Learning the structural diversity in random protein sequence space

Screenando un milione di proteine sintetiche casuali con un biosensore FRET ad alto rendimento e apprendimento automatico, lo studio rivela che ripiegamenti proteici compatti simili a quelli biologici sono sorprendentemente accessibili e apprendibili dallo spazio delle sequenze casuali, sfidando l'idea che le strutture funzionali siano singolarità rare.

L'essenziale

Immagina l'universo di tutte le proteine possibili come una biblioteca massiccia e infinita. Al momento, la vita sulla Terra ha letto solo una frazione minuscola, minuscola dei libri in questa biblioteca. Gli scienziati si sono chiesti: i "buoni" libri – quelli che si ripiegano in forme utili e stabili – sono rari, tesori unici nascosti in profondità negli scaffali? O sono invece comuni, facili da trovare se si inizia semplicemente a sfogliare le pagine a caso?

Per rispondere a questa domanda, i ricercatori hanno deciso di smettere di indovinare e iniziare a leggere. Hanno scritto e testato un milione di "storie" completamente nuove e casuali (sequenze proteiche) che la natura non ha mai visto prima. Hanno utilizzato un sistema ingegnoso ad alta velocità (un biosensore FRET) all'interno di cellule viventi per osservare cosa facevano queste proteine casuali.

Ecco cosa hanno scoperto in questa biblioteca di idee casuali:

• Il Caos: Molte delle proteine casuali erano come mucchi disordinati di lana che non riuscivano ad annodarsi da sole (catene disordinate), oppure si aggregavano in sfere appiccicose e dannose che stressavano la cellula (aggregati).
• La Sorpresa: Tuttavia, hanno anche trovato un numero sorprendente di proteine "benigne". Queste non erano disordinate o appiccicose; si ripiegavano ordinatamente in forme globulari compatte che assomigliavano molto alle proteine che vediamo in natura. Crucialmente, le "guardie di sicurezza" della cellula (chaperonine) non le notavano nemmeno o tentavano di ripararle perché si comportavano così bene.

Pensateci come a lanciare un milione di manciate casuali di LEGO in aria. Potreste aspettarvi che atterrino in un ammasso confuso. Invece, i ricercatori hanno scoperto che un numero significativo di essi atterrava in forme di castelli perfette e stabili da sole, senza bisogno di un costruttore esperto.

Infine, il team ha insegnato a un computer (machine learning) a riconoscere i modelli che facevano sì che queste proteine casuali si ripiegassero bene. Una volta che il computer ha appreso le regole da questi esperimenti casuali, è stato in grado di prevedere con successo anche le forme delle proteine presenti in natura.

La Conclusione:
Questo studio dimostra che le forme "simili alla biologia" non sono rari, magici accidenti. Sono in realtà piuttosto comuni e accessibili, anche in un mare di sequenze casuali. Questo offre agli scienziati una nuova mappa per progettare proteine completamente nuove che non si limitano a copiare ciò che l'evoluzione ha già fatto, ma esplorano il vasto territorio inesplorato di ciò che è fisicamente possibile.

Sommario tecnico

Riepilogo Tecnico: Apprendimento della Diversità Strutturale nello Spazio delle Sequenze Proteiche Casuali

Enunciato del Problema
L'universo delle possibili sequenze proteiche è astronomicamente vasto, eppure la comprensione scientifica attuale della relazione sequenza-struttura è limitata all'infinitesimale frazione di sequenze sfruttate dalla vita esistente. Rimane irrisolta una domanda fondamentale: le architetture "ripiegabili" sono singolarità rare all'interno dello spazio delle sequenze, o sono soluzioni accessibili che emergono con maggiore frequenza? Risolvere questo quesito è cruciale per comprendere l'evoluzione delle proteine e per la progettazione razionale di nuove proteine che vadano oltre i prior evolutivi.

Metodologia
Per affrontare questo problema, gli autori hanno mappato il panorama strutturale dello spazio delle sequenze casuali attraverso una pipeline sperimentale e computazionale ad alto rendimento:

• Screening Sperimentale: Il team ha generato e sottoposto a screening un milione di sequenze proteiche casuali sintetiche in vivo.
• Applicazione del Biosensore: Hanno utilizzato un biosensore FRET (Förster Resonance Energy Transfer) ad alto rendimento per rilevare i fenotipi cellulari associati al ripiegamento e all'aggregazione delle proteine. Ciò ha permesso di differenziare le sequenze che formano strutture stabili, quelle che rimangono disordinate e quelle che inducono stress cellulare.
• Apprendimento Automatico: I dati fenotipici provenienti dallo screening sono stati utilizzati per addestrare modelli di apprendimento automatico. Questi modelli sono stati successivamente testati per la loro capacità di generalizzare le previsioni strutturali ai proteomi naturali.

Risultati Chiave
Lo screening ha rivelato che il panorama strutturale dello spazio delle sequenze casuali è eterogeneo piuttosto che uniformemente caotico. La popolazione di sequenze casuali include:

1. Catene disordinate: Sequenze che non riescono ad adottare una struttura definita.
2. Aggregati induttori di stress: Sequenze che si ripiegano erroneamente e innescano risposte di stress cellulare.
3. Strutture compatte "benigne": Un sottogruppo significativo di sequenze che si ripiegano in strutture compatte, simili a globuli. Crucialmente, queste strutture eludono le risposte delle chaperonine cellulari, indicando che sono stabili e non tossiche nell'ambiente cellulare.

Inoltre, lo studio ha dimostrato che il potenziale strutturale è apprendibile. I modelli di apprendimento automatico addestrati sui dati sintetici hanno generalizzato con successo ai proteomi naturali, suggerendo che le regole che governano la ripiegabilità nello spazio casuale condividono principi fondamentali con quelli dell'evoluzione naturale.

Significato e Affermazioni
Il paper afferma che i ripiegamenti simili a quelli biologici sono accessibili a partire da sequenze casuali con una frequenza sorprendente. Questa scoperta sfida la nozione secondo cui le proteine ripiegate e funzionali siano anomalie rare. Fornendo dati empirici sulla frequenza e sulla natura di queste strutture "benigne", il lavoro fornisce le basi necessarie per espandere la progettazione generativa delle proteine. Gli autori ipotizzano che andare oltre i prior evolutivi sia ora fattibile, poiché la diversità strutturale necessaria per una progettazione innovativa esiste intrinsecamente all'interno della vastità dello spazio delle sequenze casuali.