In 2025 zullen we zien dat AI en machinaal leren de impact van Crispr-genoombewerking op de geneeskunde, de landbouw, de klimaatverandering en het fundamentele onderzoek dat aan deze terreinen ten grondslag ligt, beginnen te vergroten. Het is de moeite waard om vooraf te zeggen dat het vakgebied van AI overspoeld wordt met dit soort grote beloften. Bij elke grote nieuwe technologische vooruitgang is er altijd sprake van een hype-cyclus, en daar zitten we nu in. In veel gevallen liggen de voordelen van AI enkele jaren in de toekomst, maar in genomics- en life science-onderzoek zien we nu echte effecten.
In mijn vakgebied, Crispr-genbewerking en genomica in bredere zin, hebben we vaak te maken met enorme datasets – of, in veel gevallen, kan niet ga er op de juiste manier mee om, omdat we simpelweg niet over het gereedschap of de tijd beschikken. Supercomputers kunnen weken tot maanden nodig hebben om subsets van gegevens voor een bepaalde vraag te analyseren, dus we moeten zeer selectief zijn over de vragen die we stellen. AI en machinaal leren nemen deze beperkingen al weg, en we gebruiken AI-tools om snel te zoeken en ontdekkingen te doen in onze grote genomische datasets.
In mijn laboratorium hebben we onlangs AI-hulpmiddelen gebruikt om ons te helpen kleine genbewerkingseiwitten te vinden die onontdekt waren in openbare genoomdatabases, omdat we simpelweg niet in staat waren om alle gegevens die we hebben verzameld te verwerken. Een groep van het Innovative Genomics Institute, het onderzoeksinstituut dat ik tien jaar geleden heb opgericht aan UC Berkeley, heeft onlangs de krachten gebundeld met leden van het Department of Electrical Engineering and Computer Sciences (EECS) en het Center for Computational Biology, en een manier ontwikkeld om een groot taalmodel, vergelijkbaar met wat veel van de populaire chatbots gebruiken, om nieuwe functionele RNA-moleculen te voorspellen die een grotere hittetolerantie hebben vergeleken met natuurlijke sequenties. Stel je voor wat er nog meer te wachten staat om ontdekt te worden in de enorme genoom- en structurele databases die wetenschappers de afgelopen decennia gezamenlijk hebben opgebouwd.
Dit soort ontdekkingen hebben toepassingen in de echte wereld. Voor de twee bovenstaande voorbeelden kunnen kleinere genoomeditors helpen bij het efficiënter afleveren van therapieën in cellen, en het voorspellen van hittestabiele RNA-moleculen zal de bioproductieprocessen helpen verbeteren die medicijnen en andere waardevolle producten opleveren. Op het gebied van de gezondheidszorg en de ontwikkeling van geneesmiddelen hebben we onlangs de goedkeuring gezien van de eerste op Crispr gebaseerde therapie voor sikkelcelziekte, en er zijn ongeveer 7.000 andere genetische ziekten die wachten op een soortgelijke therapie. AI kan het ontwikkelingsproces helpen versnellen door de beste bewerkingsdoelen te voorspellen, de precisie en efficiëntie van Crispr te maximaliseren en off-target-effecten te verminderen. In de landbouw beloven AI-geïnformeerde ontwikkelingen van Crispr veerkrachtiger, productievere en voedzamere gewassen te creëren, een grotere voedselzekerheid te garanderen en de time-to-market te verkorten door onderzoekers te helpen zich te concentreren op de meest vruchtbare benaderingen. Op klimaatgebied zouden AI en Crispr nieuwe oplossingen kunnen bieden voor het verbeteren van de natuurlijke koolstofafvang en de ecologische duurzaamheid.
Het staat nog in de kinderschoenen, maar het potentieel om de gezamenlijke kracht van AI en Crispr, misschien wel de twee meest diepgaande technologieën van onze tijd, op de juiste manier te benutten, is duidelijk en opwindend – en het is al begonnen.
