Neopep: Reinforcement Learning From Machine-Learned Force Field Energy for Non-Canonical Peptide Structure Prediction

In der Welt der Medizin bietet die Natur zwei primäre Werkzeuge zur Bekämpfung von Krankheiten an: kleine chemische Moleküle und große, komplexe Proteine. Peptide liegen bequem in der Mitte und fungieren als Brücke zwischen diesen beiden Extremen. Sie sind lang genug, um hochspezifisch an Krankheitsziele zu binden, und doch kurz genug, um stabil und relativ kostengünstig herzustellen. Jahrzehntelang haben Wissenschaftler versucht, neue Peptid-Arzneimittel unter Verwendung eines Standard-Sets von zwanzig Bausteinen, den sogenannten Aminosäuren, zu entwerufen. Die Natur und synthetische Chemiker haben jedoch Zugang zu tausenden anderen, ungewöhnlichen Bausteinen, die nicht in dieses Standardsatz passen. Diese „nicht-kanonischen“ Aminosäuren können Medikamente stabiler machen oder es ermöglichen, dass sie länger im Körper überleben. Das Problem besteht darin, dass wir zwar wissen, dass diese speziellen Zutaten existieren, aber nur sehr wenige Daten darüber besitzen, wie sie sich in dreidimensionale Formen falten. Ohne die Form zu kennen, können wir kein Medikament entwerfen, das in sein Ziel passt, wodurch eine riesige chemische Landschaft unerforscht bleibt.

Ein Forscherteam der University of Toronto hat einen neuen Ansatz entwickelt, um dieses Rätsel zu lösen, indem es ein System namens Neopep erschuf, das die Formen dieser ungewöhnlichen Peptidketten vorhersagen kann. Die zentrale Herausforderung bestand im Mangel an Trainingsdaten. Die Hauptbibliothek, die Wissenschaftler zum Lernen der Proteinfaltung nutzen, enthält Millionen von Strukturen, aber weniger als eins von fünftausend der Bausteine in dieser Bibliothek ist von der speziellen, nicht-standardmäßigen Art. Da die Computermodelle fast ausschließlich auf den zwanzig Standard-Aminosäuren trainiert wurden, hatten sie Schwierigkeiten, wenn sie nach der Form einer Kette gefragt wurden, die die seltenen Bestandteile enthielt. Um diesen Datenmangel zu umgehen, hörten die Forscher auf zu versuchen, jede mögliche Form auswendig zu lernen, und brachten ihr Modell stattd於, den Gesetzen der Physik zu folgen. Sie erkannten, dass sich Moleküle in der Natur natürlich in der stabilsten, energieärmsten Anordnung einpendeln, ganz ähnlich wie ein schwerer Ball, der zum Boden eines Tals rollt. Indem sie das Modell dazu brachten, nach diesen Zuständen niedriger Energie zu suchen, konnten sie es zur korrekten Form führen, selbst ohne ein perfektes Beispiel zum Kopieren zu haben.

Die Forscher bauten ihr System in zwei unterschiedlichen Phasen auf. Zuerst trainierten sie ein Deep-Learning-Modell auf der riesigen Bibliothek von Standard-Proteinstrukturen, um ihm ein allgemeines Verständnis dafür zu vermitteln, wie sich Ketten üblicherweise falten. Dies lieferte eine solide Grundlage, einen sogenannten „strukturellen Prior“, sodass das Modell die grundlegenden Regeln des Spiels verstand. In der zweiten Phase führten sie eine leistungsstarke Physik-Engine ein, die als maschinell gelernte Kraftfeld-Engine bekannt ist. Man kann sich diese Engine wie einen hochpräzisen Taschenrechner vorstellen, der sofort berechnen kann, wie viel Energie eine bestimmte Anordnung von Atomen besitzt, unabhängig davon, ob diese Atome Standard oder exotisch sind. Die Forscher nutzten dann eine Technik namens Reinforcement Learning (bestärkendes Lernen), bei der das Modell dazu befugt wurde, viele verschiedene Formen für eine Peptidkette vorzuschlagen. Die Physik-Engine bewertete jeden Vorschlag, und das Modell wurde belohnt, wenn es Anordnungen mit niedrigerer Energie fand. Im Laufe der Zeit lernte das Modell, Formen zu ignorieren, die physikalisch instabil waren, und sich auf jene zu konzentrieren, die energetisch günstig waren, wodurch es effektiv lernte, die seltenen Bausteine korrekt zu falten.

Die Ergebnisse dieses Ansatzes waren beeindruckend. Als das neue Modell an einem Satz von vierunddreißig Peptidketten getestet wurde, die nicht-standardmäßige Aminosäuren enthielten, erzeugte es Strukturen, die signifikant näher an den realen, experimentell beobachteten Formen lagen als bisherige Methoden. Während ältere Modelle Schwierigkeiten hatten, die Form richtig zu treffen – was oft zu Strukturen führte, die weit daneben lagen –, reduzierte das neue System den durchschnittlichen Fehler um eine große Spanne. In vielen Fällen fand das Modell eine Form, die nahezu identisch mit der Grundwahrheit war, mit einem Fehler von weniger als zwei Angström, einer Maßeinheit für atomare Abstände. Entscheidend war, dass diese Verbesserung nicht zu Lasten der Genauigkeit für Standard-Peptide ging; das Modell blieb bei der Vorhersage gewöhnlicher Ketten genauso gut wie vor dem neuen Training. Die Forscher beobachteten auch, dass das Modell in der Lage war, eine vielfältige Sammlung von Formen niedriger Energie zu generieren, was darauf hindeutet, dass es die zugrunde liegenden physikalischen Prinzipien gelernt hatte, anstatt nur eine einzige Antwort auswendig zu lernen.

Einer der faszinierendsten Aspekte dieser Arbeit ist, wie sie mit dem „Unbekannten“ umgeht. Das Modell wurde auf einem spezifischen Satz von 189 nicht-standardmäßigen Aminosäuren trainiert, aber da es arbeitet, indem es einzelne Atome und deren Wechselwirkungen betrachtet, anstatt jede Aminosäure als ein einzelnes, starres Token zu behandeln, ist es theoretisch in der Lage, jede chemische Struktur zu handhaben. Dies ist ein bedeutender Wandel gegenüber bisherigen Methoden, die eine Neuschulung oder Modifikation erforderten, wann immer eine neue Art von Baustein eingeführt wurde. Durch das Vertrauen auf die universelle Sprache der physikalischen Energie kann das System auf neue Chemikalien verallgemeinern, die es noch nie gesehen hat, vorausgesetzt, die Physik-Engine kann deren Energie berechnen. Dies öffnet die Tür zur Entwicklung von Medikamenten mit völlig neuen Eigenschaften unter Verwendung von Zutaten, die zuvor zu schwierig zu modellieren waren.

Die Studie beinhaltete auch eine sorgfältige Überprüfung, um sicherzustellen, dass das Modell nicht nur rät. Die Forscher verglichen die Energie der vom Modell vorhergesagten Formen mit der Energie der tatsächlichen, realen Strukturen. Sie fanden heraus, dass das Modell konsistent Formen produzierte, die ebenso stabil oder sogar etwas stabiler als die realen Strukturen waren. Dies bestätigte, dass das Modell tatsächlich den physikalischen Regeln folgte, die es gelernt hatte. In visuellen Vergleichen war der Unterschied deutlich: Die von dem älteren, vorab trainierten Modell erzeugten Strukturen sahen oft gebrochen oder unzusammenhängend aus, als ob die Atome an den falschen Stellen schweben würden. Nach der energiebasierten Feinabstimmung rasteten die Atome ein und bildeten kontinuierliche, chemisch sinnvolle Bindungen. Diese Fähigkeit, „kaputte“ Strukturen zu korrigieren, deutet darauf hin, dass das Modell ein tiefes Verständnis dafür erworht hat, wie Atome miteinander interagieren wollen.

Letztendlich bietet diese Forschung einen neuen Weg für die Arzneimittelentwicklung. Sie zeigt, dass wir, wenn Daten knapp sind, uns auf die grundlegenden Gesetze der Physik stützen können, um die Lücken zu füllen. Durch die Kombination der Mustererkennungsleistung moderner künstlicher Intelligenz mit der rigorosen Genauigkeit maschinell gelernter Physik haben die Forscher ein Werkzeug geschaffen, das durch die weite und komplexe Welt der nicht-standardmäßigen Aminosäuren navigieren kann. Diese Fähigkeit bedeutet, dass Wissenschaftler nun ein viel breiteres Spektrum an chemischen Möglichkeiten zur Entwicklung neuer Medikamente erkunden können, was potenziell zu Therapien führt, die effektiver, langlebiger und in der Lage sind, Krankheiten zu bekämpfen, die zuvor außer Reichweite lagen. Die Arbeit behauptet nicht, jedes Problem im Proteindesign gelöst zu haben, aber sie bietet eine robuste und generalisierbare Methode zur Bewältigung eines der beständigsten Engpässe auf diesem Gebiet.