira. Og her er BIFROST et vigtigt skridt på vejen,” tilføjer Anders B. Sørensen, som er forskningsleder hos Evaxion, og arbejder på platformen RAVEN, der bruger kunstig intelligens til at designe vacciner mod virale sygdomme. 

BIFROST er hurtigere, billigere og bedre

BIFROST har en række fordele i forhold til andre modeller, fremgår det i et nyt studie, der er præstenteret på International Conference of Machine Learning og udført af de tre forskere.

Indtil nu har forskere brugt en computermodel kaldet Rosetta til at få viden om proteiners form og adfærd. Men metoden har nogle væsentlige svagheder, forklarer Christian Thygesen:

”Vores nye metode har den markante fordel, at den kører på en særlig hardware, som gør, at vi kan få svar på sekunder i stedet for at vente flere timer på et resultat. Det sparer tid og dermed penge,” siger han.

Derudover har BIFROST en særlig egenskab, der gør den mere effektiv end Rosetta, uddyber Christian Thygesen.

”Hvor Rosetta ud fra en enkelt aminosyrekæde kun kan give ét bud på, hvilket protein, der er tale om, kan vores værktøj, gennem algoritmer, udregne sandsynligheden for flere mulige proteiner. Èt stykke af en aminosyrekæde behøver nemlig ikke at resultere i helt ens proteiner hver gang,” forklarer han.

BIFROST kan altså give os flere bud på, hvilken form og adfærd proteinerne kan have, og det er vigtigt, når man prøver at lave en vaccine, der skal kunne genkende mange nye varianter af eksempelvis spikeproteiner, der er en del af coronavirusset.

Dog er der stadig et stykke vej til, at designet bag BIFROST kan anvendes i en reel vaccine, forklarer Anders B. Sørensen.

”Vi har bevist, at BIFROST virker som koncept i designfasen, hvor selve afprøvelsen i den virkelige verden med dyremodeller afsluttes i 2022. Men der er stadig lang vej til, at vi kan teste, hvordan vores designede proteiner virker i mennesker. Alligevel har vi med BIFROST taget et vigtigt skridt på vejen mod at lave en vaccine, der kan beskytte os mod fremtidige pandemier,” slutter han.