← Nieuwste papers
📄 moleculaire biologie

Combining AlphaFold 3 with microscale thermophoresis for aptamer optimisation

Deze studie toont aan dat hoewel AlphaFold 3 effectief plausibele aptameer-eiwitbindingsinterfaces kan identificeren, de betrouwbaarheidsmetingen niet betrouwbaar bindingsaffiniteiten voorspellen, wat de noodzaak onderstreept om AI-gebaseerde structurele modellering te integreren met experimentele biofysische validatie zoals microscale thermoforese voor nauwkeurige aptameeroptimalisatie.

Oorspronkelijke auteurs: Harkai, A., Meszaros, T.

Gepubliceerd 2026-10-09
📖 5 min leestijd🧠 Diepgaand

Oorspronkelijke auteurs: Harkai, A., Meszaros, T.

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer

In de microscopische wereld van de biologie moeten wetenschappers vaak een specifieke sleutel vinden die op een specifiek slot past. Soms is de sleutel een eiwit, een complexe machine gebouwd door een cel, en het slot een ziekteverwekkend molecuul. Andere keren zijn de rollen omgedraaid, en ontwerpen onderzoekers een klein stukje genetisch materiaal, een aptameer genoemd, om als de sleutel te fungeren. Deze aptameren zijn als op maat gemaakte moleculaire haken, ontworpen om met ongelooflijke precisie aan een doelwit te grijpen. Zodra ze hun match vinden, kunnen ze een schadelijk proces stoppen, zoals een bacterie die een plakkerige film vormt, bekend als een biofilmf, die de bacterie beschermt tegen medicijnen. Jarenlang vereiste het uitzoeken hoe deze haken en sloten precies in elkaar pasten dure, langzame en moeilijke experimenten. Recentelijk arriveerde een krachtig nieuw computerprogramma genaamd AlphaFold 3, met de belofte om deze 3D-vormen direct te voorspellen, alsof de computer de oplossing simpelweg kon visualiseren voordat de wetenschappers ooit chemicaliën mengden in een laboratorium.

Een computervoorspelling is echter slechts zo goed als de realiteit die zij probeert te beschrijven. In een recente studie zetten onderzoekers zich af om te testen of deze nieuwe digitale kristallen bol werkelijk het rommelige, fysieke werk van het laboratorium kon vervangen. Ze richtten zich op een specifieke aptameer die ontworpen is om een veelvoorkomende bacterie, Streptococcus mutans, te stoppen met het vormen van biofilms op tanden. Deze bacterie produceert een eiwit genaamd GbpC, dat werkt als een lijm, waardoor de bacteriën aan elkaar blijven plakken. De onderzoekers hadden al een genetische sleutel gevonden, genaamd A39, die deze lijm kon blokkeren. Maar ze wisten niet precies waar de sleutel de eiwit aanraakte of hoe de twee moleculen elkaars hand vasthielden. Om dit op te lossen, gebruikten ze de computer om een model van de interactie te bouwen en testten ze dat model vervolgens tegen real-world metingen om te zien of de digitale gok overeenkwam met de fysieke waarheid.

Het team begon door de sequentie van de aptameer en het eiwit aan de computer te voeren. De software, AlphaFold 3, genereerde een 3D-model dat liet zien hoe de twee samen zouden kunnen passen. Het programma suggereerde dat de aptameer niet haar volledige lengte gebruikte om aan het eiwit te binden. In plaats daarvan voorspelde het dat een zeer kort, specifiek deel van genetische letters een strakke greep vormde in een groef op het eiwit, direct naast een calciumion. Op basis van dit digitale blauwdruk ontwierpen de onderzoekers vijf nieuwe versies van de aptameer. Ze maakten er één die alleen het voorspelde grijpgedeelte behield, een andere die de delen verwijderde die de computer als nutteloos aangaf, en andere die de structuur veranderden om te zien of de greep zou blijven houden. Vervolgens lieten ze deze nieuwe ontwerpen door een computersimulatie lopen om te zien hoe zelfverzekerd het programma was in zijn eigen voorspellingen. De computer gaf hoge scores aan modellen waarin de specifieke grijpsequentie aanwezig was, wat suggereerde dat deze het meest waarschijnlijk zouden werken.

Vervolgens verplaatsten de onderzoekers zich van het scherm naar de werkbank om te zien of de computer gelijk had. Ze mengden het echte eiwit met de echte aptameren in een vloeibare oplossing en gebruikten een techniek genaamd microschaal thermoforese. Deze methode werkt door een klein puntje in de vloeistof te verwarmen; wanneer de aptameer en het eiwit aan elkaar plakken, bewegen ze anders in de warmte dan wanneer ze van elkaar gescheiden zijn. Door deze beweging te observeren, konden de wetenschappers precies meten hoe stevig de moleculen aan elkaar vasthielden. De resultaten waren een mix van bevestiging en verrassing. De computer had correct geïdentificeerd dat een specifieke korte sequentie essentieel was voor binding; toen de onderzoekers deze sequentie verwijderden, slaagde de aptameer er niet in om aan het eiwit te hechten. Dit bevestigde dat de computer de algemene locatie van de interactie kon opsporen.

De computer faalde echter in het voorspellen van de sterkte van de binding. Het programma had gesuggereerd dat een versie van de aptameer die alleen de korte grijpsequentie bevatte, een sterke binder zou zijn, maar in het echte experiment bond deze helemaal niet. Daarentegen had de computer voorspeld dat een versie met een verkorte primerregio (A39T) nog steeds zou binden, maar de real-world test toonde aan dat deze versie aanzienlijk zwakker was dan het origineel. Bovendien had de computer voorspeld dat een versie zonder het belangrijkste bindingsmotief (A39CN) via een andere sequentie zou binden, terwijl deze variant in het lab geen meetbare binding vertoonde. De meest veelzeggende bevinding was dat de betrouwbaarheidsscores van de computer niet overeenkwamen met de werkelijke sterkte van de binding. Een model dat de computer als zeer betrouwbaar beoordeelde, bleek in het lab een zwakke binder te zijn, terwijl een model dat de computer met een lagere betrouwbaarheid beoordeelde, er eigenlijk best goed aan vastzat. De onderzoekers kwamen tot de conclusie dat de computer wel kon suggereren waar de moleculen elkaar zouden raken, maar niet kon vertellen hoe stevig ze zouden vasthouden.

Deze studie benadrukt een cruciale les voor de toekomst van moleculair ontwerp. Hoewel hulpmiddelen zoals AlphaFold 3 krachtig genoeg zijn om hypothesen te genereren en wetenschappers naar het juiste deel van een molecuul te wijzen, zijn ze nog niet klaar om de noodzaak van fysieke tests te vervangen. De computer kan een kaart tekenen, maar hij kan nog niet vertellen hoe sterk het terrein is. De onderzoekers concludeerden dat de beste aanpak is om deze digitale tools te gebruiken om experimenten te begeleiden, maar om de resultaten altijd te verifiëren met echte metingen. Naarmate er meer data uit echte experimenten terug in deze systemen wordt gevoed, kunnen de voorspellingen nauwkeuriger worden, maar voor nu blijft de laboratoriumwerkbank de uiteindelijke rechter over de vraag of een moleculaire sleutel daadwerkelijk in het slot past.

Verdrinkt u in papers in uw vakgebied?

Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.

Probeer Digest →