> ## Content Index
> Fetch the complete content index at: https://ontraadseld.nl/llms.txt
> Use this file to discover other available public pages before exploring further.

# AI-model voor eiwitten: twijfel over 'blinde vlek' blijkt zelf twijfelachtig
- URL: https://ontraadseld.nl/ai-model-voor-eiwitten-twijfel-over-blinde-vlek-blijkt-zelf-twijfelachtig/
- Published: 2026-09-30T20:09:32.000Z
- Updated: 2026-10-05T21:02:06.000Z
- Author: Ontraadseld
- Tags: Biologie & Evolutie

Soms is het belangrijkste nieuws niet een ontdekking, maar het intrekken ervan. Dat overkwam een groep onderzoekers die een kunstmatige intelligentie onder de loep namen die eiwitten "leest". Hun eerste conclusie leek spannend. Bij nader onderzoek bleek die conclusie niet overeind te blijven.

Het gaat om een AI-model genaamd ESM-2\. Dit is een soort taalmodel, vergelijkbaar met de techniek achter ChatGPT, maar dan getraind op de bouwstenen van eiwitten in plaats van op woorden. Zulke modellen kunnen voorspellen hoe een eiwit verandert als je er een mutatie in aanbrengt, een kleine wijziging in de genetische code.

Onderzoekers wilden weten of ESM-2 ook goed snapt hoe verschillende mutaties samen werken. Dat heet epistase: het effect van de ene mutatie hangt soms af van de aanwezigheid van een andere. Twee mutaties samen kunnen een heel ander effect hebben dan je zou verwachten op basis van elk apart. Hoe meer mutaties tegelijk meespelen, hoe ingewikkelder dat samenspel wordt.

### Een eerste meting die spannend leek

Het team ontwikkelde een nieuwe meetmethode, ORBIT-FMIB, om te testen of ESM-2 die complexe samenwerking tussen mutaties net zo goed onthoudt als simpele, directe effecten. Ze testten dit op een goed bestudeerd eiwit, GB1, waarbij vier plekken tegelijk konden muteren.

De eerste meting gaf een duidelijk signaal: ESM-2 leek de complexe interacties tussen mutaties minder goed te onthouden dan de simpele, losse effecten. Het verschil kreeg een getal: min 0,107 op een bepaalde schaal.

### Opnieuw gemeten, ander resultaat

Een goede wetenschapper controleert zijn eigen werk. Dat deed dit team ook: ze herhaalden de hele meting, met dezelfde computerhardware en dezelfde instellingen. Het verschil kromp fors, naar min 0,017, bijna tien keer kleiner dan eerst.

Nog opvallender: toen ze de uitkomsten op een paar net zo verdedigbare andere manieren combineerden, sloeg het resultaat soms zelfs om naar een klein positief getal. De uitkomsten varieerden van min 0,011 tot plus 0,015\. Het teken van het effect, min of plus, stond dus niet vast. Dat betekent dat het oorspronkelijke signaal niet stevig genoeg was om als betrouwbare bevinding te gelden.

**Wat betekent dit (nog) niet:** Dit betekent niet dat is aangetoond dat ESM-2 wél alle soorten mutatie-interacties even goed onthoudt. De onderzoekers zeggen expliciet dat de vraag open blijft. Er is simpelweg nog geen stevig bewijs voor de eerdere claim dat het model slechter is in complexe interacties. De meetmethode zelf werkt nog steeds goed, alleen het eerste resultaat bleek niet robuust genoeg.

Waarom is dit toch interessant, als er geen harde conclusie uitkomt? Juist omdat het laat zien hoe voorzichtig je moet zijn met claims over AI-modellen in de biologie. Eén meting, hoe overtuigend ook, is geen bewijs. Pas als een resultaat een herhaling doorstaat, met dezelfde of andere data, mag je er iets van zeggen.

Dit is één onderzoeksteam, met één model en één eiwit. De uitkomst zegt dus ook niets over AI-modellen in het algemeen. Maar de les is breder toepasbaar: reproduceerbaarheid, het kunnen herhalen van een resultaat, is net zo belangrijk als de oorspronkelijke ontdekking zelf. Soms is de belangrijkste wetenschappelijke bijdrage dat je laat zien wanneer iets nog niet bewezen is.

Bron: [ORBIT-FMIB: Tracking Order-Resolved Epistatic Information Through ESM-2](http://arxiv.org/abs/2610.00672v1?ref=ontraadseld.nl)