Toward a Transferable Representation of Protein Dynamics for Functional Prediction and Mechanistic Discovery

Las proteínas son las máquinas de trabajo de la vida, diminutas máquinas moleculares que construyen células, digieren alimentos y transportan señales. Durante décadas, los científicos las entendieron principalmente como esculturas estáticas, centrándose en sus formas tridimensionales para explicar cómo funcionan. Si bien una forma es esencial, no es toda la historia. Las proteínas no son estatuas rígidas; están constantemente cambiando, respirando y flexionándose. Estos movimientos, que ocurren a diferentes velocidades y distancias, son a menudo la clave de cómo una proteína realiza su trabajo. Una proteína puede necesitar abrir una compuerta para dejar entrar una molécula, o retorcer su cuerpo para desencadenar una reacción química. Para ver estas acciones, los investigadores utilizan potentes simulaciones por computadora que rastrean la posición de cada átomo a lo largo del tiempo, creando una película de la vida de la molécula. Sin embargo, estas películas son increíblemente complejas, conteniendo millones de fotogramas de datos que son difíciles de comparar de una proteína a otra, especialmente cuando las proteínas tienen diferentes tamaños o formas.

El desafío radica en encontrar una forma de describir estos movimientos en un lenguaje que funcione para todas las proteínas, no solo para un tipo específico. Si un científico quiere predecir qué hace una nueva proteína desconocida, necesita un método que pueda reconocer los patrones de movimiento que definen una función, independientemente de la historia o estructura específica de la proteína. Esta es la pregunta que Nahid Monowar y su equipo en el Instituto de Ciencia y Tecnología de Dhaka se propusieron responder. Desarrollaron un nuevo sistema informático diseñado para observar estas películas moleculares y extraer un resumen único y compacto del comportamiento de la proteína. Llaman a este resumen una "firma de movimiento". El objetivo era ver si esta firma podía decirles qué hace una proteína, incluso si la proteína era muy diferente de las que la computadora había aprendido anteriormente.

Para probar esta idea, los investigadores alimentaron su sistema con una enorme biblioteca de datos: 1,250 películas diferentes de proteínas en movimiento, que representaban a 1,120 proteínas únicas. Estas proteínas variaban enormemente en tamaño, desde pequeñas con 50 bloques de construcción hasta grandes con 600. Las simulaciones cubrieron un amplio rango de tiempo, desde 100 nanosegundos hasta 10 microsegundos, capturando aproximadamente 12.5 millones de instantáneas de las formas de las proteínas. El equipo entrenó su sistema para buscar patrones específicos en cómo las partes de la proteína se movían juntas. En lugar de solo mirar qué tan cerca estaban los átomos entre sí en un solo momento, el sistema prestaba atención a cómo el movimiento de una parte estaba vinculado al movimiento de otra parte a lo largo del tiempo. Combinó esta información dinámica con la secuencia química de la proteína y su forma general para crear una descripción unificada.

Los resultados mostraron que este enfoque funcionó notablemente bien. Cuando se le pidió al sistema adivinar la categoría amplia del trabajo de una proteína —como si actúa como una quinasa, una transferasa o una hidrolasa— fue significativamente más preciso que los métodos antiguos que dependían solo de la secuencia o la forma estática de la proteína. En una prueba estricta donde el sistema tenía que adivinar la función de proteínas que nunca había visto antes, y que compartían menos del 30% de su composición química con los ejemplos de entrenamiento, el sistema logró un AUC de 0.88. Esto fue una mejora clara sobre otros métodos, que puntuaron entre 0.65 y 0.81. El estudio sugiere que la forma en que una proteína se mueve contiene pistas vitales sobre su función que están ocultas si solo se mira su forma o su código químico.

Los investigadores también querían saber hasta dónde podía extenderse este conocimiento. Probaron el sistema con proteínas que eran cada vez más diferentes de las que habían estudiado. Cuando las proteínas de prueba pertenecían a la misma familia que las de entrenamiento, el sistema funcionó muy bien. A medida que las proteínas se volvían más distantes, perteneciendo a diferentes familias o incluso a diferentes pliegues estructurales, la precisión disminuyó, pero no desapareció. Incluso cuando las proteínas de prueba compartían casi ninguna similitud estructural con el conjunto de entrenamiento, el sistema todavía funcionó mejor que el azar. Esto indica que el sistema aprendió reglas generales sobre cómo el movimiento molecular se relaciona con la función, en lugar de simplemente memorizar ejemplos específicos. Sin embargo, la caída en la precisión también mostró que el sistema no es perfecto; todavía depende de cierto nivel de similitud entre las proteínas para hacer sus mejores conjeturas.

Para asegurar que el sistema realmente estaba mirando las cosas correctas, el equipo lo desarmó para ver qué partes importaban más. Encontraron que el sistema necesitaba todos sus componentes para funcionar mejor: el mapa de cómo se conectan los átomos, los datos sobre cómo se mueven juntas las diferentes partes, la descripción simplificada del movimiento general y la secuencia química. Eliminar cualquiera de estas piezas hacía que el sistema fuera peor en su tarea. Esto confirmó que el poder del método provenía de combinar estos diferentes tipos de información. Además, cuando los investigadores observaron de cerca una proteína específica llamada adenilato quinasa, el sistema resaltó las regiones exactas de la molécula conocidas por estar involucradas en su movimiento. Estas eran las partes de la proteína que se abren y cierran como una tapa durante su ciclo de trabajo. Esta alineación entre el enfoque de la computadora y los hechos biológicos conocidos sugiere que el sistema está capturando dinámicas reales y significativas en lugar de solo ruido.

El estudio no pretende haber resuelto completamente el misterio de la función de las proteínas, ni sugiere que la computadora haya descubierto nuevas leyes biológicas. En cambio, ofrece una nueva herramienta para comprender el vínculo entre el movimiento y la función. Los investigadores enfatizan que, si bien su sistema puede identificar qué partes de una proteína son importantes para su movimiento, esto no prueba que esas partes causen la función; eso requeriría más experimentos físicos. El trabajo también tiene límites, ya que depende de tener películas generadas por computadora de las proteínas para empezar, y aún no ha sido probado en todos los tipos de proteínas, como aquellas que flotan en las membranas celulares o aquellas que son completamente desordenadas. No obstante, la capacidad de traducir el comportamiento complejo y cambiante de las moléculas en una firma transferible representa un paso significativo hacia adelante. Proporciona una forma de conectar la danza invisible de los átomos con las tareas visibles que las proteínas realizan en los sistemas vivos, ofreciendo un camino más claro para predecir cómo podrían comportarse las nuevas proteínas.