RegimeFormer: A Large Protein Model of Global Perturbation Regimes
RegimeFormer ist ein groß angelegtes Proteinmodell, das durch seine zugehörige RegimeAtlas-Datenbank mit über 200 Millionen Sequenzen globale Perturbationsregime etabliert, um Residuenebene-Mutations-Effekte vorherzusagen und das nachgeschaltete biologische Modellieren, insbesondere für ungesehene Proteine und Familien, zu verbessern.
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
Proteine sind die Arbeitspferde des Lebens, winzige molekulare Maschinen, die Zellen aufbauen, Infektionen bekämpfen und die chemischen Reaktionen durchführen, die uns am Leben erhalten. Sie bestehen aus langen Ketten von Bausteinen, den sogenannten Aminosäuren, und die spezifische Reihenfolge dieser Bausteine bestimmt, wie sich das Protein faltet und was es tut. Seit Jahrzehnten wissen Wissenschaftler, dass die Änderung auch nur eines einzigen Bausteins in dieser Kette dramatische Folgen haben kann. Manchmal ist die Änderung harmlos; manchmal macht sie die Maschine jedoch komplett kaputt, was zu Krankheiten führt. In den letzten Jahren haben Forscher leistungsstarke Computertools entwickelt, um diese Ergebnisse vorherzusagen, aber diese Werkzeuge waren meist darauf beschränkt, nur ein Protein gleichzeitig zu untersuchen. Sie stoßen an ihre Grenzen, wenn sie mit dem riesigen, unerforschten Ozean von Proteinen konfrontiert werden, die in der Natur existieren und von denen viele noch nie in einem Labor gesehen wurden.
Ein Forscherteam hat nun eine neue Art von Karte gebaut, die diesen gesamten Ozean abdeckt. Sie entwickelten ein System, das das Verhalten von Proteinen nicht als eine Sammlung isolierter Rätsel betrachtet, sondern als eine einheitliche Landschaft mit deutlichen Regionen. Durch die Analyse von mehr als 200 Millionen Proteinsequenzen aus jedem Zweig des Lebensbaums entdeckten sie, dass Proteine in verschiedene „Regime“ oder Zustände fallen, die beschreiben, wie sie auf Veränderungen reagieren. Einige Proteine sind fragil, was bedeutet, dass selbst eine kleine Anpassung sie beschädigen kann. Andere sind anpassungsfähig und können Veränderungen aufnehmen und sogar ihre Funktion verbessern. Die Forscher bauten ein massives Modell, das in dieser Landschaft navigieren kann und vorhersagt, wie eine spezifische Änderung ein Protein beeinflusst, selbst wenn dieses Protein noch nie untersucht wurde. Diese Arbeit bietet eine neue Möglichkeit, die Regeln des Lebens auf molekularer Ebene zu verstehen und dient als Leitfaden für Wissenschaftler, die bessere Proteine entwickeln oder verstehen wollen, wie genetische Mutationen Krankheiten verursachen.
Die Forscher begannen damit, eine erstaunliche Menge an Daten zu sammeln. Sie sammelten 424 Millionen Rohdatensätze von Proteinsequenzen aus öffentlichen Datenbanken, die alles umfassen – von menschlichen Genen bis hin zu Bakterien im Boden und Viren. Nach der Bereinigung dieser Daten zur Entfernung von Fehlern und Duplikaten blieben ihnen 202 Millionen unterschiedliche Proteine. Diese Sammlung, die sie RegimeAtlas nannten, stellt eine nahezu vollständige Karte des wissenschaftlich bekannten Proteinuniversums dar. Anstatt diese Proteine nur aufzulisten, nutzte das Team ein hochentwickeltes Computermodell, um sie zu organisieren. Sie projizierten diese Sequenzen in einen kontinuierlichen Raum, in dem Proteine mit ähnlichem Verhalten gruppiert werden. Dies schuf ein globales Koordinatensystem dafür, wie Proteine auf Mutationen reagieren, und zeigte auf, dass die gesamte Menge an Proteinen nicht zufällig ist, sondern einem strukturierten Muster folgt.
Um die Karte für spezifische Fragen nutzbar zu machen, konzentrierte sich das Team auf eine kleinere, hochdiverse Gruppe von einer Million Proteinen, um ihr Hauptmodell zu trainieren, das sie RegimeFormer nannten. Dieses Modell lernte, ein Protein zu betrachten und ihm basierend auf seinem „Regime“ eine Position auf der Karte zuzuweisen. Sobald das Regime eines Proteins bekannt ist, kann das Modell vorhersagen, was passiert, wenn man eine Aminosäure durch eine andere ersetzt. Es tut dies, indem es für jede einzelne Stelle in der Proteinkette drei Dinge berechnet: Fragilität, Anpassungsfähigkeit und Unsicherheit. Fragilität misst, wie wahrscheinlich es ist, dass eine Stelle bricht, wenn sie verändert wird. Anpassungsfähigkeit misst, wie wahrscheinlich es ist, dass eine Änderung toleriert oder sogar hilfreich ist. Unsicherheit gibt dem Forscher an, wie sicher sich das Modell bei seiner Vorhersage ist.
Das Team testete dieses System gegen reale Experimente, bei denen Wissenschaftler bereits die Auswirkungen tausender Mutationen gemessen hatten. Sie fanden heraus, dass die Vorhersagen des Modells mit hoher Genauigkeit mit den experimentellen Ergebnissen übereinstimmten. Viel wichtiger war, dass das Modell in Situationen glänzte, in denen andere Werkzeuge normalerweise versagen: wenn es um Proteine ging, die sehr verschieden von allem waren, was es zuvor gesehen hatte, oder wenn es mit Proteinfamilien zu tun hatte, die in den Trainingsdaten selten vorkamen. Dies deutet darauf hin, dass das Modell eine grundlegende Regel über die Funktionsweise von Proteinen gelernt hat, anstatt nur spezifische Beispiele auswendig zu lernen. Die Forscher prüften auch, ob ihre Vorhersagen biologisch sinnvoll waren. Sie fanden heraus, dass die Stellen, die das Modell als „fragil“ markierte, genau jene Stellen waren, an denen Proteine normalerweise ihre kritischsten Aufgaben erfüllen, wie etwa das Binden an andere Moleküle oder das Katalysieren chemischer Reaktionen. Umgekehrt befanden sich die „anpassungsfähigen“ Stellen oft in Bereichen des Proteins, die ihre Form ändern können, ohne zu brechen.
Um zu beweisen, dass diese Karte kein bloßer mathematischer Trick war, verglichen die Forscher ihre Ergebnisse mit unabhängigen Daten aus anderen Fachbereichen. Sie betrachteten die 3D-Strukturen von Proteinen, die von anderen KI-Systemen vorhergesagt wurden, und fanden heraus, dass Proteine, die das Modell als fragil einstufte, tendenziell weniger stabile Strukturen aufwiesen, während diejenigen, die als anpassungsfähig eingestuft wurden, stabiler waren. Sie untersuchten auch die Evolutionsgeschichte und betrachteten, wie sich Proteine über Millionen von Jahren verändert haben. Sie entdeckten, dass die Stellen, die das Modell als fragil identifizierte, dieselben Stellen waren, die über Äonen hinweg unverändert geblieben waren, was darauf hindeutet, dass die Natur Veränderungen in diesen Bereichen schon sehr lange selektiert hat. Diese Übereinstimmung mit strukturellen und evolutionären Belegen bestätigte, dass das Modell eine reale biologische Wahrheit aufgedeckt hatte.
Die Stärke dieses Systems liegt in seiner Skalierbarkeit. Während das Modell auf einer Million Proteinen trainiert wurde, wurde es auf fast 400 Millionen einzelne Stellen im gesamten Atlas angewendet. Dies schuf eine massive Bibliothek von Vorhersagen, die Wissenschaftler abfragen können. Anstatt darauf zu warten, dass teure und zeitintensive Laborexperimente jede mögliche Mutation testen, können Forscher nun diese Karte nutzen, um zu priorisieren, welche Änderungen es wert sind, getestet zu werden. Das Team zeigte, dass die Verwendung dieser Karte zur Auswahl von Mutationen für Tests signifikant effizienter war als ältere Methoden, wodurch Wissenschaftler in der Lage sind, vorteilhafte Veränderungen mit wesentlich weniger Experimenten zu finden.
Über die reine Vorhersage des Proteinverhaltens hinaus verbanden die Forscher diese Protein-Karte mit der Frage, wie Zellen reagieren. Sie verknüpften ihre Proteinvorhersagen mit Daten darüber, wie Zellen ihre Genaktivität ändern, wenn sie Medikamenten oder anderen Stressoren ausgesetzt sind. Sie fanden heraus, dass die Erkenntnisse auf Proteinebene halfen zu erklären, warum bestimmte Zellen auf Medikamente auf eine spezifische Weise reagierten. Diese Brücke von der molekularen Ebene zur zellulären Ebene legt nahe, dass das Verständnis des „Regimes“ eines Proteins helfen kann, das Verhalten einer ganzen Zelle oder eines ganzen Organismus vorherzusagen. Das Team entwickelte auch ein öffentliches Tool namens RegimeAtlas Explorer, das es jedem ermöglicht, diese riesige Datenbank zu durchsuchen, die Vorhersagen zu visualisieren und die Beweise dahinter einzusehen.
Diese Arbeit stellt einen Wandel in der Art und Weise dar, wie Wissenschaftler die Welt der Proteine betrachten. Anstatt Proteine als isolierte Einheiten zu sehen, die einzeln untersucht werden müssen, haben die Forscher gezeigt, dass sie innerhalb eines globalen Systems von Verhaltensweisen existieren. Durch die Kartierung dieses Systems haben sie ein Werkzeug geschaffen, das die Zukunft der Biologie leiten kann – von der Entwicklung neuer Medikamente bis hin zum Verständnis der genetischen Grundlagen von Krankheiten. Das Modell sagt nicht nur voraus, was passieren wird; es enthüllt die zugrunde liegende Logik, warum Proteine sich so verhalten, wie sie es tun, und bietet eine neue Linse, durch die man die Maschinerie des Lebens betrachten kann.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.