A multi-layer computational framework for structural prioritization of transcriptome-derived proteins

Nella vasta biblioteca della vita, ogni cellula trasporta un insieme di istruzioni scritte in un codice chiamato RNA. Queste istruzioni dicono alla cellula come costruire le proteine, le macchine molecolari che svolgono quasi ogni compito necessario affinché un organismo sopravviva e funzioni. Per decenni, gli scienziati sono stati in grado di leggere queste istruzioni con una velocità incredibile, generando liste massicce di sequenze proteiche da piante, animali e microbi. Tuttavia, conoscere la sequenza di lettere di una proteina è solo l'inizio. Per capire cosa faccia realmente una proteina, i ricercatori devono vederne la forma tridimensionale. La forma di una proteina ne determina la funzione, proprio come la forma di una chiave determina quale serratura può aprire. La sfida è che, sebbene i computer possano ora leggere milioni di istruzioni genetiche, predire le complesse forme ripiegate delle proteine risultanti rimane un difficile collo di bottiglia. Senza queste forme, è quasi impossibile sapere quali proteine potrebbero interagire con target specifici nel corpo, come le molecole di segnalazione che guidano l'infiammazione.

È qui che entra in gioco un nuovo studio, che offre un modo sistematico per navigare in questa montagna di dati. I ricercatori della Università Federale di ABC in Brasile hanno sviluppato un framework computazionale multistrato progettato per setacciare migliaia di proteine candidate e identificare le più promettenti per ulteriori studi. Si sono concentrati sul Cereus jamacaru, un cactus nativo del bioma della Caatinga brasiliana, noto per le sue potenziali proprietà antinfiammatorie. Mentre la ricerca precedente su questa pianta si era concentrata principalmente su piccoli composti chimici, questo team voleva esplorare le proteine nascoste nel suo codice genetico. Il loro obiettivo non era dimostrare che queste proteine vegetali curino direttamente le malattie, ma creare un metodo affidabile e passo dopo passo per trovare candidati proteici strutturalmente solidi che potessero interagire con i segnali infiammatori umani. Combinando diverse tecniche basate sul computer, sono riusciti a restringere una lista di oltre 129.000 proteine tradotte a soli nove candidati ad alta confidenza, dimostrando una strategia scalabile che potrebbe essere applicata ai dati genetici di qualsiasi organismo.

Il viaggio è iniziato con un enorme dataset contenente 129.052 sequenze proteiche derivate dalla radice e dall'epidermide del cactus. Per dare un senso a questo numero travolgente, i ricercatori hanno prima applicato un filtro ampio basato su strutture note. Hanno confrontato le proteine del cactus con un database di forme proteiche determinate sperimentalmente, mantenendo solo quelle che condividevano più della metà della loro sequenza con una struttura nota. Questo passaggio iniziale ha ridotto il pool a circa 14.800 candidati. Successivamente, hanno utilizzato un sistema di punteggio per valutare la qualità delle forme predette, scartando quelle che apparivano instabili o inaffidabili. Questo processo ha ridotto la lista a circa 3.500 modelli strutturali di alta qualità, creando un insieme gestibile di candidati per un'analisi più approfondita.

In seguito, il team ha rivolto la propria attenzione a tre specifiche proteine umane note come citochine: il fattore di necrosi tumorale alfa, l'interleuchina-1 beta e l'interferone alfa. Queste molecole sono regolatori centrali della risposta infiammatoria del corpo e sono spesso coinvolte in condizioni come l'artrite reumatoide. I ricercatori volevano vedere se alcune delle proteine del cactus potessero interagire fisicamente con queste citochine umane. Per farlo, hanno impiegato una strategia di docking a due fasi. In primo luogo, hanno utilizzato un metodo di screening rapido a corpo rigido per testare quanto bene le 3.500 proteine del cactus si adattassero alle tre citochine umane. Questo passaggio ha identificato un gruppo più piccolo di proteine che mostrava corrispondenze iniziali promettenti. Per raffinare questi risultati, hanno utilizzato un secondo metodo di docking più flessibile che permetteva lievi movimenti nelle forme delle proteine, imitando il modo in cui le molecole reali potrebbero adattarsi quando si uniscono. Cercando proteine che performassero bene in entrambi i metodi, i ricercatori hanno identificato nove candidati che mostravano costantemente una forte compatibilità strutturale con le citochine umane.

Prima di dichiarare questi nove proteine come vincitrici finali, il team le ha sottoposte a una serie di rigorosi test di validazione per garantire che le loro scoperte non fossero semplici artefatti computazionali. Hanno prima raffinato le forme di queste nove proteine utilizzando uno strumento di predizione altamente avanzato chiamato AlphaFold 3, che ha generato nuovi modelli ad alta confidenza per confermare che le strutture iniziali fossero accurate. Hanno poi analizzato i punti specifici in cui le proteine del cactus toccavano le citochine umane. Hanno contato il numero di legami chimici, come i legami a idrogeno e i ponti salini, che si formavano in queste interfacce. Un alto numero di queste connessioni suggeriva un incastro stabile e stretto. Inoltre, hanno controllato se le parti delle proteine del cactus coinvolte in queste interazioni fossero evolutivamente conservate, ovvero se fossero rimaste invariate attraverso milioni di anni di evoluzione. Questa conservazione indica spesso che una specifica regione di una proteina è critica per la sua funzione o stabilità, aggiungendo un altro livello di fiducia ai risultati.

Per testare se queste interazioni avrebbero retto in condizioni reali, i ricercatori hanno eseguito simulazioni dinamiche. Hanno collocato le quattro coppie di proteine più promettenti in un ambiente virtuale pieno di molecole d'acqua e ne hanno simulato il comportamento nel tempo. Queste simulazioni sono durate 100 nanosecondi ciascuna, ripetute tre volte per ogni coppia per garantire la riproducibilità dei risultati. L'obiettivo era vedere se le proteine sarebbero rimaste bloccate insieme o se si sarebbero allontanate mentre si muovevano e oscillavano. I risultati hanno mostrato che le interazioni rimanevano stabili durante le simulazioni. Le proteine mantenevano la loro forma e i loro punti di connessione, anche mentre si muovevano nell'acqua virtuale. Questa stabilità dinamica ha confermato che le interazioni predette non erano solo istantanee statiche, ma rappresentavano complessi fisicamente plausibili e robusti.

Lo studio ha anche esaminato da vicino cosa siano effettivamente queste nove proteine prioritarie. Attraverso un'analisi funzionale, il team ha scoperto che appartengono a diverse famiglie di enzimi e proteine regolatrici, inclusi ossidoriduttasi e proteine di legame all'RNA. Questi sono componenti tipici del metabolismo vegetale, coinvolti in processi come la produzione di energia e la risposta allo stress. I ricercatori hanno sottolineato che la selezione di queste proteine è stata guidata interamente dalla loro compatibilità strutturale con le citochine umane, non da alcuna assunzione che esse funzionino naturalmente come farmaci umani. Infatti, lo studio argomenta esplicitamente contro l'idea che queste proteine vegetali siano equivalenti funzionali diretti dei regolatori delle citochine umane. Invece, i risultati suggeriscono che le forme tridimensionali di queste proteine vegetali creano superfici che possono fisicamente incastrarsi con i segnali infiammatori umani, probabilmente a causa di principi condivisi di geometria e chimica piuttosto che di una storia biologica condivisa.

Il valore ultimo di questo lavoro risiede nel framework stesso. I ricercatori non hanno sostenuto di aver scoperto un nuovo medicinale, quanto piuttosto un metodo affidabile per trovare candidati. Integrando molteplici livelli di evidenza — modellazione strutturale, approcci di doppio docking, analisi evolutiva e simulazioni dinamiche — hanno creato un flusso di lavoro che riduce l'incertezza a ogni passaggio. Questo approccio permette agli scienziati di passare da dataset massicci e ingestibili a una piccola lista curata di target ad alta confidenza che sono pronti per il test sperimentale. Lo studio conclude che questa strategia è trasferibile, il che significa che può essere applicata a qualsiasi trascrittoma o grande dataset proteico per identificare candidati strutturalmente robusti. Offre una via pratica per il bioprospecting, trasformando l'inondazione travolgente di dati genetici in un insieme focalizzato di ipotesi che possono guidare la futura ricerca biochimica e gli sforzi di ingegneria proteica.