Neural spectroscopy of AlphaFold2 reveals encoded protein conformational landscapes

Sintesi Tecnica: Spettroscopia Neurale di AlphaFold2

Definizione del Problema
AlphaFold2 (AF2) raggiunge una straordinaria accuratezza nella previsione delle strutture proteiche statiche, eppure la natura di ciò che i suoi 93 milioni di parametri codificano rimane opaca. Sebbene il modello venga convenzionalmente trattato come uno strumento di conversione sequenza-struttura, non è chiaro se i suoi pesi memorizzino semplicemente un catalogo di pieghe note o se interiorizzino una comprensione più profonda e trasferibile della fisica del ripiegamento proteico e dell'organizzazione conformazionale. L'inferenza standard produce una singola previsione statica, comprimendo lo spazio rappresentazionale interno del modello e oscurando qualsiasi informazione codificata riguardante l'eterogeneità conformazionale, l'ordinamento della stabilità o i percorsi di ripiegamento. Il problema centrale affrontato è come sondare sistematicamente i pesi appresi del modulo Evoformer per rivelare i vincoli strutturali e i paesaggi conformazionali che non sono visibili durante l'inferenza standard non perturbata.

Metodologia: Scaled Gaussian Convolution (SGC)
Gli autori propongono la "spettroscopia neurale", un protocollo che prevede la perturbazione sistematica e deterministica dei tensori di peso appresi dell'Evoformer per caratterizzare l'codifica interna del modello. Il metodo centrale è la Scaled Gaussian Convolution (SGC), che modifica i tensori di peso ($W_i$) dei blocchi dell'Evoformer prima dell'inferenza utilizzando tre parametri continui:

1. Fattore di Scala ($\lambda$): Attenua uniformemente l'ampiezza dei pesi ($\lambda \in (0, 1]$).
2. Larghezza Gaussiana ($\sigma$): Applica una convoluzione gaussiana per smussare le caratteristiche locali fini dei pesi, preservando al contempo i modelli globali grossolani.
3. Profondità di Perturbazione ($d$): Determina il numero di blocchi consecutivi dell'Evoformer (dal blocco 0 al blocco $d-1$) che vengono modificati.

La perturbazione viene applicata in loco ai parametri del modello (utilizzando OpenFold v2.2.0 ed è completamente deterministica; gli stessi parametri producono output identici). Per garantire che gli effetti osservati siano dovuti alla specifica struttura della perturbazione piuttosto che alla mera ampiezza, gli autori utilizzano controlli di rumore a potenza corrispondente (matched-power noise controls):

• Rumore Bianco: Aggiunge rumore gaussiano con la stessa energia totale della SGC, ma distrugge ogni struttura spettrale e di fase.
• Rumore Spettrale: Preserva lo spettro di potenza della perturbazione SGC ma randomizza la coerenza di fase.

Gli esperimenti sono stati condotti su tre distinti sistemi proteici per sondare diversi regimi di rappresentazione appresa:

• Ubiquitina: Una proteina globulare ben ripiegata con estesi dati sperimentali (NMR, simulazioni MD) per la validazione.
• KaiB: Una proteina con switch di ripiegamento (fold-switching) per la quale AF2 predice solo lo stato attivo (fold-switched).
• $\alpha$-sinucleina: Una proteina intrinsecamente disordinata (IDP) priva di una singola struttura nativa.

Per isolare l'effetto dei pesi appresi dai vincoli coevolutivi esterni, gli esperimenti hanno utilizzato profondità ridotte dell'Allineamento Multiplo di Sequenze (MSA) ($64 \times 64$), rendendo il modello più sensibile alle perturbazioni dei pesi.

Risultati Chiave

1. Paesaggi Conformazionali Strutturati:
   La SGC induce una transizione strutturale modulabile e graduata nell'Ubiquitina. Man mano che la profondità di perturbazione aumenta, il modello attraversa un paesaggio conformazionale continuo invece di collassare casualmente. Il paesaggio presenta una topologia a "forma di L": un bacino nativo profondo connesso a un ensemble denaturato tramite una cerniera di intermedi parzialmente ripiegati (globuli molli). Questa topologia rispecchia il imbuto di ripiegamento (folding funnel) osservato nelle simulazioni di dinamica molecolare (MD) su scala millisecondo, con una sovrapposizione territoriale del 72,6% nello spazio RMSD–fattore Q.

2. Svolgimento Fisicamente Ordinato:
   Sotto una progressiva perturbazione, i contatti nativi nell'Ubiquitina si rompono in una sequenza specifica che corrisponde a decenni di studi sperimentali sul ripiegamento. Il "nucleo di ripiegamento" (Gruppo 1) è il più robustamente codificato e persiste più a lungo, mentre i contatti di confine intermedi (Gruppo 2) si rompono per primi. Questo ordinamento è coerente in tutti e cinque i modelli AF2 addestrati indipendentemente e non è riprodotto dai controlli di rumore, che producono collassi stocastici dipendenti dal seed o detriti atomizzati.

3. Correlazione con la Flessibilità Fisica:
   La sensibilità alla perturbazione per residuo (la varianza nelle coordinate predette sotto iterazioni di riciclo sotto perturbazione) correla fortemente con la flessibilità fisica misurata tramite l'RMSF della MD di equilibrio. Questa correlazione persiste anche dopo aver controllato per il numero di contatto pesato (residue burial), suggerendo che i pesi codifichino vincoli a livello di residuo relativi alla flessibilità, non solo la geometria statica.

4. Indipendenza dal Modello e Convergenza:
   Per l'Ubiquitina, tutti e cinque i modelli AF2 addestrati indipendentemente producono la stessa topologia del paesaggio conformazionale e i medesimi confini di transizione, indicando che la codifica è una proprietà dell'architettura e dei dati di addestramento piuttosto che di una specifica inizializzazione dei pesi.

• KaiB (Assenza Convergente): Tutti i cinque modelli non riescono ad accedere alla piega dello stato fondamentale sotto SGC, producendo solo un percorso di denaturazione unidimensionale dallo stato predetto (fold-switched). Ciò suggerisce che il percorso specifico verso lo stato fondamentale è assente dal manifold appreso.
• $\alpha$-sinucleina (Disaccordo Strutturato): I cinque modelli producono cinque paesaggi distinti ma internamente coerenti. Sebbene differiscano sulla specifica ensemble conformazionale (riflettendo la natura sottodeterminata degli IDP), il loro ensemble aggregato copre il nucleo dello spazio conformazionale campionato dalla MD a solvente esplicito, suggerendo un "pavimento" condiviso di vincoli.

5. Meccanismo di Rappresentazione:
   L'analisi della rappresentazione di coppia ($z_{ij}$) dell'Evoformer rivela che la SGC sposta le magnitudo di attivazione di coppia lungo un singolo asse a bassa dimensionalità, che spiega il 97% della varianza specifica della condizione; i controlli di rumore si proiettano al di fuori di questo sottospazio, confermando che la risposta strutturata deriva da una modulazione continua e allineata ai pesi della geometria rappresentazionale, e non da un generico fallimento della rete.

Significatività e Rivendicazioni
Il documento afferma che i pesi di AlphaFold2 codificano una rappresentazione dei dati compressa dell'organizzazione conformazionale proteica che va oltre la singola struttura statica predetta durante l'inferenza standard. Trattando i pesi come un oggetto scientifico piuttosto che solo come uno strumento, gli autori dimostrano che:

• Proprietà Emergenti: Il modello ha imparato a predire strutture statiche, eppure l'organizzazione conformazionale (ordinamento della stabilità, pattern di flessibilità, topologia del paesaggio) è emersa come un sottoprodotto di tale obiettivo, modellata dai dati evolutivi e strutturali.
• Spettroscopia Neurale: L'approccio di leggere questi vincoli codificati tramite una perturbazione controllata dei pesi è denominato "spettroscopia neurale". Essa permette di caratterizzare ciò che il modello "sa" del ripiegamento proteico senza richiedere esplicitamente l'addestramento su dati dinamici o termodinamici.
• Limiti dell'Apprendimento: Il metodo rivela i confini del manifold appreso. Dove i dati di addestramento sono forti (Ubiquitina), il paesaggio è condiviso e fisicamente accurato. Dove i dati sono assenti (stato fondamentale di KaiB), il manifold mostra un'assenza convergente. Dove i dati sono ambigui (IDP), il manifold mostra un disaccordo strutturato, in cui il nucleo condiviso rappresenta i vincoli affidabilmente codificati.

Gli autori rimangono modesti riguardo alle spiegazioni meccanicistiche, osservando che, sebbene la corrispondenza tra perturbazione dei pesi e processi fisici sia robusta, la teoria formale che collega la geometria dello spazio dei pesi alla costruzione rappresentazionale e all'emergenza conformazionale non è ancora stabilita. Essi ipotizzano che il segnale risieda nelle direzioni dominanti dei pesi appresi, accessibili attraverso una deformazione globale e continua.