Lock down aan, lab uit, programmeren aan
Op 23 maart, één week voor de startdatum van ons project, kondigde Rutte de ‘intelligente lock down’ af. Een zware periode volgde waarin teamleden afvielen, er veel onzekerheden waren en de werving van sponsoren ongepast voelde in deze moeilijke tijd. Maar juist daardoor werden we een ijzersterk team. Wij lieten ons niet uit het veld slaan en gingen vastberaden van start met ons project. Doordat labwerkzaamheden (wetlab), niet mogelijk waren tijdens de lock down, concentreerden we ons op ons algoritme (drylab). Maar wat is een algoritme precies en hoe steekt die van ons, de Forbidden FRUITS, in elkaar? En hoe schakel je tussen wet- en drylab?
Het algoritme “Forbidden FRUITS” berekent een strategie om op de computer de bacterie genetisch aan te passen. In plaats van trial en error kunnen wij direct de strategie, bepaald door het algoritme, gebruiken om de CO2-neutrale fabriekjes op te zetten in het lab. Dit scheelt niet alleen tijd in vergelijking met traditionele methoden, maar levert ook op korte termijn inzichten in het functioneren van een levend fabriekje.
Een algoritme is een soort stappenplan voor de computer. Aan de basis staat een programmeur die mensentaal omzet in programmeertaal. Een programmeertaal linkt een serie van tekens aan een serie opdrachten die de computer uitvoert. Elke combinatie heeft een unieke betekenis en daarom vereist programmeren precisie. Een computer kan immers niet zelf invullen wat jij bedoelt. Dat heb ik zelf ook ervaren: de code was bijna af, maar ik bleef een foutmelding krijgen. Wat bleek? Ik was een dubbele punt vergeten. Een klein detail met een groot gevolg, het algoritme werkte niet. Ook bij wetlab is precisie belangrijk. Tijdens de experimenten die we uitvoeren moeten we nauwkeurig werken. Een stap afwijken van het protocol kan leiden tot een mislukt experiment.
Op biotechnologie.nl bloggen vijf Nederlandse teams over hun deelname aan de iGEM competitie. Lees hier meer
Maar hoe zet je een levende cel om in programmeertaal? De genen van de bacterie bevatten de benodigde informatie om eiwitten te maken waarmee chemische reacties tot stand komen. De uitgeschreven genetische code van de bacterie ligt opgeslagen in externe gendatabases. Hierin staat welke genen verantwoordelijk zijn voor welke chemische reactie. Het algoritme gebruikt deze informatie voor de vertaalslag van chemische reactie naar gen. De gendatabases, actuele bronnen, hebben het voordeel dat ze de nieuwste inzichten bevatten. Het nadeel is dat de informatie in de database niet altijd correct is. Daardoor zijn wij afhankelijk van deze bron. Ook in het lab zijn we afhankelijk van de bron, in dit geval de geleverde kwaliteit van producten. Stel, het geleverde gen bevat een mutatie, dan zal het gen mogelijk niet tot uiting komen of een andere reactie uitvoeren.
Met ons project willen we bacteriën een bepaalde stof laten maken in hun cel. Ons algoritme koppelt de reactie om die de stof te maken, aan reacties die noodzakelijk zijn voor de groei van de bacterie. Deze koppeling zorgt voor een stabiele productie waardoor de toepasbaarheid van deze bacteriefabriekjes op grote schaal mogelijk wordt. Visualiseer dit groeinetwerk als een wegenkaart, waarbij je via verschillende wegen van locatie A naar B kunt verplaatsen. De toegevoegde productiereactie kun je zien als een nieuwe weg. De meeste mensen zullen kiezen voor de snelste route van A naar B, ditzelfde geldt voor de bacterie. Zij zal de weg van de minste weerstand gebruiken.
Het maken van een product gaat ten koste van de energie die bedoeld is voor de groei, daarom zal de bacterie niet voor de productieroute kiezen. Door andere wegen (genen) te blokkeren, dwingen we de bacterie om de productieroute te doorlopen. Wanneer het algoritme de stratenkaart verkeerd vertaalt, worden de genen aan de verkeerde reactie gekoppeld en maakt de bacterie niet de gewenste stof. Zo’n zelfde situatie kennen we van experimenten in het lab waarbij we een stap in een protocol overslaan. Bijvoorbeeld een essentiële voedingsstof vergeten te geven aan de bacteriën. Dat zal leiden tot een langzaam groeiende of zelfs een niet levensvatbare populatie.
In een labjas door het lab rennen en experimenten uitvoeren, of programmeren achter de computer. Twee totaal verschillende methoden en ervaringen dachten we eind maart. Maar beide vereisen precisie, zijn afhankelijk van de input en van een geschikt stappenplan. De coronacrisis heeft ons geleerd dat wet- en drylab in bepaalde opzichten toch vergelijkbaar zijn. Wie had dat gedacht?
