CAPRINI-M: An AI-curated Cardiac-Specific Atlas of Protein Interactions in Mice

CAPRINI-M es una herramienta web curada por IA que ofrece un atlas integral de interacciones proteicas cardíacas en ratones, integrando datos extraídos de la literatura con predicciones estructurales y termodinámicas para mejorar la comprensión de la biología de las enfermedades cardiovasculares.

Lo esencial

Imagina que el corazón es una ciudad gigantesca y vibrante. En esta ciudad, las proteínas son los ciudadanos, y para que la ciudad funcione (que el corazón lata, bombee sangre y se repare), estos ciudadanos necesitan hablar entre sí, darse la mano y formar equipos. Esas "conversaciones" o conexiones se llaman interacciones proteína-proteína.

El problema es que esta información está dispersa. Está escondida en miles de libros científicos, en diferentes idiomas y formatos, como si cada vecino tuviera un pedazo de un mapa gigante pero nadie tuviera el mapa completo. Además, los mapas antiguos (bases de datos generales) a menudo están desactualizados o están llenos de información sobre otros tipos de ciudades (como el cáncer), pero no nos dicen mucho sobre cómo funciona específicamente el corazón.

Aquí es donde entra CAPRINI-M.

¿Qué es CAPRINI-M?

CAPRINI-M es como un super-inteligente arquitecto y bibliotecario creado por Inteligencia Artificial (IA) que ha decidido organizar todo el caos de la información cardíaca. Su nombre significa "Interacciones de Proteínas Cardíacas en Ratones" (ya que los ratones son el modelo principal para estudiar el corazón humano).

Funciona en tres pasos mágicos, como si fuera una película de detectives:

1. El Detective Lector (La IA que lee libros)

Imagina que tienes una biblioteca con 9,105 libros sobre el corazón. Leerlos uno por uno a un humano le tomaría años. CAPRINI-M usa un "cerebro" de IA (un modelo de lenguaje llamado LLaMA) que lee todos esos libros en un abrir y cerrar de ojos.

• La analogía: Es como tener un lector super-rápido que no solo lee, sino que entiende el contexto. Si un libro dice "La proteína A se une a la proteína B para bombear sangre", el detective lo anota. Si el libro dice "La proteína A y la B están en la misma habitación pero no se tocan", el detective sabe ignorarlo.
• El resultado: Ha encontrado 11,189 nuevas conexiones entre proteínas que antes estaban escondidas en el texto.

2. El Arquitecto 3D (AlphaFold)

Una vez que sabe quién se habla con quién, CAPRINI-M no se queda solo con la lista. Necesita saber cómo se dan la mano.

• La analogía: Imagina que dos personas se dan la mano. ¿Se agarran de los dedos? ¿De la palma? ¿Se abrazan? ¿Es un apretón fuerte o un toque suave?
  CAPRINI-M usa una herramienta llamada AlphaFold3 para construir un modelo 3D de cada pareja de proteínas. No solo dibuja a las proteínas, sino que simula cómo se encajan físicamente.
• El dato clave: Calcula la "fuerza" de ese abrazo. En términos científicos, mide la energía libre (ΔG).
  • Si el valor es muy negativo, es como un abrazo de oso: muy fuerte y estable.
  • Si el valor es menos negativo, es como un apretón de manos rápido: débil o temporal.

3. El Juez de la Verdad (Redes Neuronales)

A veces, la IA puede alucinar (imaginar conexiones que no existen). Para evitar esto, CAPRINI-M tiene un "juez" final.

• La analogía: Es como un juez que revisa el caso. Mira el modelo 3D, mira la fuerza del abrazo y consulta su memoria (entrenada con datos humanos) para decir: "¿Es probable que esto sea real?". Le da una puntuación de probabilidad. Si la puntuación es alta, la conexión se guarda en el mapa final.

¿Por qué es esto importante para ti?

1. Un mapa específico para el corazón: Los mapas generales (como Google Maps) son buenos para todo, pero CAPRINI-M es como un mapa de metro específico para la ciudad del corazón. Es más detallado y preciso para los problemas cardíacos.
2. Descubrir enfermedades: Si una enfermedad cardíaca ocurre porque dos proteínas "se dan la mano" de la manera incorrecta, CAPRINI-M te dice exactamente dónde está el error en el encaje. Esto ayuda a los científicos a diseñar medicamentos que actúen como "tapones" o "pegamentos" para arreglar el problema.
3. Validación real: Los autores probaron su sistema con casos reales. Por ejemplo, sabían experimentalmente que una proteína se une más fuerte a otra que a una tercera. CAPRINI-M, sin saberlo de antemano, predijo exactamente el mismo orden de fuerza basándose solo en la física de sus modelos 3D. ¡Funcionó!

En resumen

CAPRINI-M es una biblioteca digital interactiva donde puedes:

• Buscar cualquier proteína cardíaca.
• Ver con quién se conecta.
• Ver una animación 3D de cómo se unen.
• Saber qué tan fuerte es esa unión.

Es una herramienta que transforma miles de páginas de texto aburrido en un mapa visual y dinámico que ayuda a los científicos a entender mejor el corazón, encontrar nuevas curas y entender por qué a veces el motor cardíaco falla. Y lo mejor de todo: ¡es gratis y está disponible en internet para que cualquiera lo explore!

Resumen técnico

Título: CAPRINI-M: Un atlas curado por IA de interacciones de proteínas específicas cardíacas en ratones

1. Problema y Motivación

Las interacciones proteína-proteína (PPI) son fundamentales para la biología de las enfermedades cardiovasculares (ECV). Sin embargo, el conocimiento existente está disperso en la literatura y en bases de datos heterogéneas, lo que hace que su curación manual sea lenta y propensa a errores. Además, los recursos de PPI generales presentan limitaciones críticas:

• Sesgo de dominio: Tienden a estar sobrerrepresentados en áreas como el cáncer, careciendo de especificidad para la biología cardíaca.
• Falta de detalle mecánico: La mayoría no proporciona información sobre las interfaces de interacción estructurales ni parámetros termodinámicos asociados.
• Limitaciones de la curación manual: No pueden escalar para mantenerse al día con la literatura en expansión.
• Complejidad del splicing alternativo: Los eventos de splicing (críticos en el corazón) pueden remodelar redes de PPI alterando regiones de interacción específicas, algo que las bases de datos tradicionales no capturan bien.

2. Metodología

CAPRINI-M (CArdiac PRotein INteractions In Mice) es un marco de trabajo integral que combina minería de texto, modelado estructural y aprendizaje automático en un flujo de trabajo lineal:

• Extracción de Relaciones (RE) basada en IA:

  • Se minaron 9,105 manuscritos de cardiobiología de PubMed Central.
  • Se utilizó un modelo de LLM de código abierto (LLaMA-3.3 70B) con estrategias de prompting optimizadas (ejemplos positivos/negativos, augmentación de contexto) para extraer interacciones candidatas.
  • Se validó el rendimiento de extracción utilizando el corpus anotado RegulaTome, logrando un equilibrio entre precisión y recall mediante estrategias de consenso y expansión de sinónimos.
  • Se obtuvieron 11,189 interacciones PPI de 7,548 artículos filtrados como relevantes.

• Modelado Estructural y Termodinámico:

  • Para cada par de proteínas extraído, se obtuvieron las secuencias de ratón y se predijo la estructura del complejo unido utilizando AlphaFold3.
  • Se generaron descriptores de interfaz (dónde y cómo interactúan) y se estimaron propiedades termodinámicas, específicamente la energía libre de Gibbs ($\Delta G$), utilizando cálculos MM/GBSA para evaluar la estabilidad del complejo.

• Clasificación y Priorización con Redes Neuronales (NN):

  • Se entrenó un clasificador de redes neuronales multimodal utilizando un conjunto de datos de referencia humano (general, no específico de ECV) para evitar fugas de datos.
  • El modelo combina características de AlphaFold3 (confianza, interfaz, área superficial enterrada) con incrustaciones de modelos de lenguaje de proteínas (ESM3).
  • Este modelo predice la probabilidad de que un par de proteínas forme un complejo viable, permitiendo filtrar falsos positivos derivados de la extracción de texto.

• Despliegue:

  • Los datos se integran en una aplicación web interactiva (Shiny) que permite la búsqueda, filtrado y visualización 3D de las estructuras.

3. Contribuciones Clave

• Primer Atlas Específico de Corazón en Ratón: Una base de datos centralizada de PPIs derivada de la literatura, curada y anotada mecánicamente.
• Integración de Estructura y Termodinámica: A diferencia de los repositorios tradicionales, CAPRINI-M ofrece predicciones de interfaces de unión y estimaciones de estabilidad ($\Delta G$), lo que es crucial para entender el impacto de variantes de splicing y mutaciones.
• Validación de Flujo de Trabajo: Demostración de que la combinación de LLMs para minería de texto y modelos estructurales (AlphaFold3) + aprendizaje profundo puede generar recursos biológicos de alta calidad y escalables.
• Recursos Abiertos: Código fuente, scripts de análisis y la aplicación web están disponibles públicamente.

4. Resultados

• Rendimiento de Extracción: La estrategia de prompting "PosExamples" (sin entidades pre-extraídas) logró el mejor rendimiento (F1 = 0.717) en el corpus de validación RegulaTome.
• Rendimiento del Clasificador: El modelo multimodal AF3+ESM3 (utilizando características SHAP de AlphaFold3 y embeddings de ESM3) superó a los baselines, alcanzando un F1 de 0.888 y un ROC-AUC de 0.961 en el conjunto de prueba.
• Estadísticas del Atlas:
  • 11,189 interacciones entre 4,255 proteínas únicas.
  • El 32.4% de las interacciones tienen una probabilidad de formación de complejo >50%.
  • El $\Delta G$ promedio es de -20.74 kJ/mol.
• Validación de Enriquecimiento de Vías: En un análisis de enriquecimiento de vías (KEGG, Reactome, WikiPathways) relacionado con hipertrofia cardíaca, CAPRINI-M mostró un enriquecimiento significativamente mayor (puntuación media de -log10(BH-FDR) = 0.73) en comparación con recursos generales como STRING (0.18) y BioGRID (0.04).
• Validación Experimental: Las predicciones de favorabilidad termodinámica ($\Delta G$) coincidieron con evidencia experimental en sistemas clave (HIF/ARNT, Notch, GJA1/Cx43, BAG3), donde las interacciones con $\Delta G$ más negativo correspondieron a los socios de unión preferidos experimentalmente.

5. Significado e Impacto

CAPRINI-M representa un avance significativo en la biología de sistemas cardiovasculares al proporcionar una visión más profunda y mecanicista de las interacciones proteicas.

• Precisión Mecanística: Al incluir datos de interfaz y estabilidad, permite a los investigadores entender no solo qué interactúa, sino cómo y con qué fuerza, facilitando la interpretación de variantes genéticas y efectos de splicing.
• Priorización de Objetivos: Las puntuaciones de probabilidad y termodinámica permiten priorizar interacciones para validación experimental, reduciendo el costo y tiempo de investigación.
• Escalabilidad: El marco demuestra que es posible construir atlas de interacción específicos de tejido utilizando IA, superando las limitaciones de la curación manual.
• Futuro: El equipo planea expandir el recurso a humanos (CAPRINI-H) e integrarlo con herramientas de análisis de splicing (LINDA) para estudios de redes de un solo célula, lo que abrirá nuevas vías para la investigación de enfermedades cardíacas y el descubrimiento de fármacos.