Glykaner – komplexa kolhydrater – är involverade i nästan biologiska processer som sker i kroppen. Ändå vet man relativt lite om dem och det är svårt att förutse deras funktion även om man har kunskap om deras struktur.

En forskargrupp ledd av Daniel Bojar, biträdande universitetslektor vid Göteborgs universitet inom ramen för Wallenbergcentrum för molekylär och translationell medicin, har utvecklat en ny AI-modell, SweetNet, som kan användas för att analysera just glykaner. I en ny studie visar de upp resultat som tyder på att SweetNet bättre än andra modeller kan förutse funktionen hos olika glykaner, både på molekyl- och organismnivå.

När de ska infektera en cell binder de flesta virus – däribland SARS-CoV-2 – först till glykaner på cellens yta och forskarna visade att maskininlärningen hos AI-plattformen kunde lära sig att förutse bindningar mellan virus och glykaner. Forskarna hoppas att denna egenskap ska kunna användas för att utöka kunskapen om infektionsprocessen, för att förutse nya virus-glykan-interaktioner samt för att undersöka vilka virus som är mest troliga att spridas från djur till människor.

– Med uppkomsten av SARS-CoV-2 har vi sett vilka förödande konsekvenser det kan få när virus hoppar över från djur till människor. Vår modell kan nu användas för att förutse vilka virus som har störst potential att spridas på det här sättet. Det kan vi analysera genom att se hur många mutationer som behövs för att virus ska känna igen mänskliga glykaner, vilket ökar risken för infektion hos människor. Dessutom hjälper modellen oss att förutse vilka delar av människokroppen som riskerar att drabbas av ett zoonotiskt virus, som andningsorganen eller mag-tarmkanalen, säger Daniel Bojar, studiens huvudförfattare, i ett pressmeddelande.

En annan förhoppning är att forskningen ska leda till nya antivirala läkemedel.

– Om vi kan förutse interaktionen mellan virus och glykaner kan vi leta efter glykaner som binder virus bättre än vad våra egna glykaner gör, och använda dem som ”lockbete” till antivirala medel som kan förhindra en virusinfektion. Det kräver dock att det görs framsteg inom glykantillverkningen, eftersom potentiella antivirala glykaner kan innehålla vissa sekvenser som än så länge är svåra att skapa, säger Daniel Bojar.

Han hoppas dessutom att modellen kan bli ett steg mot att även använda glykaner för att förebygga och bekämpa framtida pandemier, eftersom man för närvarande hellre använder molekyler som är enklare att analysera, till exempel DNA.

– Arbetet från många forskargrupper har revolutionerat glykobiologin de senaste åren, och jag tror att vi äntligen är på väg att börja använda dessa komplexa biomolekyler för medicinska ändamål. Vi går mot spännande tider, säger han.

Läs mer i den vetenskapliga artikeln i tidskriften Cell: Using graph convolutional neural networks to learn a representation for glycans: Cell Reports