Kan je voorspellen welke faag een bacterie zal infecteren?
Fagen zijn de virussen die bacteriën infecteren. En dat is goed nieuws, want we kunnen ze aldus inzetten als alternatieve antibiotica om (resistente) bacteriële infecties te bestrijden. Het kan echter moeilijk zijn om net de juiste faag te vinden tegen een bepaalde bacterie. Recent schreef ik mee aan een opiniestuk over het inzetten van artificiële intelligentie om die tekortkoming aan te pakken. Deze blogpost overloopt voor jou de belangrijkste punten!
Waarom willen we voorspellen of een faag een bacterie zal kunnen infecteren?
Stel dat je een bacteriële infectie oploopt. Normaal gezien krijg je dan antibiotica voorgeschreven, waardoor de groei van de bacteriën verstoord wordt en je er terug bovenop geraakt. Wanneer die bacteriën echter resistent zijn tegen het antibioticum, blijf je zitten met die infectie, met alle gevolgen van dien. Helaas verbetert de situatie er ook niet op, het probleem blijft groter worden.
We kunnen dus fagen gebruiken als alternatief in dergelijke situaties, maar ook dat is niet evident. Fagen werken namelijk zeer specifiek in op een kleine subset van bacteriën. Met andere woorden, je moet eerst goed zoeken welke faag jij net nodig hebt tegen jouw specifieke bacteriële infectie. Je kan ook een aantal fagen waarvan je denkt dat ze goed zullen werken samenvoegen in een ‘cocktail’, en die als therapie toedienen.
Om te vinden welke faag net welke bacterie kan infecteren en afdoden worden in het laboratorium zogenaamde plaque assays uitgevoerd. Als je bacteriën samenzet met een faag die ze kan infecteren, dan zul je klaringszones zien ontstaan doordat de bacteriën daar afgedood worden. Dit proces houdt echter veel manueel werk in, en het kan lang duren vooraleer je een geschikte faag (of meerdere) vindt.
Om dat proces sneller te doen verlopen, kunnen we technieken uit artificiële intelligentie gebruiken, om met computers te gaan voorspellen welke fagen welke bacteriën kunnen infecteren. En doordat we computers gebruiken, kunnen die voorspellingen veel sneller gebeuren dan het labowerk. Zo sparen we tijd uit in het ontwikkelen van een therapie tegen een bacteriële pathogeen, wat soms cruciaal kan zijn.
Hoe voorspel je zo’n interacties tussen fagen en bacteriën?
Wanneer we een computermodel willen opstellen om zo’n interacties tussen fagen en bacteriën te voorspellen, stellen we ons eigenlijk de vraag: kan een computer patronen leren in data van gekende interacties tussen fagen en bacteriën, om zo nieuwe interacties te gaan voorspellen? Hiervoor gebruiken we machine learning modellen, een subveld binnen artificiële intelligentie.
We hebben eerst en vooral dus datapunten nodig van fagen en bacteriën waarvan we al weten of ze al dan niet interageren met elkaar. Die data kan nu op verschillende manieren verwerkt worden, zodat ze de nuttige informatie weerspiegelt waar modellen van kunnen leren. Dat model is uiteindelijk niet meer dan zoeken naar een wiskundige functie f(x,y) die informatie over de fagen (x) en de bacteriën (y) krijgt en een bepaalde uitkomst voorspelt.
De uitleg is eenvoudig, maar de uitvoering ervan natuurlijk veel minder! Bacterie-faag interacties zijn namelijk complex en worden gekenmerkt door verschillende stappen doorheen het infectieproces. In ons opiniestuk stellen wij daarom voor om verschillende wiskundige functies op te stellen voor elk van die stappen. Op die manier reduceren we de complexiteit van elk model, en wordt het geheel ook beter interpreteerbaar naar biologische toepassingen toe.
Van antibiogram naar digitaal faagogram
Wanneer je in een ziekenhuis binnenkomt met een bacteriële infectie wordt vaak een antibiogram gemaakt, er wordt gekeken naar welke antibiotica nog in welke mate werken tegen jouw infectie. Vandaag kunnen we hetzelfde doen met fagen: we testen een panel fagen in het labo en kijken welke daarvan werken tegen die bacterie en in welke mate. Nu faag biologie meer en meer digitaal gaat en data gedreven wordt, kan dit faagogram ook verder worden verbeterd.
In ons opiniestuk introduceren we daarom een nieuwe term: het digitaal faagogram. Dat is het digitale en veel snellere alternatief voor het traditionele faagogram die in het labo wordt opgesteld. Het digitale faagogram moet toelaten om voor honderden fagen snel met computers voorspellingen te maken over of ze een bepaalde bacterie al dan niet kunnen infecteren. Op die manier kunnen de meest veelbelovende fagen dan worden gesuggereerd door de computer om te testen in het labo. Testen in het labo zal dus nog steefds nodig zijn (geen enkel model is perfect), maar het laat wel toe om veel gerichter te testen, en dus sneller tot een therapie te komen die patiënten kan helpen! Op dit moment is dat nog een toekomstvisie, maar binnen enkele jaren wellicht niet meer.
En voor de geïnteresseerden, ons volledige opiniestuk is hier te vinden ;)
De afbeeldingen voor deze post zijn (deels) van Wikipedia of gemaakt door Don Daskalo van The Noun Project.