Large-scale exploration of protein space by automated NMR

Diese Studie etabliert einen hochdurchsatzfähigen experimentellen Workflow, der Protein-Design, automatisierte Produktion und NMR-Spektroskopie kombiniert, um die Struktur und Dynamik von Hunderten neu gestalteter Proteine atomar aufzulösen und so Lücken im Verständnis der Beziehung zwischen Sequenz, Struktur und Beweglichkeit zu schließen.

Das Wesentliche

Das große Problem: Wir können Proteine bauen, aber nicht verstehen, wie sie sich bewegen

Stellen Sie sich vor, Sie sind ein Architekt. Dank neuer KI-Programme können Sie heute tausende von fantastischen, neuen Gebäuden (Proteinen) am Computer entwerfen. Sie wissen genau, wie sie aussehen sollen. Aber hier ist das Problem: Ein Gebäude auf dem Bildschirm ist starr. In der Realität aber wackeln, dehnen und drehen sich echte Gebäude. Und genau dieses „Wackeln" (die Dynamik) ist oft der Schlüssel dazu, ob ein Gebäude funktioniert oder einstürzt.

Bisher war es extrem teuer und langsam, diese Bewegungen im Labor zu messen. Man konnte nur ein oder zwei Gebäude pro Jahr genau untersuchen. Das war wie wenn man versucht, das Wetter zu verstehen, indem man nur einmal im Jahr einen Blick aus dem Fenster wirft.

Die Lösung: Eine Fließband-Fabrik für Proteine

Die Forscher aus Basel haben jetzt eine Art „Fließband" gebaut, das diese Lücke schließt. Sie nennen ihre Methode NMR-APP.

Stellen Sie sich das so vor:

1. Der Entwurf: Ein Computer (die KI) entwirft 384 neue, kleine Proteine.
2. Die Fabrik: Ein Roboterarm (ein automatisiertes Labor) nimmt diese Entwürfe, baut die Baupläne (DNA) und lässt Bakterien die Proteine in großen Mengen produzieren. Das passiert in 96-Wannen gleichzeitig, wie in einer riesigen Eierschalen-Box.
3. Die Qualitätskontrolle: Die Bakterien werden aufgedröselt, und die Proteine werden gereinigt.
4. Der Scan: Hier kommt das Magische: Die Proteine werden einem NMR-Magnet vorgeführt. Das ist wie ein extrem genauer Röntgenblick, der nicht nur das Aussehen, sondern auch die Bewegung des Proteins zeigt.

Das Tolle: Ein einzelner Mensch kann mit diesem System hunderte von Proteinen pro Woche analysieren. Früher hätte das Jahre gedauert.

Was haben sie herausgefunden?

Sie haben 384 dieser künstlichen Proteine durch das System gejagt.

• Erfolg: Bei etwa 62 % der Proteine funktionierte alles perfekt. Sie sahen genau so aus und bewegten sich so, wie der Computer es vorhergesagt hatte.
• Die Überraschung: Aber bei vielen anderen passierte etwas Unerwartetes. Der Computer hatte gedacht: „Das ist ein starrer, stabiler Block." Das NMR-Gerät zeigte aber: „Nein, dieses Teil wackelt hier und da ganz schön!"

Die Analogie:
Stellen Sie sich vor, Sie entwerfen einen Roboterarm am Computer. Sie denken, er ist starr wie ein Stahlstab. Aber wenn Sie ihn bauen, merken Sie, dass das Gelenk am Ellenbogen ein bisschen quietscht und wackelt. Das ist genau das, was die Forscher gesehen haben. Die KI-Modelle, die wir heute nutzen, sind super darin, das Aussehen vorherzusagen, aber sie vergessen oft, wie das Ding sich fühlt und bewegt.

Warum ist das wichtig?

Bisher haben wir Daten nur über das Aussehen von Proteinen gesammelt (wie Fotos). Jetzt haben sie eine riesige Datenbank über das Verhalten und die Bewegung von Proteinen geschaffen.

Das ist wie der Unterschied zwischen einem statischen Foto einer Tanzgruppe und einem Video, das zeigt, wie sie tanzen. Mit diesen neuen Daten können wir in Zukunft KI-Modelle trainieren, die nicht nur sagen: „So sieht das Protein aus", sondern auch: „So tanzt es, wo es wackelt und wie es funktioniert."

Fazit

Die Forscher haben die Tür zu einer neuen Welt geöffnet: Statistische Strukturbiologie. Statt nur ein einzelnes Protein zu studieren, können wir jetzt ganze Ensembles (Gruppen) von Proteinen untersuchen. Sie haben gezeigt, dass man mit Automatisierung und Robotern die Kosten und die Zeit für diese hochkomplexe Wissenschaft drastisch senken kann.

Kurz gesagt: Sie haben aus einer langsamen, teuren Handwerkskunst eine effiziente Fabrik gemacht, die uns hilft zu verstehen, warum Proteine so sind, wie sie sind – und wie sie sich bewegen.

Technische Zusammenfassung

Titel: Large-scale exploration of protein space by automated NMR (Großflächige Erkundung des Proteinraums durch automatisierte NMR-Spektroskopie)

1. Problemstellung

Obwohl Deep-Learning-Modelle die Vorhersage und das de novo-Design von Proteinstrukturen in großem Maßstab ermöglicht haben, bleibt der experimentelle Zugang zu Proteindynamik, konformationeller Heterogenität und Faltungsverhalten stark limitiert.

• Die Lücke: Es fehlt an systematischen, hochdurchsatzfähigen experimentellen Daten, um zu verstehen, wie Aminosäuresequenzen Bewegung und funktionelle Flexibilität codieren.
• Die Herausforderung: Die NMR-Spektroskopie bietet zwar einzigartige Einblicke in Struktur und Dynamik auf atomarer Ebene, gilt aber traditionell als Low-Throughput-Technik, die manuelle Arbeit und hohe Kosten pro Probe erfordert. Bisherige Ansätze zur Parallelisierung der Expression waren nicht weit verbreitet oder skalierten nicht ausreichend für datengetriebene Modelle (Deep Learning) im Bereich der Dynamik.

2. Methodik: Die NMR-APP-Plattform

Die Autoren entwickelten eine skalierbare experimentelle Pipeline, die sie NMR-Automated Protein Production (NMR-APP) nennen. Diese integriert drei Hauptschritte:

• A. Design einer strukturell diversen Proteinbibliothek:

  • Es wurden 384 de novo entworfene Proteine generiert, um verschiedene Regionen des Strukturraums abzudecken.
  • Zwei Generativmodelle wurden genutzt: RFdiffusion (bewährt, tendenziell helikal) und Proteína (neueres Flow-Matching-Modell, diversere Strukturen).
  • Der Design-Workflow umfasste die Generierung von Rückgratstrukturen, Sequenzdesign mit ProteinMPNN und in silico-Refolding mit Boltz-1.
  • Um eine breite Abdeckung zu gewährleisten, wurden die Designs mittels Foldseek clusternd und gezielt aus verschiedenen Clustern (inklusive β-Faltblättern und Mischstrukturen) gesampelt, um die Verzerrung hin zu einfachen Helices zu vermeiden.

• B. Hochdurchsatz-Proteinproduktion:

  • Klonierung: Automatisierte Golden-Gate-Assembly mittels akustischer Flüssigkeitsrobotik (Echo 525).
  • Expression: Expression in E. coli in 96-Deepwell-Platten mittels Auto-Induktion mit ¹⁵N-Isotopenmarkierung.
  • Aufreinigung: Ein zweistufiger automatisierter Prozess: chemische Lyse und IMAC-Aufreinigung in 96-Well-Platten, gefolgt von automatisierter halb-präparativer Größenausschlusschromatographie (SEC).
  • Ergebnis: Ein einzelner Operator kann hunderte isotopenmarkierte Proteine pro Woche produzieren. Die Kosten pro Probe werden primär durch die DNA-Synthese bestimmt (ca. 25 USD/Probe).

• C. Automatisierte NMR-Screening:

  • Alle 379 erfolgreich produzierten Proben wurden mit 2D [¹⁵N,¹H]-HMQC-Experimenten (45 Minuten Messzeit pro Probe) bei 25 °C analysiert.
  • Die Datenerfassung und -analyse (Qualitätsbewertung basierend auf Peak-Anzahl und Signal-Rausch-Verhältnis) erfolgte vollständig automatisiert ohne manuelle Eingriffe.
  • Ein einzelnes Spektrometer kann so 32 Proben pro Tag (224 pro Woche) charakterisieren.

3. Wichtige Beiträge und Ergebnisse

• Erfolgsraten:

  • Von den 384 Designs wurden 379 erfolgreich exprimiert und gereinigt (98,7 %).
  • 239 Proben (62 %) lieferten hochqualitative NMR-Spektren, die für detaillierte Analysen geeignet waren.
  • 79 Proben (21 %) zeigten Peaks, aber mit niedriger Qualität (zu wenig Peaks, schlechtes Signal-Rausch-Verhältnis).
  • 61 Proben (16 %) lieferten keine interpretierbaren Spektren (vermutlich aufgrund von Aggregation, Oligomerisierung oder zu niedriger Expression).
  • Die Qualität korrelierte stark mit der Proteinkonzentration (>10 µM).

• Validierung der Struktur:

  • Statistische Analyse: Die Analyse der HMQC-Spektren zeigte, dass die durchschnittlichen chemischen Verschiebungen (¹H und ¹⁵N) mit dem β-Faltblatt-Anteil korrelieren, was die korrekte Faltung der Designs bestätigt.
  • Detailvalidierung: 9 Proteine wurden für eine tiefgehende Charakterisierung ausgewählt (¹³C-Markierung, vollständige Resonanz-Zuordnung, Strukturbestimmung).
  • Die experimentell bestimmten Strukturen stimmten exzellent mit den in silico-Modellen überein (RMSD von 1,3 Å).

• Einblicke in die Dynamik:

  • Unerwartete Dynamik: NMR-Relaxationsexperimente an den 9 validierten Proteinen zeigten lokale Dynamik in Schleifen und Sekundärstrukturelementen, obwohl die Proteine als statisch entworfen wurden.
  • Mehrere Zustände: Es wurden minoritäre Konformationszustände (z. B. durch cis/trans-Isomerisierung von Prolin) beobachtet, die in den statischen Design-Modellen nicht vorhergesagt wurden.
  • Frustration: Die Ergebnisse deuten auf "frustrierte" Energielandschaften in de novo-Designs hin, die zu persistenter Dynamik führen.
  • Mangelnde Vorhersagbarkeit: Es gab keine signifikante Korrelation (R² < 0.12) zwischen computergestützten Metriken (wie pLDDT oder RMSF aus AlphaFold/Boltz) und den experimentellen Relaxationsparametern. Dies zeigt, dass aktuelle Modelle, die auf evolutionären Daten trainiert wurden, die Dynamik de novo entwarfener Proteine nicht zuverlässig vorhersagen können.

• Statistische Strukturbiologie:

  • Durch Clustering der Spektren konnten klare Trennungen zwischen verschiedenen Faltklassen (z. B. rein helikal vs. gemischt) identifiziert werden, was das Potenzial für maschinelles Lernen auf unassignierten NMR-Daten unterstreicht.

4. Bedeutung und Ausblick

• Paradigmenwechsel: Die Arbeit bricht eine langjährige Durchsatzbarriere in der NMR-Strukturbiochemie. Sie ermöglicht den Übergang von der Einzelprotein-Analyse zur statistischen Strukturbiologie, bei der Erkenntnisse aus großen Ensembles von Proteinen gewonnen werden.
• Datenbasis für KI: Die generierten Datensätze sind essenziell, um zukünftige Deep-Learning-Modelle zu trainieren, die Proteinbewegungen und -dynamik aus reinen Sequenzen vorhersagen können, unabhängig von evolutionären Informationen.
• Skalierbarkeit: Die Pipeline ist nicht auf de novo Designs beschränkt und kann auf natürliche Proteine und Komplexe erweitert werden. Zukünftige Erweiterungen könnten Seitenketten-spezifische Experimente (z. B. Methyl-Labeling) für größere Proteine einschließen.
• Kosten-Nutzen: Mit einem Kostenpunkt von ca. 25 USD pro Probe (dominiert durch DNA) und der Möglichkeit, Daten in Wochen statt Jahren zu generieren, stellt NMR-APP eine neue Ära der experimentellen Charakterisierung von Proteinen ein.

Fazit: Die Autoren haben eine robuste, automatisierte Pipeline etabliert, die es erlaubt, die Lücke zwischen computergestütztem Protein-Design und experimenteller Charakterisierung von Dynamik zu schließen. Sie liefern den ersten großen experimentellen Datensatz, der zeigt, dass de novo entworfenen Proteinen oft komplexe dynamische Eigenschaften innewohnen, die von aktuellen Vorhersagemodellen übersehen werden.