Foldseek-Interface reveals a protein interface universe far from complete

La vie à l'intérieur d'une cellule dépend d'une conversation constante et complexe entre les protéines. Ces molécules sont les ouvrières de la biologie, et pour accomplir quoi que ce soit, elles doivent se trouver et s'emboîter. Parfois, elles forment des structures rigides et permanentes, comme les poutres d'un bâtiment. D'autres fois, elles se touchent brièvement pour envoyer un signal, puis s'éloignent, comme une poignée de main rapide. La forme spécifique où deux protéines se touchent est appelée une interface. C'est la géométrie unique de ce point de rencontre qui détermine si l'interaction se produit, quelle est sa force et quel en sera le résultat. Pendant des décennies, les scientifiques ont cartographié les formes des protéines individuelles, répertoriant la vaste bibliothèque de formes moléculaires existantes. Mais bien que nous connaissions l'apparence des pièces individuelles, il nous manquait un moyen systématique de cartographier les milliards de façons différentes dont ces pièces peuvent s'assembler. Sans une carte de ces lieux de rencontre, il est difficile de comprendre toute l'étendue du fonctionnement des cellules, de la façon dont elles évoluent ou de la manière dont les maladies pourraient détourner ces connexions.

Une équipe de chercheurs a maintenant créé cette carte manquante. Ils ont développé une nouvelle méthode appelée Foldseek-Interface, qui traite les formes tridimensionnelles des interfaces protéiques comme s'il s'agissait de simples chaînes de texte. Cette conversion ingénieuse permet aux ordinateurs de rechercher et de comparer des millions de ces points de rencontre en une fraction du temps qu'il faudrait avec les outils plus anciens. En appliquant cette méthode à chaque complexe protéique actuellement connu de la science, l'équipe a découvert que l'univers des interfaces protéiques est bien plus vaste et diversifié qu'on ne le pensait auparavant. Ils ont constaté que, tandis que nous étions occupés à répertorier les formes des protéines individuelles, les façons dont ces protéines se connectent restent encore largement un territoire inexploré.

Les chercheurs ont commencé par prendre l'intégralité de la bibliothèque de structures protéiques déterminées expérimentalement, connue sous le nom de Protein Data Bank, qui contient plus de trois millions de paires de protéines interagissant entre elles. En utilisant leur nouvel outil, ils ont extrait les atomes spécifiques où ces protéines se touchent et ont converti ces formes en un format de recherche. Cela leur a permis de regrouper les interfaces similaires, indépendamment du fait que les protéines elles-mêmes paraissent différentes. Le résultat fut une réduction massive de la redondance : les trois millions de paires ont été organisées en 77 167 clusters distincts. Chaque cluster représente un type unique de lieu de rencontre, une famille topologique récurrente que la nature a utilisée encore et encore. Cette ressource est désormais librement accessible aux scientifiques, offrant un moyen de rechercher des interfaces similaires à travers tout l'univers connu des structures protéiques.

L'une des découvertes les plus frappantes fut que notre vision actuelle des interactions protéiques est fortement biaisée. La base de données est dominée par des interfaces stables et rigides où les deux protéines sont entièrement repliées et ordonnées. Cependant, les chercheurs soupçonnent qu'il s'agit d'un artefact de la manière dont la science a été pratiquée, et non d'un reflet de la réalité. Dans les cellules vivantes, de nombreuses interactions impliquent des protéines qui sont molles ou désordonnées, se touchant brièvement pour réguler des signaux. Ces interactions flexibles sont beaucoup plus difficiles à capturer en laboratoire, elles sont donc sous-représentées dans les données. L'étude suggère que le véritable paysage des interfaces protéiques est probablement bien plus riche en ces connexions désordonnées et transitoires que ne le montrent nos cartes actuelles.

L'équipe a également utilisé cette nouvelle carte pour observer comment ces interfaces ont évolué. Ils ont découvert que la nature arrive souvent à la même solution à partir de points de départ différents. Dans certains cas, des protéines ayant des formes globales complètement différentes ont évolué pour utiliser la même géométrie d'interface pour se lier à un partenaire. Ce phénomène, connu sous le nom d'évolution convergente, suggère que certaines formes sont simplement le moyen le plus efficace de résoudre un problème de liaison. Les chercheurs ont également identifié des cas où des agents pathogènes, tels que des bactéries et des virus, ont évolué pour imiter les interfaces des protéines humaines. En copiant ces formes, les envahisseurs peuvent tromper les cellules humaines pour interagir avec elles, détournant ainsi efficacement la machinerie cellulaire. Le nouvel outil a permis à l'équipe de repérer ces événements de mimétisme avec une grande précision, révélant comment les virus utilisent souvent des segments courts et flexibles pour copier les interfaces humaines, tandis que les bactéries ont tendance à utiliser des structures plus rigides et repliées.

Enfin, les chercheurs ont testé si cette méthode pouvait aider à donner un sens au déluge de structures protéiques prédites générées par l'intelligence artificielle. Ils ont fouillé une base de données de complexes protéiques humains prédits pour voir si l'IA avait inventé de nouveaux types d'interfaces qui n'existent pas encore dans le registre expérimental. Ils ont trouvé des milliers d'interfaces prédites qui n'avaient aucune correspondance dans la base de données connue. Bien que beaucoup d'entre elles soient probablement des erreurs ou des artefacts du processus de prédiction, un examen attentif a révélé plusieurs candidats prometteurs. Ceux-ci incluaient des interactions potentielles impliquées dans la fonction du ribosome, la signalisation cellulaire et le transport de matériaux à l'intérieur de la cellule. Ces découvertes suggèrent que l'intelligence artificielle ne se contente pas de confirmer ce que nous savons déjà, mais qu'elle pointe activement vers une couche cachée d'interactions protéiques que la science expérimentale n'a pas encore découvertes.

Ce travail offre un nouveau prisme pour observer la machinerie moléculaire de la vie. En déplaçant l'attention de la protéine entière vers le point de contact spécifique, les chercheurs ont ouvert une fenêtre sur la diversité de l'interaction biologique. La carte qu'ils ont construite n'est pas complète ; les auteurs notent que les données expérimentales sont toujours biaisées en faveur des structures stables, et que l'étendue réelle de l'univers des interfaces reste à être pleinement cartographiée. Cependant, l'outil qu'ils ont créé offre un moyen puissant de naviguer dans cet espace, permettant aux scientifiques de trouver des motifs dans le chaos de la liaison moléculaire. À mesure que davantage de structures prédites deviendront disponibles, cette méthode révélera probablement encore plus de ces connexions cachées qui pilotent la complexité des systèmes vivants.