Learning the structural diversity in random protein sequence space

En criblant un million de protéines synthétiques aléatoires à l'aide d'un biocapteur FRET à haut débit et de l'apprentissage automatique, l'étude révèle que les repliements protéiques compacts semblables à ceux de la biologie sont étonnamment accessibles et apprenables à partir de l'espace des séquences aléatoires, remettant en cause l'idée que les structures fonctionnelles sont des singularités rares.

L'essentiel

Imaginez l'univers de toutes les protéines possibles comme une bibliothèque massive et infinie. À l'heure actuelle, la vie sur Terre n'a lu qu'une infime, infime fraction des livres de cette bibliothèque. Les scientifiques se demandaient : les « bons » livres — ceux qui se replient en formes utiles et stables — sont-ils rares, des trésors uniques cachés au fond des rayonnages ? Ou sont-ils en réalité communs, faciles à trouver si l'on commence simplement à feuilleter les pages au hasard ?

Pour répondre à cette question, les chercheurs ont décidé d'arrêter de deviner et de commencer à lire. Ils ont écrit et testé un million de nouvelles « histoires » aléatoires (séquences protéiques) que la nature n'avait jamais vues. Ils ont utilisé un système ingénieux de caméra haute vitesse (un biocapteur FRET) à l'intérieur de cellules vivantes pour observer ce que faisaient ces protéines aléatoires.

Voici ce qu'ils ont trouvé dans cette bibliothèque d'idées aléatoires :

• Le Chaos : De nombreuses protéines aléatoires ressemblaient à des tas de fils emmêlés qui ne parvenaient pas à s'attacher eux-mêmes (chaînes désordonnées), ou elles s'aggloméraient en boules collantes et nocives qui stressaient la cellule (agrégats).
• La Surprise : Mais ils ont également découvert un nombre surprenant de protéines « bénignes ». Elles n'étaient ni désordonnées ni collantes ; elles se repliaient soigneusement en formes globulaires compactes qui ressemblaient beaucoup aux protéines que nous observons dans la nature. Crucialement, les « gardiens de sécurité » de la cellule (chaperons) ne les remarquaient même pas et ne tentaient pas de les réparer, car elles étaient si bien comportées.

Pensez-y comme si vous jetiez un million de poignées aléatoires de LEGO en l'air. Vous pourriez vous attendre à ce qu'ils atterrissent en un tas confus. Au lieu de cela, les chercheurs ont découvert qu'un nombre significatif d'entre eux atterrissaient seuls, sans avoir besoin d'un maître constructeur, dans des formes de châteaux parfaites et stables.

Enfin, l'équipe a appris à un ordinateur (apprentissage automatique) à reconnaître les motifs qui faisaient que ces protéines aléatoires se repliaient bien. Une fois que l'ordinateur avait appris les règles à partir de ces expériences aléatoires, il pouvait prédire avec succès les formes des protéines trouvées dans la nature également.

La Conclusion :
Cette étude montre que les formes « biologiques » ne sont pas des accidents magiques et rares. Elles sont en réalité assez communes et accessibles, même au milieu d'une mer de séquences aléatoires. Cela offre aux scientifiques une nouvelle carte pour concevoir de nouvelles protéines qui ne se contentent pas de copier ce que l'évolution a déjà fait, mais explorent le vaste territoire inexploré de ce qui est physiquement possible.

Résumé technique

Résumé technique : Apprentissage de la diversité structurelle dans l'espace des séquences protéiques aléatoires

Énoncé du problème
L'univers des séquences protéiques possibles est astronomiquement vaste, pourtant la compréhension scientifique actuelle de la relation séquence-structure se limite à la fraction infinitésimale des séquences exploitées par la vie existante. Une question fondamentale demeure sans réponse : les architectures « repliables » sont-elles des singularités rares au sein de l'espace des séquences, ou s'agit-il de solutions accessibles qui émergent avec une fréquence plus élevée ? Résoudre cette question est crucial pour comprendre l'évolution des protéines et pour la conception rationnelle de nouvelles protéines qui dépassent les priors évolutifs.

Méthodologie
Pour répondre à cette question, les auteurs ont cartographié le paysage structural de l'espace des séquences aléatoires grâce à un pipeline expérimental et computationnel à haut débit :

• Dépistage expérimental : L'équipe a généré et criblé un million de séquences protéiques aléatoires synthétiques in vivo.
• Application de biocapteurs : Ils ont utilisé un biocapteur à haut débit de type FRET (transfert d'énergie par résonance de Förster) pour détecter les phénotypes cellulaires associés au repliement et à l'agrégation des protéines. Cela a permis de distinguer les séquences qui forment des structures stables, celles qui restent désordonnées et celles qui induisent un stress cellulaire.
• Apprentissage automatique : Les données phénotypiques issues du criblage ont servi à entraîner des modèles d'apprentissage automatique. Ces modèles ont ensuite été testés quant à leur capacité à généraliser les prédictions structurelles aux protéomes naturels.

Résultats clés
Le criblage a révélé que le paysage structural de l'espace des séquences aléatoires est hétérogène plutôt que uniformément chaotique. La population de séquences aléatoires comprend :

1. Des chaînes désordonnées : Des séquences qui ne parviennent pas à adopter une structure définie.
2. Des agrégats inducteurs de stress : Des séquences qui se replient incorrectement et déclenchent des réponses de stress cellulaire.
3. Des structures compactes « bénignes » : Un sous-ensemble significatif de séquences qui se replient en structures compactes, de type globulaire. Crucialement, ces structures échappent aux réponses des chaperons cellulaires, indiquant qu'elles sont stables et non toxiques au sein de l'environnement cellulaire.

De plus, l'étude a démontré que le potentiel structural est apprenable. Les modèles d'apprentissage automatique entraînés sur les données synthétiques ont réussi à se généraliser aux protéomes naturels, suggérant que les règles gouvernant le repliement dans l'espace aléatoire partagent des principes fondamentaux avec ceux de l'évolution naturelle.

Signification et affirmations
L'article affirme que les repliements de type biologique sont accessibles à partir de séquences aléatoires avec une fréquence surprenante. Cette découverte remet en question l'idée que les protéines fonctionnelles repliées sont de rares anomalies. En fournissant des données empiriques sur la fréquence et la nature de ces structures « bénignes », ce travail fournit la base nécessaire pour étendre la conception générative de protéines. Les auteurs postulent que dépasser les priors évolutifs est désormais réalisable, car la diversité structurelle requise pour une conception nouvelle existe intrinsèquement au sein de l'immensité de l'espace des séquences aléatoires.