Repurposing PeTriBERT for Protein Protein Interaction Prediction with Sequence Structure Fusion

Das Leben auf mikroskopischer Ebene ist eine Welt ständiger Verbindung. In jeder lebenden Zelle fungieren Proteine als Arbeiter, Baumeister und Boten, die den Apparat des Lebens am Laufen halten. Diese Moleküle sind keine einsamen Gestalten; sie arbeiten selten allein. Stattdessen müssen sie spezifische Partner finden und sich mit ihnen verzahnen, um Teams zu bilden, die chemische Reaktionen vorantreiben, Signale senden oder zelluläre Strukturen aufbauen. Dieser Prozess, bei dem zwei Proteine einander finden und aneinanderhaften, wird als Protein-Protein-Interaktion bezeichnet. Genau zu verstehen, welche Proteine miteinander paaren und wie sie das tun, ist für Wissenschaftler von entscheidender Bedeutung. Wenn Forscher diese Verbindungen kartieren können, können sie herausfinden, wie Krankheiten entstehen, warum bestimmte Medikamente wirken und wie man neue Arzneimittel entwickelt, um defekte biologische Systeme zu reparieren.

Lange Zeit war das Entschlüsseln dieser Partnerschaften wie der Versuch, ein Puzzle mit fehlenden Teilen zu lösen. Wissenschaftler konnten zwar beobachten, wie Proteine im Labor interagieren, aber der Prozess war langsam, teuer und oft unvollständig. In den letzten Jahren hat die künstliche Intelligenz eingestet, um zu helfen, indem sie lernte, vorherzusagen, wie Proteine sich zu ihren dreidimensionalen Formen falten. Dieser Durchbruch hat eine neue Tür geöffnet: Wenn wir die Form eines Proteins vorhersagen können, können wir vielleicht auch vorhersagen, wie es mit anderen interagiert. Die Form eines Proteins ist jedoch nur die halbe Geschichte. Seine chemische Sequenz – die spezifische Abfolge seiner Bausteine – enthält ebenfalls lebenswichtige Hinweise. Die Herausforderung bestand darin, ein Computermodell zu entwickeln, das sowohl die Sequenz als auch die Form gleichzeitig lesen kann, um sie zu kombinieren und eine zuverlässige Vorhersage darüber zu treffen, ob zwei Proteine miteinander interagieren werden.

Ein Forscherteam in Frankreich hat mit der Entwicklung eines neuen Werkzeugs namens PeTriPPI2 einen bedeutenden Schritt nach vorn gemacht. Ihre Arbeit konzentriert sich auf eine kluge Strategie der Zweckentfremdung bestehender Modelle der künstlichen Intelligenz, um ein neues Problem zu lösen. Sie begannen mit zwei leistungsstarken, vortrainierten Systemen. Das erste ist ein Modell, das Millionen von Proteinsequenzen gelesen und die Sprache der Biologie gelernt hat, ähnlich wie ein Mensch eine gesprochene Sprache lernt. Das zweite ist ein Modell, das ursprünglich für das Gegenteil dessen entworfen wurde, was normalerweise erwartet wird: Anstatt eine Form aus einer Sequenz vorherzusagen, wurde es darauf trainiert, die Sequenz zu erraten, die eine bestimmte Form erzeugen würde. Dieses als PeTriBERT bekannte Modell ist außergewöhnlich gut darin, die geometrischen Regeln zu verstehen, die bestimmen, wie Proteinteile im dreidimensionalen Raum zusammenpassen.

Die Forscher erkannten, dass das tiefe Verständnis von PeTriBERT für die Proteingeometrie, obwohl es für eine andere Aufgabe entwickelt wurde, unglaublich nützlich für die Vorhersage von Interaktionen sein könnte. Sie verschmolzen dieses geometrische Modell mit dem Sequenzlese-Modell und schufen so ein Hybridsystem. In ihrem Aufbau werden die beiden zu testenden Proteine auf zwei Wegen in das System eingespeist. Ein Pfad leitet die rohe Aminosäuresequenz durch das Sprachmodell, um die chemischen Anweisungen zu erfassen. Der andere Pfad leitet die dreidimensionale Struktur der Proteine durch das geometrische Modell. Das System prüft dann, wie diese beiden Informationsströme aufeinander abgestimmt sind. Es fragt sich, ob die chemischen Anweisungen und die physischen Formen der beiden Proteine kompatibel genug sind, um eine stabile Bindung einzugehen.

Um zu testen, ob dieser Ansatz funktionierte, trainierte das Team ihr neues Modell auf einem riesigen Datensatz, der über 1,6 Millionen Proteinpaare enthielt, von denen die Hälfte als interagierend bekannt war und die andere Hälfte nicht. Anschließend unterzog das Team das Modell einem Test an einer separaten Gruppe von 2.342 Proteinpaaren, die es zuvor noch nie gesehen hatte. Die Ergebnisse waren stark. Das Modell identifizierte interagierende Paare mit einem hohen Grad an Genauigkeit und erreichte einen Wert von 0,898. Noch wichtiger war, dass es in 91,7 Prozent der Fälle richtig lag, wenn es vorhersagte, dass zwei Proteine interagieren würden. Diese hohe Präzision bedeutet, dass das Modell sehr gut darin ist, Fehlalarme zu vermeiden – ein kritisches Merkmal für Forscher, die zuverlässige Anhaltspunkte benötigen, um im Labor weiterzuarbeiten.

Die Studie enthüllte auch etwas Interessantes über die Funktionsweise des Modells, indem untersucht wurde, was passiert, wenn Teile davon entfernt werden. Als die Forscher das Modell daran hinderten, die Sequenzinformationen zu sehen, sank seine Fähigkeit zur Vorhersage von Interaktionen signifikant. Als sie die strukturellen Informationen blockierten, fiel die Genauigkeit des Modells auf 0,523 und der F1-Score auf 0,118, was nur geringfügig besser als der Zufall war. Dies bestätigte, dass sowohl die chemische Sequenz als auch die physische Form essenziell für die Funktion des Systems sind. Das Modell merkt sich nicht einfach nur Muster, sondern nutzt tatsächlich die Kombination aus beiden Arten von Daten, um seine Entscheidungen zu treffen.

Im Vergleich zu anderen führenden Methoden zeigte PeTriPPI2 eine deutliche Stärke. Es war präziser als ein ähnliches Hybridmodell namens SpatialPPIv2, was bedeutet, dass es weniger Fehler bei der Vorhersage machte, dass eine Interaktion stattfinden würde. Es war jedoch etwas weniger sensitiv und erfasste weniger der insgesamt möglichen Interaktionen. Dies deutet darauf hin, dass PeTriPPI2 mit einem strengeren Standard arbeitet und lieber sichergehen möchte, bevor es eine Entscheidung trifft. Für Wissenschaftler kann dieser Kompromiss wertvoll sein. In vielen Forschungsszenarien ist es besser, eine kleinere Liste hochzuverlässiger Kandidaten zu haben als eine lange Liste von Möglichkeiten, die viele falsche Fährten enthält.

Die Arbeit zeigt, dass KI-Modelle, die für eine spezifische biologische Aufgabe trainiert wurden, erfolgreich für eine andere angepasst werden können. Indem die Forscher ein Modell, das darauf ausgelegt war, Proteinformen zu dekonstruieren, dazu brachten, Interaktionen zu erkennen, zeigten sie, dass das zugrunde liegende geometrische Wissen übertragbar ist. Obwohl das Modell weiterhin auf eine gute Vorhersage der Proteinform angewiesen ist, um zu funktionieren, deutet der Erfolg dieses Ansatzes darauf hin, dass die Zukunft der Proteinwissenschaft in diesen Hybridsystemen liegen könnte. Sie kombinieren das weite Wissen über Proteinsequenzen mit der präzisen Logik der physischen Geometrie und bieten so ein vollständigeres Bild davon, wie die molekulare Welt sich verbindet.