Towards coevolution-aware ancestral sequence reconstruction

Stellen Sie sich vor, Sie versuchen, das Rezept für ein berühmtes Gericht von vor 100 Jahren zu erraten. Sie haben eine Liste aller modernen Versionen dieses Gerichts (die „existierenden“ Proteine) und einen Stammbaum, der zeigt, wie sie miteinander verwandt sind. Ihr Ziel ist es, genau herauszufinden, wie das ursprüngliche, antike Rezept aussah. Wissenschaftler nennen dies Ancestral Sequence Reconstruction (ASR) (Rekonstruktion der Ahnensequenz).

Lange Zeit entsprach die Standardmethode, dies zu tun, dem Versuch, das Rezept zu erraten, indem man jede Zutat einzeln betrachtet. Wenn 90 % der modernen Gerichte Salz verwenden, nimmt die alte Methode an, dass das antike Gericht definitiv Salz verwendete. Wenn 90 % Pfeffer verwenden, nimmt sie Pfeffer an. Sie behandelt jede Zutat so, als hätte sie keine Beziehung zu anderen.

Das Problem: Der „Solo“-Zutatenfehler
Das Paper argumentiert, dass dieser „Solo“-Ansatz fehlerhaft ist, da Zutaten in einem Rezept (oder Aminosäuren in einem Protein) nicht isoliert funktionieren. Sie sind tief miteinander verbunden. In einer echten Küche gilt zum Beispiel: Wenn man viel scharfe Chili hinzufügt, muss man vielleicht auch mehr Zucker hinzufügen, um es auszubalancieren. Wenn man einen Teil eines Proteins verändert, erzwingt dies oft eine Änderung an einem anderen Teil, um das Ganze stabil zu halten. Wissenschaftler nennen dies Epistasie (oder Koevolution).

Die alten Methoden ignorieren diese Verbindungen. Dies führt zu zwei schlechten Ergebnissen:

1. Die „zu perfekte“ Vermutung: Der Computer wählt ein einziges „bestes“ Rezept aus, das mathematisch perfekt aussieht, aber in der Realität unmöglich zu kochen sein könnte, weil die Zutaten nicht zusammenpassen.
2. Die „zufällige“ Vermutung: Wenn Wissenschaftler versuchen, einige verschiedene mögliche Rezepte zu generieren, könnten sie auf Kombinationen stoßen, die physikalisch unmöglich sind, wie etwa ein Kuchen, der nur aus Wasser und Öl besteht.

Die neue Lösung: Der „Teamwork“-Ansatz
Die Autoren führen eine neue Methode ein, die wie ein Chefkoch agiert, der versteht, wie Zutaten miteinander kommunizieren. Sie kombinieren die Standard-Stammbaum-Analyse mit einer Technik namens Direct Coupling Analysis (DCA).

Betrachten Sie DCA als eine Möglichkeit, die „Regeln der Küche“ zu erlernen, indem man tausenden modernen Köchen zusieht. Es findet heraus, dass „wenn man Zutat A verwendet, man auch Zutat B verwenden muss, damit es funktioniert“.

Der neue Rahmen nutzt diese Regeln, um die Rekonstruktion zu leiten. Anstatt eine einzige perfekte Sequenz oder eine Reihe zufälliger Sequenzen zu erraten, generiert er ein Team von Kandidaten-Ahnen. Diese Kandidaten:

• Passen zum Stammbaum (sie sind phylogenetisch konsistent).
• Folgen den „Regeln der Küche“ (sie respektieren die Residuum-Residuum-Beschränkungen).
• Behalten die Unsicherheit bei (sie erkennen an, dass wir uns bei keiner einzelnen Zutat zu 100 % sicher sind, aber wir wissen, wie sie zusammenpassen).

Wie sie es getestet haben
Um zu beweisen, dass dies funktioniert, haben die Wissenschaftler nicht einfach nur geraten; sie bauten eine „Zeitreise“-Simulation. Sie erstellte eine gefälschte Evolutionsgeschichte, in der sie das exakte „Ground Truth“-Rezept kannten, weil sie die Regeln selbst geschrieben hatten. Dann versuchten sie, den Ahnen sowohl mit der alten „Solo“-Methode als auch mit ihrer neuen „Teamwork“-Methode zu rekonstruieren.

Die Ergebnisse
Als sie dies an realen biologischen Beispielen testeten (speziell $\beta$-Laktamasen, welche Enzyme sind, die Antibiotika abbauen, und DNA-Bindungsdomänen, die Proteinen helfen, an DNA zu binden), fanden sie:

• Die neue Methode war besser darin, die korrekten antiken Sequenzen zu erraten, wenn diese Sequenzen stark von der „Teamwork“ zwischen den Zutaten abhingen.
• Sie erzeugte eine Gruppe plausibler Ahnen, die wie echte, funktionale Proteine in der Natur aussah, anstatt wie seltsame, kaputte Kombinationen.

Zusammenfassend
Dieses Paper präsentiert ein neues Werkzeug, das aufhört, die Proteinevolution wie ein Spiel mit unabhängigen Würfelwürfen zu behandeln. Stattdessen behandelt es die Evolution wie einen komplexen Tanz, bei dem jede Bewegung von der des Partners abhängt. Indem es diese Verbindungen respektiert, liefert die neue Methode ein klareres, realistischeres Bild davon, wie unsere antiken molekularen Vorfahren tatsächlich ausgesehen haben könnten.