De novo design of flexible protein interactions with GuideFlip

Dans le monde microscopique de la biologie, la vie dépend souvent d'un jeu délicat de reconnaissance moléculaire. Les protéines, les machines de travail de la cellule, doivent trouver et s'agripper à des partenaires spécifiques pour envoyer des signaux, construire des structures ou combattre des infections. Pendant des décennies, les scientifiques ont compris que beaucoup de ces interactions reposent sur un principe de clé et de serrure, où une protéine rigide s'insère parfaitement dans une cible rigide. Cependant, la nature est bien plus fluide que cette image simple ne le suggère. De nombreuses protéines cruciales sont intrinsèquement désordonnées, ce qui signifie qu'elles n'ont pas de forme fixe tant qu'elles ne rencontrent pas leur partenaire. Elles sont comme des cordes emmêlées qui ne prennent une forme spécifique qu'une fois liées à autre chose. Cette flexibilité leur permet d'accomplir des tâches complexes, telles que la régulation de la croissance cellulaire ou la réponse au stress, mais elle les rend aussi incroyablement difficiles à étudier ou à concevoir. Les méthodes traditionnelles de conception de nouvelles protéines nécessitent généralement un plan préexistant et rigide de la cible pour fonctionner. Lorsque la cible est une corde changeante de forme, ces méthodes échouent souvent car il n'y a pas de forme fixe pour laquelle concevoir.

Une équipe de chercheurs a maintenant développé une nouvelle approche appelée GuideFlip qui résout ce problème en concevant la protéine et sa forme en même même temps. Au lieu d'essayer de forcer une conception rigide sur une cible flexible, cette méthode permet aux deux d'évoluer ensemble. Les chercheurs ont utilisé ce système pour créer des protéines entièrement nouvelles capables de s'agripper aux extrémités désordonnées de deux protéines humaines importantes : l'une impliquée dans la maladie de Parkinson et l'autre qui contrôle la division cellulaire. Dans les tests de laboratoire, les nouveaux designs ont fonctionné avec un succès surprenant. L'équipe a également utilisé cette même technique pour construire un minuscule anticorps capable de distinguer deux formes différentes d'un récepteur cardiaque, se liant uniquement à la version active. Ces résultats montrent qu'il est possible d'élaborer des protéines capables de capturer et de stabiliser des cibles qui n'ont aucune forme fixe jusqu'à ce qu'elles soient capturées, ouvrant la porte au traitement de maladies qui étaient auparavant hors de portée des thérapies basées sur les protéines.

Le défi central auquel les chercheurs ont été confrontés est que les programmes informatiques standards de conception de protéines opèrent en deux étapes distinctes. D'abord, ils génèrent une structure de squelette rigide, puis, ils complètent la séquence d'acides aminés pour s'adapter à cette forme. Cela fonctionne bien lorsque la cible est un objet solide et immuable. Mais quand la cible est une protéine flottante et désordonnée, le processus de conception s'effondre. Si l'ordinateur essaie de concevoir un liant pour une forme qui n'existe pas encore, il crée souvent des séquences qui ne ressemblent en rien aux protéines naturelles, favorisant des amas hydrophobes et graisseux qui s'agglutineraient dans une cellule plutôt que de se lier à une cible. Les chercheurs ont réalisé que pour réussir, ils avaient besoin d'un système où la séquence et la structure pourraient s'influencer mutuellement de manière continue.

Pour y parvenir, ils ont construit GuideFlip, un cadre qui utilise une technique appelée "guided discrete flow matching" (appariement de flux discret guidé). Imaginez essayer de trouver un chemin à travers une forêt dense où les arbres bougent au fur et à mesure que vous marchez. Au lieu de cartographier d'abord toute la forêt puis de marcher, GuideFlip fait un pas, voit comment les arbres ont bougé, puis décide du pas suivant en fonction de cette nouvelle vue. Dans le modèle informatique, le système commence par une supposition aléatoire d'une séquence de protéines. Il prédit ensuite comment cette séquence se replierait et se lierait à la cible. Sur la base de cette prédiction, il ajuste légèrement la séquence, puis prédit à nouveau la nouvelle forme. Ce cycle se répète, la séquence et la structure prédite évoluant ensemble. Un élément clé du système est un "guide" qui maintient le design semblable à une protéine réelle et soluble, l'empêchant de se transformer en ces amas graisseux inutiles. Une autre partie du système utilise un puissant moteur de prédiction de structure pour s'assurer que le liant s'adapte réellement à la cible. En combinant ces deux forces, le système peut naviguer dans le paysage complexe des interactions flexibles.

Les chercheurs ont mis cette méthode à l'épreuve sur deux cibles difficiles. La première était l'extrémité terminale d'une protéine appelée alpha-synucléine. Cette protéine est célèbre pour s'agglutiner dans le cerveau des personnes atteintes de la maladie de Parkinson. L'extrémité terminale est désordonnée et n'a jamais été observée sous une forme fixe, ce qui en fait un cauchemar pour la conception traditionnelle. L'équipe a demandé à GuideFlip de créer un liant pour cette région spécifique sans fournir de forme préexistante. L'ordinateur a généré des milliers de designs, qui ont ensuite été filtrés pour trouver les candidats les plus prometteurs. Les chercheurs ont synthétisé les meilleurs candidats et les ont testés en laboratoire. Ils ont découvert que sept des trente-sept designs réussissaient à se lier à la cible. Deux d'entre eux, nommés dnAS15 et dnAS36, ont montré une forte liaison. Pour prouver qu'ils se liaient au bon endroit, l'équipe a raccourci la protéine cible, supprimant l'extrémité terminale, et a constaté que les liants ne s'y attachaient plus. Ils ont également utilisé la résonance magnétique nucléaire, une technique qui suit le mouvement des atomes, pour confirmer que les liants saisissaient bien la queue désordonnée et la stabilisaient dans une forme spécifique.

Le second test impliquait une protéine appelée RBX1, qui agit comme un interrupteur pour la division cellulaire. Sa section initiale est également désordonnée jusqu'à ce qu'elle se lie à une machine plus large dans la cellule. Les chercheurs ont conçu des liants pour cette section de départ flottante. Dans un test de type compétition, ils ont soumis leurs designs à un groupe indépendant pour évaluation. Deux de leurs designs, dnRB1 et dnRB2, se sont révélés se lier étroitement à la cible. Un tour de conception ultérieur a produit un liant encore plus fort, dnRB8, qui s'accrochait avec une affinité de 4,5 nanomolaire, une mesure de la force avec laquelle deux molécules collent ensemble. Pour s'assurer que ces liants fonctionnaient comme prévu, l'équipe a muté des parties spécifiques du liant et a observé la chute de la force de liaison, confirmant que la conception avait correctement identifié les points de contact.

L'équipe a également exploré si cette méthode pouvait fonctionner lorsque la flexibilité se trouvait du côté du liant plutôt que de la cible. Ils se sont concentrés sur un récepteur du cœur appelé récepteur bêta-1 adrénergique, qui change de forme lorsqu'il reçoit un signal. Ils voulaient créer un minuscule anticorps, appelé nanocorps, qui ne se lierait au récepteur que lorsqu'il est dans son état actif, "on", ignorant l'état inactif "off". En utilisant une structure d'anticorps connue comme échafaudage, ils ont demandé à GuideFlip de redessiner les boucles flexibles qui entrent en contact avec le récepteur. Le système a généré seize nouveaux designs. Lors des tests, quinze d'entre eux se sont bien exprimés dans les bactéries, et douze se sont liés au récepteur uniquement lorsqu'il était activé par une drogue. Un design, NbIC20, s'est lié avec une haute affinité. Les chercheurs ont ensuite utilisé la cryo-microscopie électronique, une méthode qui prend des images 3D de molécules à une résolution quasi atomique, pour voir exactement comment cela fonctionnait. Les images ont confirmé que le nanocorps conçu se liait au récepteur dans l'état actif, correspondant au modèle informatique avec une précision remarquable. La structure a montré que les boucles flexibles du nanocorps avaient adopté la forme exacte prédite par la conception, verrouillant le récepteur dans sa forme active.

Ces expériences démontrent que l'ancienne séparation entre la conception d'une forme et la conception d'une séquence n'est plus nécessaire. En laissant les deux évoluer ensemble, GuideFlip peut s'attaquer à des problèmes qui étaient auparavant considérés comme trop difficiles, tels que la liaison à des protéines qui n'ont pas de forme fixe ou la création de liants sensibles aux changements subtils de la forme d'une cible. Les chercheurs ont également noté que leur méthode produisait des protéines plus susceptibles d'être solubles et stables dans une cellule par rapport à d'autres approches de conception qui reposent sur des techniques d'optimisation plus simples. Bien que l'étude se soit concentrée sur des protéines spécifiques, le cadre est assez général pour être appliqué à d'autres problèmes de reconnaissance moléculaire. La capacité de concevoir des protéines capables de stabiliser des interactions flexibles et éphémères suggère une nouvelle ère dans l'ingénierie moléculaire, où les scientifiques peuvent construire des outils pour attraper et contrôler les parties les plus dynamiques de la machinerie cellulaire.