An Interactive Bidirectional De Novo Protein Design System
Dieses Paper stellt einen Open-Source, interaktiven Webserver vor, der ein struktur-bewusstes GNN für das Sequenzdesign und einen auf ESMFold basierenden Prädiktor in einer bidirektionalen Schleife integriert, was es Forschern ermöglicht, De-novo-Proteindesigns zu visualisieren, zu quantifizieren und zu validieren, ohne eine Softwareinstallation zu benötigen.
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
In der riesigen Bibliothek des Lebens sind die Anweisungen zum Bau eines Proteins in einem chemischen Alphabet von nur zwanzig Buchstaben geschrieben. Doch die Form, die ein Protein annimmt, ist das, was seine Funktion bestimmt, indem sie wie ein Schlüssel wirkt, der in spezifische Schlösser im Körper passt. Jahrzehntelang hatten Wissenschaftler mit einem zweifachen Rätsel zu kämpfen: vorherzusagen, welche Form eine Sequenz von Buchstaben annehmen wird, und umgekehrt herauszufinden, welche Sequenz von Buchstaben benötigt wird, um eine bestimmte Form zu bauen. Während Computer hervorragend darin geworden sind, Formen aus Sequenzen zu erraten, war der umgekehrte Prozess – das Entwerfen einer neuen Sequenz, die zu einer maßgeschneiderten Form passt – oft ein langsames, technisches Unterfangen, das Experten mit spezialisierter Software und leistungsstarken Computern vorbehalten war. Diese Lücke zwischen hochgradigem statistischem Erfolg und der Fähigkeit, ein einzelnes, maßgeschneidertes Design visuell zu begutachten, hat viele Forscher daran gehindert, ihre eigenen kreativen Ideen darüber, wie Proteine von Grund auf neu gebaut werden könnten, leicht testen zu können.
Ein Team von Forschern der University of Texas at Dallas hat ein neues Werkzeug entwickelt, um diese Lücke zu schließen, indem es ein leichtgewichtiges, interaktives System geschaffen hat, das vollständig in einem Webbrowser läuft. Anstatt dass Benutzer komplexe Software installieren oder Code schreiben müssen, ermöglicht dieses System jedem, das Skelett eines Proteins zu zeichnen, den Computer darum zu bitten, eine Sequenz von Aminosäuren zu erfinden, die genau darauf passt, und dann sofort zu sehen, ob sich diese neue Sequenz wieder in die beabsichtigte Form faltet. Die Forscher haben zwei leistungsstarke KI-Modelle in einem einzigen Kreislauf kombelt: ein Modell, das Sequenzen basierend auf einer Form entwirft, und ein anderes, das die Form vorhersagt, die eine Sequenz annehmen wird. Durch die Verbindung dieser beiden lässt das Werkzeug einen Benutzer ein Rückgrat konstruieren, eine Sequenz generieren, diese falten und das Ergebnis dann mit der ursprünglichen Zeichnung vergleichen – alles innerhalb einer einzigen visuellen Benutzeroberfläche.
Das System arbeitet über zwei Hauptmodi, die zusammenwirken wie ein Gespräch zwischen einem Designer und einem Baumeister. Im ersten Modus kann ein Benutzer ein Proteinrückgrat von Grund auf neu konstruieren. Er kann einzelne Bausteine platzieren, durch Ziehen eine kontinuierliche Kette zeichnen oder idealisierte Helices und Stränge einfügen, ganz so, als würde man die Teile eines Modellbausatzes zusammenstecken. Er kann auch bestehende Proteinstrukturen aus öffentlichen Datenbanken hochladen, um diese als Ausgangspunkt zu nutzen. Sobald eine Form definiert ist, bittet das System sein Sequenzdesign-Modell darum, eine Folge von Aminosäuren zu erfinden, die diese Form zusammenhält. Der Computer bietet nicht nur eine einzige Antwort an; er liefert eine Liste von Möglichkeiten zusammen mit einem Konfidenzwert für jede Position, der dem Benutzer zeigt, wie sicher sich das Modell bei seinen Entscheidungen ist.
Im zweiten Modus nimmt der Benutzer diese neu generierte Sequenz und bittet das Faltungsmodell vorherzusagen, welche dreidimensionale Struktur sie tatsächlich bilden wird. Hier findet der eigentliche Test statt. Das System rendert die vorhergesagte Form in 3D und färbt sie so ein, dass ersichtlich ist, für welche Teile sich das Modell sicher ist und für welche Teile es unsicher ist. Um den Vergleich aussagekräftig zu machen, enthält das Tool eine integrierte Ausrichtungsfunktion, die die vorhergesagte Form mathematisch mit dem ursprünglichen Design überlagert. Es berechnet ein präzises Maß dafür, wie weit die Atome in den beiden Strukturen voneinander entfernt sind, und liefert eine einzige Zahl, die den Erfolg des Designs quantifiziert. Wenn die Formen nicht gut übereinstimmen, kann der Benutzer die ursprüngliche Zeichnung anpassen oder eine andere Sequenz ausprobieren und so sofort iterieren, ohne den Browser zu verlassen.
Um die Fähigkeiten des Werkzeugs zu demonstrieren, testeten die Forscher es an einer echten Proteinkette, die aus einer Datenbank importiert wurde. Sie baten das System, eine Sequenz für diese bestehende Form zu entwerfen, und falteten diese neue Sequenz dann wieder in eine Struktur zurück. Als sie das Ergebnis mit dem Original abglichen, waren die Atome im Durchschnitt um 1,174 Ångström versetzt, eine sehr kleine Lücke in molekularen Begriffen. Um sicherzustellen, dass dies ein fairer Test war, ließen sie auch die ursprüngliche, natürliche Sequenz dieses Proteins durch das Faltungsmodell laufen. Diese natürliche Sequenz ergab einen etwas engeren Abgleich von 0,999 Ångström. Dieser Vergleich deutet darauf hin, dass das neue Design-Werkzeug in diesem speziellen Fall fast so gut funktioniert wie die Natur selbst und somit den Kreis zwischen Design und Vorhersage erfolgreich schließt.
Die Forscher betonen, dass dieses Werkzeug kein Ersatz für tiefgehende wissenschaftliche Studien ist, sondern vielmehr eine Möglichkeit, den Prozess des Proteindesigns zugänglich und visuell zu gestalten. Es ermöglicht einem Forscher, genau zu sehen, wo ein Design fehlschlägt, etwa durch einen Knick an der falschen Stelle oder eine Unstimmigkeit in den chemischen Eigenschaften, anstatt nur eine statistische Zusammenfassung zu betrachten. Der Code ist Open-Source, was bedeutet, dass andere Wissenschaftler ihn mit ihren eigenen trainierten Modellen nutzen oder für ihre spezifischen Bedürfnisse anpassen können. Obwohl das System derzeit vom Benutzer verlangt, die Software auf dem eigenen Computer mit einer leistungsstarken Grafikkarte auszuführen, hoffen die Forscher, dass diese zugängliche Schnittstelle mehr Experimentierfreude und Hypothesentests im Bereich des Protein-Engineerings fördern wird, indem sie eine komplexe computergestützte Aufgabe in eine visuelle, interaktive Erfahrung verwandelt.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.