Toward a Transferable Representation of Protein Dynamics for Functional Prediction and Mechanistic Discovery

Le proteine sono i motori della vita, piccole macchine molecolari che costruiscono le cellule, digeriscono il cibo e trasmettono segnali. Per decenni, gli scienziati le hanno comprese principalmente come sculture statiche, concentrandosi sulle loro forme tridimensionali per spiegarne il funzionamento. Sebbene la forma sia essenziale, non è tutta la storia. Le proteine non sono statue rigide; esse si muovono costantemente, respirano e si flettono. Questi movimenti, che avvengono a diverse velocità e distanze, sono spesso la chiave del modo in cui una proteina svolge il suo compito. Una proteina potrebbe dover aprire un cancello per far entrare una molecola, o torcere il proprio corpo per innescare una reazione chimica. Per osservare queste azioni, i ricercatori utilizzano potenti simulazioni al computer che tracciano la posizione di ogni atomo nel tempo, creando un film della vita della molecola. Tuttavia, questi film sono incredibilmente complessi, contenendo milioni di fotogrammi di dati che sono difficili da confrontare da una proteina all'altra, specialmente quando le proteine hanno dimensioni o forme diverse.

La sfida consiste nel trovare un modo per descrivere questi movimenti in un linguaggio che funzioni per tutte le proteine, non solo per un tipo specifico. Se uno scienziato vuole prevedere cosa fa una nuova proteina sconosciuta, ha bisogno di un metodo che possa riconoscere i modelli di movimento che definiscono una funzione, indipendentemente dalla storia specifica o dalla struttura della proteina. È questa la domanda a cui Nahid Monowar e il suo team dell'Istituto di Scienza e Tecnologia di Dhaka hanno cercato di rispondere. Hanno sviluppato un nuovo sistema informatico progettato per guardare questi film molecolari ed estrarre un riassunto singolo e compatto del comportamento della proteina. Chiamano questo riassunto una "firma del movimento". L'obiettivo era vedere se questa firma potesse dire loro cosa fa una proteina, anche se la proteina era molto diversa da quelle che il computer aveva appreso in precedenza.

Per testare questa idea, i ricercatori hanno fornito al loro sistema una vasta libreria di dati: 1.250 diversi film di proteine in movimento, che rappresentano 1.120 proteine uniche. Queste proteine variavano enormemente in dimensioni, spaziando da piccole con 50 blocchi costruttivi a grandi con 600. Le simulazioni hanno coperto un ampio intervallo di tempo, da 100 nanosecondi a 10 microsecondi, catturando circa 12,5 milioni di istantanee delle forme delle proteine. Il team ha addestrato il loro sistema a cercare modelli specifici nel modo in cui le parti della proteina si muovevano insieme. Inveve di guardare solo quanto gli atomi fossero vicini tra loro in un singolo momento, il sistema prestava attenzione a come il movimento di una parte fosse collegato al movimento di un'altra parte nel tempo. Ha combinato questa informazione dinamica con la sequenza chimica della proteina e la sua forma complessiva per creare una descrizione unificata.

I risultati hanno mostrato che questo approccio ha funzionato sorprendentemente bene. Quando al sistema veniva chiesto di indovinare la categoria generale del lavoro di una proteina — come se agisce come chinasi, trasferasi o idrolasi — era significativamente più accurato dei vecchi metodi che si basavano solo sulla sequenza o sulla forma statica della proteina. In un test rigoroso in cui il sistema doveva indovinare la funzione di proteine che non aveva mai visto prima, e che condividevano meno del 30% della loro composizione chimica con gli esempi di addestramento, il sistema ha raggiunto un AUC di 0,88. Questo è stato un netto miglioramento rispetto ad altri metodi, che hanno ottenuto punteggi compresi tra 0,65 e 0,81. Lo studio suggerisce che il modo in cui una proteina si muove contiene indizi vitali sulla sua funzione che rimangono nascosti se si guarda solo alla sua forma o al suo codice chimico.

I ricercatori volevano anche sapere fin dove poteva spingersi questa conoscenza. Hanno testato il sistema su proteine che erano via via più diverse da quelle che aveva studiato. Quando le proteine di test appartenevano alla stessa famiglia di quelle di addestramento, il sistema funzionava molto bene. Man mano che le proteine diventavano più distanti, appartenendo a famiglie diverse o persino a diversi ripiegamenti strutturali, l'accuratezza diminuiva, ma non scompariva. Anche quando le proteine di test condividevano quasi nessuna somiglianza strutturale con il set di addestramento, il sistema si comportava comunque meglio del caso casuale. Ciò indica che il sistema ha appreso regole generali su come il movimento molecolare si relazioni alla funzione, piuttosto che limitarsi a memorizzare esempi specifici. Tuttavia, il calo di accuratezza ha anche mostrato che il sistema non è perfetto; esso dipende ancora da un certo livello di somiglianza tra le proteine per fare le sue migliori ipotesi.

Per assicurarsi che il sistema stesse guardando le cose giuste, il team lo ha smontato per vedere quali parti contavano di più. Hanno scoperto che il sistema aveva bisogno di tutti i suoi componenti per funzionare al meglio: la mappa di come gli atomi sono connessi, i dati su come le diverse parti si muovono insieme, la descrizione semplificata del movimento complessivo e la sequenza chimica. Rimuovere uno qualsiasi di questi pezzi rendeva il sistema peggiore nel suo compito. Questo ha confermato che la forza del metodo derivava dalla combinazione di questi diversi tipi di informazione. Inoltre, quando i ricercatori hanno esaminato da vicino una proteina specifica chiamata adenilato chinasi, il sistema ha evidenziato le esatte regioni della molecola note per essere coinvolte nel suo movimento. Queste erano le parti della proteina che si aprono e si chiudono come un coperchio durante il suo ciclo di lavoro. Questo allineamento tra il focus del computer e i fatti biologici noti suggerisce che il sistema stia catturando dinamiche reali e significative piuttosto che semplice rumore.

Lo studio non pretende di aver risolto interamente il mistero della funzione proteica, né suggerisce che il computer abbia scoperto nuove leggi biologiche. Al contrario, offre un nuovo strumento per comprendere il legame tra movimento e funzione. I ricercatori sottolineano che, sebbene il loro sistema possa identificare quali parti di una proteina siano importanti per il suo movimento, ciò non prova che quelle parti causino la funzione; per farlo servirebbero ulteriori esperimenti fisici. Il lavoro presenta anche dei limiti, poiché dipende dall'avere inizialmente i film generati al computer delle proteine, e non è ancora stato testato su tutti i tipi di proteine, come quelle che fluttuano nelle membrane cellulari o quelle che sono completamente disordinate. Ciononostante, la capacità di tradurre il comportamento complesso e mutevole delle molecole in una firma trasferibile rappresenta un passo avanti significativo. Essa offre un modo per connettere la danza invisibile degli atomi ai compiti visibili che le proteine svolgono nei sistemi viventi, offrendo una via più chiara per prevedere come nuove proteine potrebbero comportarsi.