Learning the structural diversity in random protein sequence space

Mediante la criba de un millón de proteínas sintéticas aleatorias con un biosensor FRET de alto rendimiento y aprendizaje automático, el estudio revela que los pliegues proteicos compactos similares a los biológicos son sorprendentemente accesibles y aprendibles a partir del espacio de secuencias aleatorias, desafiando la noción de que las estructuras funcionales son singularidades raras.

Lo esencial

Imagine el universo de todas las proteínas posibles como una biblioteca masiva e infinita. En este momento, la vida en la Tierra solo ha leído una fracción diminuta, diminuta, de los libros de esta biblioteca. Los científicos se han preguntado: ¿Son los libros "buenos"—aquellos que se pliegan en formas útiles y estables—raros, tesoros únicos escondidos en lo profundo de las estanterías? ¿O en realidad son comunes, fáciles de encontrar si simplemente comienzas a hojear las páginas al azar?

Para responder a esto, los investigadores decidieron dejar de adivinar y comenzar a leer. Escribieron y probaron un millón de "historias" totalmente nuevas y aleatorias (secuencias de proteínas) que la naturaleza nunca había visto. Utilizaron un sistema de cámara inteligente y de alta velocidad (un biosensor FRET) dentro de células vivas para observar qué hacían estas proteínas aleatorias.

Esto es lo que encontraron en esta biblioteca de ideas aleatorias:

• El Caos: Muchas de las proteínas aleatorias eran como montones desordenados de hilo que no lograban atarse a sí mismos (cadenas desordenadas), o se agrupaban en bolas pegajosas y dañinas que estresaban a la célula (agregados).
• La Sorpresa: Pero también encontraron un número sorprendente de proteínas "inofensivas". Estas no eran desordenadas ni pegajosas; se plegaban ordenadamente en formas compactas y globulares que se parecían mucho a las proteínas que vemos en la naturaleza. Crucialmente, los "guardias de seguridad" de la célula (chaperonas) ni siquiera las notaron ni intentaron arreglarlas porque se comportaban tan bien.

Piénsalo como lanzar al aire un millón de puñados aleatorios de LEGOs. Podrías esperar que cayeran en un desorden revuelto. En cambio, los investigadores descubrieron que un número significativo de ellos aterrizaron en formas perfectas y estables de castillo, por sí solos, sin necesidad de un constructor maestro.

Finalmente, el equipo enseñó a una computadora (aprendizaje automático) a reconocer los patrones que hacían que estas proteínas aleatorias se pliegan bien. Una vez que la computadora aprendió las reglas de estos experimentos aleatorios, pudo predecir con éxito las formas de las proteínas encontradas en la naturaleza también.

La Conclusión:
Este estudio muestra que las formas "similares a la biología" no son accidentes raros y mágicos. En realidad son bastante comunes y accesibles, incluso en un mar de secuencias aleatorias. Esto ofrece a los científicos un nuevo mapa para diseñar proteínas totalmente nuevas que no solo copien lo que la evolución ya ha hecho, sino que exploren el vasto territorio inexplorado de lo que es físicamente posible.

Resumen técnico

Resumen Técnico: Aprendizaje de la Diversidad Estructural en el Espacio de Secuencias Proteicas Aleatorias

Planteamiento del Problema
El universo de las secuencias proteicas posibles es astronómicamente grande, sin embargo, la comprensión científica actual de la relación secuencia-estructura se restringe a la fracción infinitesimal de secuencias utilizadas por la vida existente. Una pregunta fundamental permanece sin resolver: ¿son las arquitecturas "plegables" singularidades raras dentro del espacio de secuencias, o son soluciones accesibles que emergen con mayor frecuencia? Resolver esto es crítico para comprender la evolución de las proteínas y para el diseño racional de proteínas novedosas que se extiendan más allá de los priores evolutivos.

Metodología
Para abordar esto, los autores mapearon el paisaje estructural del espacio de secuencias aleatorias mediante una tubería experimental y computacional de alto rendimiento:

• Cribado Experimental: El equipo generó y cribó un millón de secuencias de proteínas aleatorias sintéticas in vivo.
• Aplicación de Biosensores: Utilizaron un biosensor de FRET (Transferencia de Energía de Resonancia de Förster) de alto rendimiento para detectar fenotipos celulares asociados al plegamiento y agregación de proteínas. Esto permitió diferenciar entre secuencias que forman estructuras estables, aquellas que permanecen desordenadas y aquellas que inducen estrés celular.
• Aprendizaje Automático: Los datos fenotípicos del cribado se utilizaron para entrenar modelos de aprendizaje automático. Estos modelos fueron posteriormente probados en su capacidad para generalizar predicciones estructurales a proteomas naturales.

Resultados Clave
El cribado reveló que el paisaje estructural del espacio de secuencias aleatorias es heterogéneo en lugar de uniformemente caótico. La población de secuencias aleatorias incluye:

1. Cadenas desordenadas: Secuencias que no adoptan una estructura definida.
2. Agregados inductores de estrés: Secuencias que se pliegan incorrectamente y desencadenan respuestas de estrés celular.
3. Estructuras compactas "benignas": Un subconjunto significativo de secuencias que se pliegan en estructuras compactas, similares a las globulares. Críticamente, estas estructuras evaden las respuestas de las chaperonas celulares, lo que indica que son estables y no tóxicas dentro del entorno celular.

Además, el estudio demostró que el potencial estructural es aprendible. Los modelos de aprendizaje automático entrenados con datos sintéticos generalizaron con éxito a proteomas naturales, lo que sugiere que las reglas que gobiernan la plegabilidad en el espacio aleatorio comparten principios fundamentales con las de la evolución natural.

Significado y Afirmaciones
El artículo afirma que los pliegues similares a los biológicos son accesibles a partir de secuencias aleatorias con una frecuencia sorprendente. Este hallazgo desafía la noción de que las proteínas funcionales y plegadas son anomalías raras. Al proporcionar datos empíricos sobre la frecuencia y la naturaleza de estas estructuras "benignas", el trabajo suministra la base necesaria para expandir el diseño generativo de proteínas. Los autores postulan que avanzar más allá de los priores evolutivos es ahora factible, dado que la diversidad estructural requerida para el diseño novedoso existe inherentemente dentro de la inmensidad del espacio de secuencias aleatorias.