RegimeFormer: A Large Protein Model of Global Perturbation Regimes
RegimeFormer è un modello proteico su larga scala che, attraverso il suo database associato RegimeAtlas di oltre 200 milioni di sequenze, stabilisce regimi di perturbazione globali per predire gli effetti delle mutazioni a livello di residuo e migliorare la modellazione biologica a valle, in particolare per proteine e famiglie inedite.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA di un preprint non sottoposto a revisione paritaria. Non è un consiglio medico. Non prendere decisioni sulla salute basandoti su questo contenuto. Leggi il disclaimer completo
Le proteine sono i motori della vita, minuscole macchine molecolari che costruiscono le cellule, combattono le infezioni e portano avanti le reazioni chimiche che ci tengono in vita. Sono composte da lunghe catene di mattoncini chiamati amminoacidi, e l'ordine specifico di questi blocchi determina come la proteina si ripiega e cosa fa. Per decenni, gli scienziati hanno saputo che cambiare anche un singolo mattoncino in questa catena può avere conseguenze drammatiche. A volte il cambiamento è innocuo; altre volte rompe interamente la macchina, portando alla malattia. Negli ultimi anni, i ricercatori hanno sviluppato potenti strumenti informatici per prevedere questi esiti, ma questi strumenti sono stati per lo più limitati allo studio di una proteina alla volta. Faticano quando si trovano di fronte al vasto, inesplorato oceano di proteine che esistono in natura, molte delle quali non sono mai state viste in un laboratorio.
Un team di ricercatori ha ora costruito una nuova sorta di mappa che copre l'intero oceano. Hanno creato un sistema che tratta il comportamento delle proteine non come una collezione di puzzle isolati, ma come un paesaggio unificato con regioni distinte. Analizzando più di 200 milioni di sequenze proteiche provenienti da ogni ramo dell'albero della vita, hanno scoperto che le proteine cadono in diversi "regimi", o stati, che descrivono come reagiscono al cambiamento. Alcune proteine sono fragili, il che significa che anche una piccola modifica può romperle. Altre sono adattabili, capaci di assorbire i cambiamenti e persino migliorare la propria funzione. I ricercatori hanno costruito un modello massiccio in grado di navigare in questo paesaggio, prevedendo come un cambiamento specifico influenzerà una proteina, anche se quella proteina non è mai stata studiata prima. Questo lavoro fornisce un nuovo modo per comprendere le regole della vita a livello molecolare, offrendo una guida agli scienziati che vogliono progettare migliori proteine o comprendere come le mutazioni genetiche causino malattie.
I ricercatori hanno iniziato raccogliendo una quantità sbalorditiva di dati. Hanno raccolto 424 milioni di record grezzi di sequenze proteiche da database pubblici, che includono tutto, dai geni umani ai batteri presenti nel suolo e ai virus. Dopo aver pulito questi dati per rimuovere errori e duplicati, sono rimasti con 202 milioni di proteine distinte. Questa collezione, che hanno chiamato RegimeAtlas, rappresenta una mappa quasi completa dell'universo proteico noto alla scienza. Invece di limitarsi a elencare queste proteine, il team ha utilizzato un sofisticato modello informatico per organizzarle. Hanno proiettato queste sequenze in uno spazio continuo dove le proteine con comportamenti simili sono raggruppate. Ciò ha creato un sistema di coordinate globale per il modo in cui le proteine rispondono alle mutazioni, rivelando che l'intero insieme di proteine non è casuale ma segue un modello strutturato.
Per rendere questa mappa utile per domande specifiche, il team si è concentrato su un gruppo più piccolo e altamente diversificato di un milione di proteine per addestrare il loro modello principale, che hanno chiamato RegimeFormer. Questo modello ha imparato a osservare una proteina e ad assegnarle una posizione sulla mappa in base al suo "reggeime". Una volta noto il regime di una proteina, il modello può prevedere cosa accadrà se si scambia un amminoacido con un altro. Lo fa calcolando tre cose chiave per ogni singolo punto nella catena proteica: fragilità, adattabilità e incertezza. La fragilità misura quanto è probabile che un punto si rompa se modificato. L'adattabilità misura quanto è probabile che un cambiamento sia tollerato o addirittura utile. L'incertezza dice al ricercatore quanto il modello è fiducioso nella propria previsione.
Il team ha testato questo sistema contro esperimenti reali in cui gli scienziati avevano già misurato gli effetti di migliaia di mutazioni. Hanno scoperto che le previsioni del modello corrispondevano ai risultati sperimentali con un'alta precisione. Ancora più importante, il modello eccelleva nelle situazioni in cui altri strumenti solitamente falliscono: quando analizza proteine molto diverse da tutto ciò che aveva visto prima, o quando si occupa di famiglie di proteine rare nei dati di addestramento. Ciò suggerisce che il modello abbia appreso una regola fondamentale su come funzionano le proteine, piuttosto che aver semplicemente memorizzato esempi specifici. I ricercatori hanno anche verificato se le loro previsioni avessero senso dal punto di vista biologico. Hanno scoperto che i punti che il modello ha contrassegnato come "fragili" erano esattamente i punti in cui le proteine solitamente svolgono i loro compiti più critici, come il legame con altre molecole o la catalisi di reazioni chimiche. Al contrario, i punti "adattabili" si trovavano spesso in aree della proteina che possono cambiare forma senza rompersi.
Per dimostrare che questa mappa non fosse solo un trucco matematico, i ricercatori hanno confrontato i loro risultati con dati indipendenti da altri campi. Hanno esaminato le strutture 3D delle proteine predette da altri sistemi di IA e hanno scoperto che le proteine che il modello etichettava come fragili tendevano ad avere strutture meno stabili, mentre quelle etichettate come adattabili erano più stabili. Hanno anche esaminato la storia evolutiva, osservando come le proteine siano cambiate nel corso di milioni di anni. Hanno scoperto che i punti che il modello identificava come fragili erano gli stessi punti che erano rimasti invariati per ere, indicando che la natura ha selezionato contro i cambiamenti in quelle aree per un tempo lunghissimo. Questo allineamento con le evidenze strutturali ed evolutive ha confermato che il modello aveva scoperto una vera verità biologica.
La forza di questo sistema risiede nella sua capacità di scalare. Mentre il modello è stato addestrato su un milione di proteine, è stato applicato a quasi 400 milioni di singoli punti attraverso l'intero atlas. Ciò ha creato una massiccia libreria di previsioni che gli scienziati possono interrogare. Invece di aspettare costosi e lenti esperimenti di laboratorio per testare ogni possibile mutazione, i ricercatori possono ora usare questa mappa per dare priorità ai cambiamenti che vale la pena testare. Il team ha dimostrato che l'uso di questa mappa per selezionare le mutazioni da testare era significativamente più efficiente rispetto ai metodi precedenti, permettendo agli scienziati di trovare cambiamenti benefici con molti meno esperimenti.
Oltre a prevedere il comportamento delle proteine, i ricercatori hanno collegato questa mappa proteica a come le cellule reagiscono. Hanno collegato le loro previsioni proteiche ai dati su come le cellule cambiano la loro attività genica quando esposte a farmaci o altri stress. Hanno scoperto che le intuizioni a livello proteico aiutavano a spiegare perché certe cellule rispondessero ai farmaci in modi specifici. Questo ponte dal livello molecolare al livello cellulare suggerisce che comprendere il "regime" di una proteina può aiutare a prevedere come un'intera cellula o organismo si comporterà. Il team ha inoltre costruito uno strumento pubblico, chiamato RegimeAtlas Explorer, che consente a chiunque di cercare in questo vasto database, visualizzare le previsioni e vedere l'evidenza che le sostiene.
Questo lavoro rappresenta un cambiamento nel modo in cui gli scienziati vedono il mondo delle proteine. Invece di vedere le proteine come entità isolate che devono essere studiate una per una, i ricercatori hanno dimostrato che esse esistono all'interno di un sistema globale di comportamenti. Mappando questo sistema, hanno creato uno strumento che può guidare il futuro della biologia, dalla progettazione di nuovi medicinali alla comprensione della base genetica delle malattie. Il modello non si limita a prevedere cosa accadrà; rivela la logica sottostante del perché le proteine si comportano in quel modo, offrendo una nuova lente attraverso cui guardare la macchina della vita.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.