Beeld je even een laboratorium in waar robots – zonder menselijke tussenkomst – duizenden experimenten ontwerpen, uitvoeren én analyseren. Dat klinkt als sciencefiction, maar het is ondertussen werkelijkheid.
Genesis, een ‘robotwetenschapper’ ontwikkeld door prof. Ross King aan de Chalmers University of Technology, combineert biotechnologie, laboratoriumautomatisering en kunstmatige intelligentie om de complexe interacties tussen genen, eiwitten, cellen en organen, wat we systeembiologie noemen, te bestuderen.
Genesis is zelfs niet de eerste in zijn soort. Zijn voorgangers, Adam en Eve, bewezen al dat robots wetenschappelijke ontdekkingen kunnen doen. Adam, gelanceerd in 2009, was de eerste machine die zelfstandig nieuwe kennis ontdekte over de gist S. cerevisiae. Eve richtte zich op medicijnontwikkeling en identificeerde bijvoorbeeld dat triclosan – een stof in tandpasta – malariaparasieten kan remmen. Maar Genesis gaat nog verder. Waar Adam en Eve zich op specifieke vragen richtten, zal de nieuwe robot hele systemen proberen doorgronden: duizenden genen, eiwitten en metabolieten die samenwerken in een gistcel.
Deze cellen lijken verrassend veel op menselijke cellen, maar zijn eenvoudiger. Hierdoor zijn ze ideaal om fundamentele biologische processen te bestuderen, zoals veroudering of kanker. Maar zelfs deze ‘eenvoudige’ organismen zijn ontzettend complex zodat traditioneel onderzoek nog steeds te traag loopt om alle interacties in kaart te brengen. Zo komt Genesis in beeld, de robotwetenschapper die autonoom hypotheses formuleert, experimenteert, interpreteert en zo leert.
Genesis zal in de nabije toekomst nog efficiënter worden
Het hart van de robot bestaat uit duizend bioreactoren ofwel minikweekkamers ter grootte van een rijstkorrel. Elke bioreactor kan apart worden ingesteld om gist onder verschillende omstandigheden te laten groeien: variërend in temperatuur, voedingsstoffen of genetische mutaties. Een soort snelkookpan voor experimenten, want waar een menselijk lab misschien tien experimenten per dag zou kunnen doen, draait Genesis er duizend. De experimentele data worden realtime verzameld via geavanceerde sensoren die informatie geven over de genen en welke stoffen de gist produceert. Maar hoe kan je nu uit al deze experimentele data iets leren? Hier komt alweer wiskunde om de hoek kijken: Genesis gebruikt logica om de relaties tussen objecten te beschrijven en nieuwe te leren.
Zo werden eerst reeds gekende metabolische modellen vertaald naar logische formules, zoals ‘Als enzym X aanwezig is, dan wordt stof Y omgezet in Z.’ Met logische deductie (van algemene regel naar specifiek geval) of met inductie (van meerdere specifieke gevallen naar een algemene regel) worden vervolgens nieuwe relaties afgeleid, ook door links te leggen tussen biologische databases met informatie over onder andere genen en eiwitten, zoals de Saccharomyces Genome Database. Het systeem leert dan regels zoals: ‘Als gen A gereguleerd wordt door factor B, en B beïnvloedt aminozuur X, dan is A betrokken bij het aminozuurmetabolisme’. Ten slotte werkt Genesis ook met abductie, een redeneervorm waarbij de meest plausibele verklaring voor een onverwachte observatie uit zijn eigen experimenten wordt gezocht. Wanneer bijvoorbeeld een gistmutant niet groeit, doorzoekt het systeem duizenden mogelijke oorzaken (‘Misschien ontbreekt enzym A, of is route B geblokkeerd?’). Dit leidde al tot meer dan tweeduizend hypothesen voor modelverbetering die hij vervolgens weer experimenteel tracht te bevestigen. Elk stapje in dit proces is formeel, transparant en reproduceerbaar. Door relaties te vinden tussen eiwitniveaus en celgedrag leert de robot bijvoorbeeld te voorspellen hoe bepaalde mutaties de levensduur van gist beïnvloeden. Zo slaagde Genesis er alvast in om de aanwezigheid van het eiwit His4 te koppelen aan ophopingen van aminozuren – een link die menselijke onderzoekers nog niet hadden ontdekt.
Genesis zal in de nabije toekomst nog efficiënter worden. Het team van King integreert momenteel taalmodellen zoals GPT-4 om bestaande wetenschappelijke literatuur automatisch om te zetten in logische regels of ook hier nieuwe hypothesen te genereren. In dit laatste geval zal zo’n taalmodel er vaak naast zitten, maar de robotwetenschapper kan dus zelf de ideeën snel en efficiënt testen. Op deze manier zal Genesis uitgroeien tot een autonome robotwetenschapper die hopelijk een compleet model verkrijgt van de gistcel dat vervolgens als blauwdruk kan dienen voor onderzoek naar menselijke cellen. Een cruciale stap is bijvoorbeeld het kunnen voorspellen wanneer gist overschakelt van suiker- op alcoholverbranding. Dit proces treedt namelijk ook op in kankercellen. Wanneer we op dit proces grip krijgen, ligt de weg open voor ongeziene toepassingen in de geneeskunde en biotechnologie. De experimentele wetenschap is nog niet volledig geautomatiseerd, maar ze draait alvast op volle toeren.
