🧬 biology

ZeroFold: Protein-RNA Binding Affinity Predictions from Pre-Structural Embeddings

Het artikel introduceert ZeroFold, een transformer-model dat pre-structurele embeddings van Boltz-2 gebruikt om de bindingsaffiniteit tussen eiwitten en RNA direct uit sequenties te voorspellen, waardoor de uitdaging van RNA-flexibiliteit wordt overwonnen zonder afhankelijk te zijn van voorspelde structuren.

Oorspronkelijke auteurs: Josef Hanke (Yusuf Hamied Department of Chemistry, University of Cambridge, UK), Sebastian Pujalte Ojeda (Yusuf Hamied Department of Chemistry, University of Cambridge, UK), Shengyu Zhang (Yusuf Hamie

Gepubliceerd 2026-03-26

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Josef Hanke (Yusuf Hamied Department of Chemistry, University of Cambridge, UK), Sebastian Pujalte Ojeda (Yusuf Hamied Department of Chemistry, University of Cambridge, UK), Shengyu Zhang (Yusuf Hamied Department of Chemistry, University of Cambridge, UK), Werngard Czechtizky (Medicinal Chemistry, Research and Early Development, Respiratory and Immunology, BioPharmaceuticals R and D, AstraZeneca, Sweden), Leonardo De Maria (Medicinal Chemistry, Research and Early Development, Respiratory and Immunology, BioPharmaceuticals R and D, AstraZeneca, Sweden), Michele Vendruscolo (Yusuf Hamied Department of Chemistry, University of Cambridge, UK)

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ⚕️ Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer

ZeroFold: De "Geheime Code" van Eiwit-RNA Interacties

Stel je voor dat je twee puzzelstukken hebt: een eiwit (een bouwsteen van je lichaam) en RNA (een instructiebriefje). Soms passen ze perfect bij elkaar, zoals een sleutel in een slot. Als ze passen, kunnen ze belangrijke taken uitvoeren, zoals het reguleren van genen of het bestrijden van ziektes. Maar hoe goed passen ze precies? Dat is de vraag die wetenschappers al jaren proberen te beantwoorden.

Het probleem is dat RNA heel erg beweeglijk is. Het is niet stijf als een stenen muur, maar meer als een slingerende rubberen band die in de wind waait. Als je probeert te voorspellen hoe goed een eiwit en RNA bij elkaar passen, is het alsof je probeert een foto te maken van een dansende danseres en dan te zeggen: "Oké, dit is de enige pose die ze kan aannemen." Dat klopt niet; ze kan duizenden poses aannemen, en elke pose kan anders aanvoelen voor het eiwit.

Het oude probleem: De "Stijve Foto"

Vroeger probeerden computers deze interacties te voorspellen door eerst een 3D-structuur (een statische foto) van het RNA te maken en daarna te kijken hoe het eiwit erbij paste. Maar omdat RNA zo beweeglijk is, was die ene "foto" vaak onvolledig. Het was alsof je probeert te voorspellen of iemand verliefd wordt op basis van één foto, terwijl je eigenlijk hun hele persoonlijkheid en gedrag in verschillende situaties moet begrijpen.

De nieuwe oplossing: ZeroFold en de "Geheime Code"

De onderzoekers van dit paper (uit Cambridge en AstraZeneca) hebben een slimme nieuwe manier bedacht, genaamd ZeroFold.

In plaats van te wachten tot de computer een volledige 3D-foto maakt, kijken ze naar de tussentijdse gedachten van de computer terwijl die de foto probeert te maken.

De Analogie: Stel je voor dat je een meesterchef bent die een gerecht probeert te reconstrueren.
- De oude methode was: Wacht tot de chef het gerecht op het bord heeft gezet (de 3D-structuur), en proef dan of het lekker is.
- De ZeroFold-methode is: Kijk naar de geur, de textuur van de ingrediënten en de handelingen van de chef terwijl hij nog aan het koken is (de "pre-structuur embeddings").

Die "geur en handelingen" bevatten meer informatie over hoe het gerecht uiteindelijk smaakt dan het eindresultaat zelf, omdat ze alle mogelijke variaties bevatten die de chef overweegt. ZeroFold pakt deze "tussentijdse gedachten" (de embeddings) uit een groot AI-model (Boltz-2) en gebruikt ze om direct te voorspellen hoe sterk de binding is, zonder ooit een 3D-foto te hoeven maken.

Waarom is dit zo goed?

Het houdt rekening met beweging: Omdat ZeroFold kijkt naar de "bewegende" informatie in de AI, begrijpt het dat RNA flexibel is. Het ziet het als een ensemble van mogelijke vormen, niet als één statisch ding.
Het is snel en goedkoop: Het hoeft geen zware 3D-berekeningen te doen. Het is alsof je een snelle geurtest doet in plaats van een volledig diner te koken. Dit maakt het perfect om duizenden combinaties in één keer te testen (bijvoorbeeld voor het vinden van nieuwe medicijnen).
Het werkt zelfs zonder foto's: Voor de meeste eiwit-RNA combinaties in de wereld bestaat er geen 3D-foto. ZeroFold kan deze toch voorspellen, puur op basis van de letters (de sequentie) van het DNA/RNA en het eiwit.

De resultaten: Een nieuwe wereldrecord

De onderzoekers hebben een enorme database (PRADB) gemaakt met bijna 3.000 echte meetresultaten om het model te trainen.

De test: Ze hebben ZeroFold getest tegen de beste bestaande methoden.
Het resultaat: ZeroFold scoorde extreem goed (een correlatie van 0,65). Dit is bijna zo goed als het theoretische maximum, omdat de menselijke meetinstrumenten zelf ook niet 100% perfect zijn (net als het meten van de temperatuur met een onnauwkeurige thermometer).
De eerlijke test: Als ze de test moeilijker maakten (door te zorgen dat het model geen "antwoorden" uit de trainingsdata kon "leren"), bleef ZeroFold stabiel, terwijl de oude methoden veel slechter werden.

Conclusie

ZeroFold is als een super-voorspeller die niet kijkt naar de statische foto van een dansende partner, maar naar de energie en de beweging zelf. Hierdoor kan het veel beter voorspellen hoe goed eiwitten en RNA bij elkaar passen. Dit opent de deur voor het sneller ontwerpen van nieuwe medicijnen die gericht zijn op RNA, iets wat tot nu toe erg moeilijk was omdat we de "bewegende" aard van RNA niet goed konden vangen.

Kortom: Ze hebben een manier gevonden om de "geheime taal" van beweeglijke biomoleculen te lezen, zonder eerst een foto te hoeven maken.

Probleemstelling

De nauwkeurige voorspelling van de bindingsaffiniteit tussen eiwitten en RNA blijft een onopgelost probleem in de structurele biologie. Dit beperkt de mogelijkheden voor het begrijpen van genregulatie en het ontwerpen van RNA-gerichte therapeutica. De centrale uitdaging is de structurele flexibiliteit van RNA. In tegenstelling tot eiwitten bestaan RNA-moleculen vaak als dynamische conformatie-ensembles in plaats van als één vaste structuur. Traditionele methoden die zich baseren op een enkele voorspelde of experimenteel opgeloste structuur, verliezen cruciale informatie over deze ensembles die relevant is voor binding. Bovendien zijn er slechts beperkt experimenteel opgeloste structuren beschikbaar voor bekende eiwit-RNA-paren, wat de generalisatie van structureel gebaseerde modellen beperkt.

Methodologie: ZeroFold

De auteurs introduceren ZeroFold, een transformer-gebaseerd model dat bindingsaffiniteit direct voorspelt op basis van sequenties, zonder de noodzaak van een voorspelde 3D-structuur. De kerninnovatie ligt in het gebruik van pre-structurele embeddings.

Pre-structurele Embeddings:
- In plaats van te wachten tot een biomoleculair foundation-model (zoals Boltz-2) de uiteindelijke 3D-structuur decodeert, worden de intermediate representaties (embeddings) uit de laatste laag van de "trunk" (het hoofdgedeelte van het model) geëxtraheerd.
- Deze embeddings coderen impliciet informatie over het ensemble van mogelijke conformaties en hun bindingskwaliteiten, zonder de informatieverlies die optreedt wanneer een dynamisch ensemble wordt gereduceerd tot één statische structuur.
- Boltz-2 wordt gebruikt omdat het een unificatie-architectuur biedt voor eiwitten, RNA en DNA, wat ideaal is voor het modelleren van de gezamenlijke conformatieruimte van eiwit-RNA-complexen.
Modelarchitectuur:
- Encoder: Het model gebruikt twee aparte encoders (één voor eiwit, één voor RNA) om de single-residue en pairwise embeddings van Boltz-2 te verwerken. De RNA-encoder bevat een extra geleerde embedding voor het nucleïnezuurtype (RNA vs. DNA).
- Cross-modal Attention: Een cross-modal attention-mechanisme integreert de verwerkte representaties van beide ketens om interacties over het bindingsinterface te modelleren.
- Affiniteit Head: De gezamenlijke representatie wordt doorgegeven aan een voorspellingskop die een scalair $pK_D$ -waarde (negatieve logaritme van de dissociatieconstante) genereert.
Dataset: PRADB:
- Om het gebrek aan hoogwaardige trainingsdata aan te pakken, hebben de auteurs PRADB (Protein-RNA Affinity Database) samengesteld.
- Deze dataset bevat 2.621 unieke eiwit-RNA-paren met experimenteel gemeten affiniteiten ( $pK_D$ ), afgeleid van vier bronnen: ProNAB, BioLiP2, de UTexas Aptamer Database en PDBbind+.
- De dataset omvat een breed scala aan eiwit- en RNA-lengtes en een verdeling van affiniteiten die geschikt is voor regressiemodellen.
Trainingsstrategie:
- Om data-lekkage te voorkomen, zijn de trainings-, validatie- en testsets gesplitst op basis van clusters met een maximale sequentie-identiteit van 40% (en 80% dekking) tussen de sets.
- Er werd gebruikgemaakt van sample-weights om oververtegenwoordigde sequentiefamilies (zoals ribosomale eiwitten) te down-weighten en zeldzame paren te up-weighten.

Belangrijkste Resultaten

Prestaties: ZeroFold bereikte op de gehanteerde testset een Spearman-correlatiecoëfficiënt (SCC) van 0,65 en een Pearson-correlatiecoëfficiënt (PCC) van 0,63.
- Dit resultaat benadert de theoretische bovengrens van ongeveer 0,6-0,7, die wordt bepaald door de ruis en variabiliteit in experimentele metingen. Dit suggereert dat verdere verbeteringen waarschijnlijk afhankelijk zijn van betere data en niet alleen van modelarchitectuur.
Vergelijking met CoPRA (Structureel gebaseerd):
- CoPRA, de huidige staat-van-de-kunst voor structureel gebaseerde voorspellingen, presteerde slechter dan ZeroFold onder strikte evaluatievoorwaarden.
- Wanneer testsets werden gefilterd om sequentie-overlapping met de trainingsdata van CoPRA te elimineren, daalde de prestatie van CoPRA drastisch (PCC daalde van 0,50 naar 0,22), terwijl ZeroFold stabiel bleef rond de 0,6. Dit toont aan dat ZeroFold beter generaliseert naar nieuwe sequenties zonder afhankelijk te zijn van experimentele structuren.
Vergelijking met DeePNAP (Sequentie-gebaseerd):
- ZeroFold presteerde consistent beter dan DeePNAP (de leidende sequentie-gebaseerde methode) over alle gefilterde subsets, ondanks dat DeePNAP op een grotere dataset was getraind.
Efficiëntie: ZeroFold is computatie-efficiënter dan structurele pipelines omdat het de dure stap van structurele decoding overslaat. Dit maakt het zeer geschikt voor virtuele screening en proteoom-brede profielen.
Toepassing: Het model is bij uitstek geschikt voor het onderscheiden van sterke van zwakke binders (virtuele screening), maar minder betrouwbaar voor fijne optimalisatie binnen een zeer sterke binders-groep (waar de correlatie daalt).

Bijdragen en Significantie

Nieuwe Representatiestrategie: Het artikel bewijst dat pre-structurele embeddings een superieure representatiestrategie zijn voor flexibele biomoleculen zoals RNA. Ze behouden ensemble-informatie die verloren gaat bij het vastleggen van één enkele structuur.
Onafhankelijkheid van Structuren: ZeroFold maakt het mogelijk om bindingsaffiniteit te voorspellen voor eiwit-RNA-paren waarvoor geen structurele data bestaat, wat het toepassingsgebied aanzienlijk vergroot.
Eerlijke Evaluatie: Door het gebruik van strikte, progressieve filters voor sequentie-overlapping, toont het werk aan dat eerdere successen van concurrenten vaak te danken waren aan data-lekkage of gunstige dataset-samenstellingen, en dat ZeroFold echte generalisatievermogen bezit.
Toekomstperspectief: De auteurs concluderen dat de huidige prestaties de grens van de beschikbare data-kwaliteit bereiken. Verdere vooruitgang vereist grotere, consistent gemeten datasets in plaats van alleen maar complexere modellen.

Samenvattend introduceert ZeroFold een paradigmaverschuiving in de voorspelling van eiwit-RNA-interacties door de beperkingen van statische structuren te omzeilen en in te spelen op de dynamische aard van RNA via intermediate embeddings van foundation-modellen.