Neopep: Reinforcement Learning From Machine-Learned Force Field Energy for Non-Canonical Peptide Structure Prediction

Nel mondo della medicina, la natura offre due strumenti primari per combattere le malattie: piccole molecole chimiche e grandi, complesse proteine. I peptidi si collocano comodamente nel mezzo, agendo come un ponte tra questi due estremi. Sono abbastanza lunghi da essere altamente specifici nel modo in cui si agganciano ai bersagli patologici, ma abbastanza corti da essere stabili e relativamente economici da produrre. Per decenni, gli scienziati hanno cercato di progettare nuovi farmaci peptidici utilizzando un set standard di venti mattoni fondamentali, noti come amminoacidi. Tuttavia, la natura e i chimici sintetici hanno accesso a miglia di altri, insoliti componenti che non rientrano in questo set standard. Questi amminoacidi "non canonici" possono conferire ai farmaci una migliore stabilità o permettere loro di sopravvivere più a lungo all'interno del corpo. Il problema è che, sebbene sappiamo che questi ingredienti speciali esistono, abbiamo pochissimi dati su come si ripiegano in forme tridimensionali. Senza conoscere la forma, non possiamo progettare un farmaco che si adatti al suo bersaglio, lasciando un vasto panorama chimico inesplorato.

Un team di ricercatori dell'Università di Toronto ha sviluppato un nuovo approccio per risolvere questo enigma, creando un sistema chiamato Neopep che può predire le forme di queste catene peptidiche insolite. La sfida principale che hanno affrontato era la mancanza di dati di addestramento. La libreria principale che gli scienziati utilizzano per imparare come si ripiegano le proteine contiene milioni di strutture, ma meno di uno su cinquemila dei suoi componenti sono del tipo speciale e non standard. Poiché i modelli informatici sono stati addestrati quasi interamente sui venti amminoacidi standard, hanno avuto difficoltà quando chiamati a predire la forma di una catena contenente quelli rari. Per aggirare questa carenza di dati, i ricercatori hanno smesso di cercare di memorizzare ogni possibile forma e hanno invece insegnato al loro modello a seguire le leggi della fisica. Hanno compreso che in natura le molecole si assestano naturalmente nella disposizione più stabile e a minore energia, proprio come una palla pesante che rotola verso il fondo di una valle. Insegnando al modello a cercare questi stati a bassa energia, hanno potuto guidarlo verso la forma corretta anche senza un esempio perfetto da copiare.

I ricercatori hanno costruito il loro sistema in due fasi distinte. Per prima cosa, hanno addestrato un modello di deep learning sulla vasta libreria di strutture proteiche standard per dare al sistema un senso generale di come le catene si ripiegano solitamente. Ciò ha fornito una solida base, o "prior strutturale", in modo che il modello comprendesse le regole base del gioco. Nella seconda fase, hanno introdotto un potente motore fisico noto come campo di forza appreso tramite machine learning. Pensate a questo motore come a una calcolatrice altamente accurata che può dirvi istantaneamente quanta energia possiede una specifica disposizione di atomi, indipendentmente dal fatto che tali atomi siano standard o esotici. I ricercatori hanno poi utilizzato una tecnica chiamata apprendimento per rinforzo (reinforcement learning), in cui il modello era lasciato libero di proporre molte forme diverse per una catena peptidica. Il motore fisico valutava ogni proposta e il modello veniva ricompensato per trovare disposizioni con energia inferiore. Col tempo, il modello ha imparato a ignorare le forme fisicamente instabili e a concentrarsi su quelle energeticamente favorevoli, insegnando efficacemente a se stesso come ripiegare correttamente i rari componenti strutturali.

I risultati di questo approccio sono stati sorprendenti. Quando testato su un insieme di trentantaquattro catene peptidiche contenenti amminoacidi non standard, il nuovo modello ha prodotto strutture significativamente più vicine alle forme reali osservate sperimentalmente rispetto ai metodi precedenti. Mentre i vecchi modelli faticavano a ottenere la forma corretta, producendo spesso strutture molto errate, il nuovo sistema ha ridotto l'errore medio di un ampio margine. In molti casi, il modello ha trovato una forma quasi identica alla verità di base (ground truth), con un errore inferiore a due angstrom, un'unità di misura utilizzata per le distanze atomiche. Fondamentalmente, questo miglioramento non è avvenuto a scapito dell'accuratezza per i peptidi standard; il modello rimaneva altrettanto bravo a predire le forme delle catene ordinarie quanto prima dell'inizio del nuovo addestramento. I ricercatori hanno anche osservato che il modello era in grado di generare una collezione diversificata di forme a bassa energia, suggerendo che avesse appreso i principi fisici sottostanti piuttosto che limitarsi a memorizzare una singola risposta.

Uno degli aspetti più affascinanti di questo lavoro è come gestisce l' "ignoto". Il modello è stato addestrato su un set specifico di 189 amminoacidi non standard, ma poiché opera guardando i singoli atomi e le loro interazioni, piuttosto che trattare ogni amminoacido come un singolo token rigido, è teoricamente capace di gestire qualsiasi struttura chimica. Questo rappresenta un cambiamento significativo rispetto ai metodi precedenti che richiedevano di riaddestrare o modificare il modello ogni volta che veniva introdotto un nuovo tipo di componente. Basandosi sul linguaggio universale dell'energia fisica, il sistema può generalizzare a nuove chimiche mai viste prima, a condizione che il motore fisico possa calcolarne l'energia. Ciò apre la porta alla progettazione di farmaci con proprietà completamente nuove, utilizzando ingredienti che prima erano troppo difficili da modellare.

Lo studio ha incluso anche un controllo accurato per garantire che il modello non stesse semplicemente tirando a indovinare. I ricercatori hanno confrontato l'energia delle forme predette dal modello con l'energia delle strutture reali. Hanno scoperto che il modello produceva costantemente forme che erano altrettanto stabili, o anche leggermente più stabili, di quelle reali. Ciò ha confermato che il modello stava effettivamente seguendo le regole fisiche che gli erano state insegnate. Nei confronti visivi, la differenza era evidente: le strutture generate dal precedente modello pre-addestrato apparivano spesso rotte o disconnesse, come se gli atomi fluttuassero nei posti sbagliati. Dopo il perfezionamento basato sull'energia, gli atomi si incastravano al loro posto, formando legami chimici continui e sensati. Questa capacità di "correggere" le strutture rotte suggerisce che il modello abbia acquisito una comprensione profonda di come gli atomi debbano connettersi.

In definitiva, questa ricerca offre una nuova strada per la scoperta di farmaci. Dimostra che, quando i dati sono scarsi, possiamo fare affidamento sulle leggi fondamentali della fisica per colmare le lacune. Combinando la potenza del riconoscimento di pattern dell'intelligenza artificiale moderna con l'accuratezza rigorosa della fisica appresa tramite machine learning, i ricercatori hanno creato uno strumento capace di navigare nel vasto e complesso mondo degli amminoacidi non standard. Questa capacità significa che gli scienziati possono ora esplorare un intervallo molto più ampio di possibilità chimiche per creare nuovi medicinali, portando potenzialmente a terapie più efficaci, più durature e capaci di colpire malattie che prima erano fuori portata. Il lavoro non pretende di aver risolto ogni problema nella progettazione delle proteine, ma fornisce un metodo robusto e generalizzabile per affrontare uno dei colli di bottiglia più persistenti del settore.