ProChoreo: de novo Binder Design from Conformational Ensembles with Generative Deep Learning

ProChoreo es un marco de aprendizaje profundo generativo que diseña proteínas enlazadoras *de novo* integrando explícitamente ensambles conformacionales derivados de dinámicas moleculares para capturar la heterogeneidad estructural y mejorar la calidad de las interacciones.

Lo esencial

¡Claro que sí! Imagina que el diseño de proteínas es como diseñar una llave maestra para abrir una cerradura específica en el cuerpo humano (como un receptor de sabor dulce o una señal de crecimiento celular).

Hasta ahora, los científicos usaban inteligencia artificial para diseñar estas "llaves" basándose en una foto estática de la cerradura. El problema es que las cerraduras (las proteínas) no son rígidas; se mueven, se estiran y cambian de forma constantemente, como si estuvieran bailando. Si diseñas una llave pensando que la cerradura está quieta, es posible que no encaje cuando la cerradura empieza a moverse.

Aquí es donde entra ProChoreo, el nuevo invento de los investigadores de la Universidad Estatal de Pensilvania.

La Analogía: El Coreógrafo vs. El Fotógrafo

Imagina dos enfoques para diseñar la llave:

1. El enfoque antiguo (Fotógrafo): Toma una sola foto de la cerradura en un momento exacto y diseña la llave para esa pose. Si la cerradura cambia de postura, la llave ya no sirve.
2. ProChoreo (El Coreógrafo): En lugar de una foto, ProChoreo ve una película completa de la cerradura bailando. Entiende todos los movimientos, los saltos y las formas que toma la cerradura mientras "vive".

¿Cómo funciona ProChoreo? (Paso a paso)

1. La Clase de Baile (El Entrenamiento)
Primero, ProChoreo se sienta a ver miles de horas de películas de proteínas moviéndose (simulaciones de dinámica molecular). Al mismo tiempo, lee las "instrucciones" (la secuencia de aminoácidos) de esas proteínas.

• La magia: Usa una técnica llamada "aprendizaje contrastivo". Piensa en esto como un juego de emparejar tarjetas: le muestra una secuencia de letras y, al mismo tiempo, la película de cómo se mueve esa proteína. El modelo aprende a conectar las letras con el baile. Aprende que cierta secuencia de letras significa "esta proteína salta hacia la izquierda", y otra significa "esta se estira hacia la derecha".

2. El Diseño de la Nueva Llave (La Generación)
Una vez que ProChoreo entiende la relación entre las letras y el baile, le piden: "Diseña una nueva llave para esta cerradura específica".

• En lugar de mirar una foto estática, ProChoreo mira la "película" de la cerradura objetivo.
• Diseña una nueva proteína (la llave) pensando en todos los movimientos que hará la cerradura. La llave resultante no solo encaja en la posición inicial, sino que está diseñada para seguir encajando mientras la cerradura baila y cambia de forma.

3. La Prueba de Fuego (Los Resultados)
Los científicos probaron este nuevo diseño con dos "cerraduras" muy diferentes:

• El receptor del sabor dulce (TAS1R2): Diseñaron una proteína que se une al receptor para el sabor dulce. Aunque no fue tan fuerte como una proteína natural (como la brazzeína), logró activar el receptor de la misma manera que lo hace el azúcar natural, haciendo que la "cerradura" se abra en la posición correcta.
• El receptor de crecimiento (FGFR2): Diseñaron otra llave que se unió con mucha fuerza y estabilidad a este receptor, manteniéndose firme incluso cuando el receptor se movía.

¿Por qué es importante esto?

Piensa en la diferencia entre intentar atrapar un pez en un río con una red rígida (métodos antiguos) versus usar una red flexible que se adapta al movimiento del pez (ProChoreo).

• Antes: Diseñábamos proteínas para un mundo estático.
• Ahora: ProChoreo diseña proteínas para un mundo dinámico.

Esto es crucial porque en la medicina real, las proteínas nunca están quietas. Si quieres crear un medicamento que bloquee un virus o active una señal de curación, necesitas que tu "llave" funcione no solo cuando la cerradura está quieta, sino también cuando está en movimiento.

En resumen: ProChoreo es como un arquitecto que ya no diseña edificios basándose en planos estáticos, sino que tiene en cuenta cómo se moverá el viento, la tierra y la gente dentro del edificio antes de poner el primer ladrillo. Esto promete crear medicamentos y herramientas biológicas mucho más inteligentes y efectivas.

Resumen técnico

Resumen Técnico: ProChoreo

1. Planteamiento del Problema

A pesar de los avances revolucionarios en la predicción y diseño de proteínas mediante aprendizaje profundo (como AlphaFold, RFdiffusion y ProteinMPNN), la mayoría de los marcos de trabajo existentes operan bajo la premisa de una única conformación estática. Sin embargo, las proteínas no son entidades rígidas; existen en ensembles de estados conformacionales interconversibles que son fundamentales para su reconocimiento, catálisis y regulación.

La limitación crítica identificada es que los enfoques de diseño actuales subutilizan la heterogeneidad conformacional que gobierna la unión y la función. Los modelos generativos que incorporan explícitamente ensembles conformacionales derivados de simulaciones de dinámica molecular (MD) para el diseño de novo de proteínas aún no han sido integrados eficazmente, lo que restringe la capacidad de diseñar ligandos que modulen dinámicamente a sus receptores diana.

2. Metodología

El estudio introduce ProChoreo, un marco generalizable para el diseño de ligandos (binders) de novo informado por la dinámica conformacional. La arquitectura se divide en tres etapas principales:

• A. Construcción del Dataset y Generación de Ensembles:

  • Se construyó un dataset masivo combinando 117 trayectorias de proteínas de membrana (GPCRs, simuladas por 500 ns) y 4,170 trayectorias de proteínas no membranosas (simuladas por 100 ns).
  • Se utilizaron herramientas como MDAnalysis y PCA (Análisis de Componentes Principales) para extraer estados conformacionales representativos de las trayectorias, agrupándolos mediante K-Means para definir ensembles estructurales.

• B. Pre-entrenamiento con Aprendizaje Contrastivo Multimodal:

  • Inspirado en la arquitectura CLIP, el modelo utiliza un enfoque de aprendizaje contrastivo para alinear dos modalidades:
    1. Secuencia de aminoácidos: Procesada mediante el modelo pre-entrenado ESM2 (3B).
    2. Ensemble conformacional: Codificado mediante una Red Neuronal Gráfica Equivariante (EGNN) que utiliza coordenadas de átomos Cα y descriptores superficiales (SurfPro/MaSIF).
  • El objetivo es aprender un espacio latente compartido que capture tanto la información evolutiva de la secuencia como la variabilidad estructural dinámica. Esto se logra minimizando la distancia entre las representaciones de pares (secuencia-ensemble) correspondientes.

• C. Generador Autoregresivo:

  • Una vez pre-entrenado, el modelo fusiona la representación latente de la secuencia con la del ensemble (distilada) para alimentar un generador autoregresivo basado en Transformers.
  • Este generador diseña nuevas secuencias de proteínas condicionadas a la secuencia del receptor diana, buscando secuencias que mantengan o mejoren los estados estructurales deseados observados en las simulaciones MD.

• D. Validación:

  • Los ligandos diseñados se evalúan utilizando Boltz-1 (para predicción de complejos y calidad estructural).
  • Se realizan simulaciones de Dinámica Molecular (MD) de 100-500 ns para verificar la estabilidad del complejo y calcular energías de unión libres (MM-GBSA).

3. Contribuciones Clave

• Integración de Dinámica en el Diseño: ProChoreo es el primer marco que incorpora explícitamente ensembles conformacionales derivados de MD en el proceso de diseño de novo de ligandos, superando la limitación de los modelos estáticos.
• Aprendizaje Contrastivo Secuencia-Estructura: Desarrolla una metodología novedosa para alinear representaciones de secuencias (ESM2) con representaciones de ensembles estructurales (EGNN), creando un espacio latente rico en información dinámica.
• Generalización a Múltiples Familias de Receptores: Demuestra la capacidad del modelo para diseñar ligandos efectivos tanto para receptores acoplados a proteínas G (GPCRs) como para receptores tirosina quinasa (RTKs).

4. Resultados

• Rendimiento del Modelo:

  • En tareas de recuperación bidireccional (Secuencia $\to$ Ensemble y viceversa), el modelo pre-entrenado alcanzó métricas de recuperación (R@1) superiores al 76%, demostrando una alineación efectiva entre secuencia y dinámica.
  • En la evaluación de diseño de ligandos, ProChoreo superó consistentemente a dos líneas base: ProChoreo-ΔAlign (sin alineación cruzada) y PepMLM (modelo solo de secuencia).
  • Se observaron mejoras del 4-8% en la puntuación de confianza y hasta un 12% sobre PepMLM, con aumentos significativos en métricas de fidelidad estructural global (ptm, iptm) y calidad del complejo (complex pLDDT).

• Estudios de Caso:

  • Receptor del Gusto Dulce (TAS1R2): ProChoreo diseñó un ligando que, aunque con una afinidad de unión ligeramente menor que la proteína natural brazzein (-50.79 vs -69.99 kJ/mol), logró estabilizar la conformación activa del receptor. Esto se evidenció por el cierre del dominio "Venus Flytrap" y el desplazamiento hacia afuera de las hélices transmembrana TM3 y TM6, un sello distintivo de la activación de GPCRs.
  • Receptor FGFR2: El ligando diseñado mostró una interacción robusta y estable durante 100 ns de simulación MD, con una energía de unión superior a -100 kJ/mol, confirmando la capacidad del modelo para funcionar en receptores distintos a los GPCRs.

5. Significado e Impacto

El trabajo de ProChoreo marca un cambio de paradigma en el diseño de proteínas:

1. Diseño Informado por Dinámica: Demuestra que considerar la heterogeneidad conformacional permite diseñar ligandos que no solo se unen, sino que modulan la función del receptor al estabilizar estados conformacionales específicos (ej. estados activos).
2. Puente entre Simulación y Diseño: Cierra la brecha entre las simulaciones de dinámica molecular (que capturan el movimiento) y el diseño generativo de proteínas (que tradicionalmente ignora el movimiento).
3. Aplicabilidad Terapéutica: Al poder diseñar ligandos que estabilizan conformaciones activas o inactivas específicas, esta metodología abre nuevas vías para el desarrollo de fármacos más selectivos y funcionales, especialmente en dianas complejas como los GPCRs.

En conclusión, ProChoreo establece que la integración de ensembles conformacionales en el aprendizaje profundo es una ruta viable y superior para el diseño de proteínas de próxima generación, permitiendo una ingeniería racional que respeta la naturaleza dinámica de la biología.