Protein language models learn the underlying accessibility of mutations alongside protein fitness landscapes
Diese Studie zeigt auf, dass Protein-Sprachmodelle strukturelle Fitness mit Verzerrungen im Mutationsangebot verwechseln, wobei die explizite Entkopplung dieser Faktoren die Vorhersage neu auftretender Virusvarianten verbessert und gleichzeitig bestätigt, dass Selektion die Häufigkeit etablierter Varianten dominiert.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen
Viren verändern sich ständig, indem sie winzige Bausteine in ihrem genetischen Code austauschen, um zu überleben. Wissenschaftler haben kürzlich leistungsstarke Computerprogramme entwickelt, die als Protein-Sprachmodelle bekannt sind und diese genetischen Sequenzen lesen sowie vorhersagen können, welche Veränderungen als Nächstes wahrscheinlich eintreten werden. Diese Werkzeuge wurden mit riesigen Bibliotheken natürlicher Proteinsequenzen trainiert und lernten so die „Grammatik“ des Lebens, um zu erraten, wie ein Virus in der Zukunft aussehen könnte. Die Hoffnung dahinter war, dass diese Programme die Landschaft der viralen Fitness kartieren könnten, indem sie Forschern zeigen, welche Mutationen einem Virus helfen werden, sich auszubreiten, und welche dazu führen werden, dass es scheitert. Diese Fähigkeit ist für die öffentliche Gesundheit von entscheidender Bedeutung, insbesondere bei Krankheiten wie der Influenza, bei denen die Vorhersage des nächsten dominanten Stammes Monate im Voraus die einzige Möglichkeit ist, effektive Impfstoffe zu entwickeln, bevor die Saison beginnt.
Ein neuer Bericht legt jedoch nahe, dass diese Computerprogramme nicht nur lernen, was die Überlebensbedürfnisse des Virus sind; sie lernen auch die mechanischen Grenzen dessen, wie Mutationen entstehen. Die Forscher fanden heraus, dass die Modelle eine verborgene Verzerrung absorbiert haben: Sie wissen, welche genetischen Veränderungen einfacher durchzuführen sind, schlichtweg aufgrund der Art und Weise, wie die DNA strukturiert ist. Einige Aminosäureveränderungen erfordern nur eine einzige Änderung im genetischen Code, während andere zwei oder drei erfordern. Da die Modelle mit realen Daten trainiert wurden, lernten sie, dass die einfachen Veränderungen häufiger vorkommen – nicht unbedingt, weil sie besser für das Virus sind, sondern weil sie leichter zugänglich sind. Dies führt zu einer Verwirrung, bei der die Vorhersage des Modells über den Erfolg einer Mutation tatsächlich eine Mischung daraus ist, wie gut die Mutation für das Virus ist und wie einfach sie zu erzeugen ist.
Um diese Vermischung zu entwirren, nutzten die Forscher das jüngste Aufkommen einer neuen Linie des Influenza-A-Virus, bekannt als K-Linie, als Stresstest. Dieser neue Stamm erschien mit neun spezifischen Veränderungen in seinem Hauptoberflächenprotein im Vergleich zu seinem Vorfahren. Durch die Analyse dieser Veränderungen entdeckte das Team, dass die Computermodelle tatsächlich die Regeln der mutationsbedingten Zugänglichkeit gelernt hatten. Sie konnten vorhersagen, welche Aminosäureaustausche wahrscheinlich auftreten würden, basierend darauf, wie viele genetische Schritte erforderlich waren, obwohl die Modelle selbst nie den genetischen Code, sondern nur die endgültigen Proteinstrukturen gesehen hatten. Die Studie zeigte, dass diese Modelle, wenn sie auf spezifischen Virusdaten feinjustiert wurden, noch besser darin wurden, diese mechanischen Einschränkungen zu erkennen, indem sie effektiv lernten, welche synonymen genetischen Codes verwendet wurden und wie wahrscheinlich eine spezifische Mutation in einer einzigen Replikationsrunde war.
Die Forscher testeten daraufhin, ob dieses verborgene Wissen half oder schadete, wenn es darum ging, die Zukunft vorherzusagen. Wenn das Ziel darin bestand, vorherzusagen, welche neuen Mutationen überhaupt in der Population erscheinen würden, verbesserte das Hinzufügen expliziter Informationen über die mutationsbedingte Zugänglichkeit die Modelle erheblich. Es half ihnen, die unmöglichen oder höchst unwahrscheinlichen Veränderungen herauszufiltern und die riesige Anzahl der Möglichkeiten auf diejenigen zu reduzieren, die tatsächlich erreichbar waren. Das Ergebnis kehrte sich jedoch um, als die Forscher versuchten vorherzusagen, wie erfolgreich eine Mutation wäre, sobald sie bereits aufgetreten war. In diesem Fall schnitten die Modelle besser ab, wenn der Einfluss der mutationsbedingten Zugänglichkeit entfernt wurde. Dies deutet darauf hin, dass die Ausbreitung einer Mutation, sobald sie die erste Hürde der Entstehung überwunden hat, fast ausschließlich durch die natürliche Selektion und die Fitness des Virus angetrieben wird und nicht dadurch, wie einfach sie zu erzeugen war.
Die Studie untersuchte auch, wie diese Modelle in Laborexperimenten abschneiden, die die tatsächliche Fitness viraler Proteine messen. Die Forscher fanden heraus, dass die Vorhersagen der Modelle oft durch dieselben Mutationsverzerrungen beeinflusst wurden, die sie gelernt hatten. Als das Team die Modelle so anpasste, dass der Einfluss dieser leicht zu erzeugenden Mutationen abgewichtet wurde, wurden die Vorhersagen der Proteinfitness genauer. Dies deutet darauf hin, dass die Modelle zuvor zu viel Anerkennung für Mutationen gegeben hatten, die nur deshalb häufig waren, weil sie so einfach zu generieren waren, und nicht, weil sie die besten für das Virus waren. Die Ergebnisse implizieren, dass Wissenschaftler, um ein genaueres Bild der viralen Evolution zu erhalten, die beiden Kräfte trennen müssen: die rohe Wahrscheinlichkeit, dass eine Mutation auftritt, und den biologischen Wert dieser Mutation, sobald sie existiert.
Durch die explizite Trennung dieser Faktoren schlagen die Forscher einen klareren Weg zur Vorhersage der viralen Evolution vor. Anstatt sich auf einen einzigen Score zu verlassen, der Fitness und Zugänglichkeit vermischt, könnten zukünftige Modelle die strukturelle Fitness eines Proteins unabhängig berechnen und dann die Wahrscheinlichkeit des Auftretens der Mutation darüberlegen. Dieser Ansatz würde eine realistischere Karte für die evolutionäre Vorhersage liefern, die es den Gesundheitsbehörden ermöglicht, wirklich gefährliche Stämme zu antizipieren. Er bietet auch ein saubereres Werkzeug für die synthetische Biologie, bei der Wissenschaftler Proteine von Grund auf neu entwerfen, ohne die Beschränkungen der Evolutionsgeschichte. Die Studie kommt zu dem Schluss, dass die virale Evolution zwar komplex und stochastisch ist, das Verständnis der unterschiedlichen Rollen von Mutationsangebot und natürlicher Selektion jedoch eine präzisere und zuverlässigere Vorhersage des nächsten Schritts des Pathogens ermöglicht.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.