Neural spectroscopy of AlphaFold2 reveals encoded protein conformational landscapes

Technische Samenvatting: Neurale Spectroscopie van AlphaFold2

Probleemstelling
AlphaFold2 (AF2) bereikt een opmerkelijke nauwkeurigheid bij het voorspellen van statische eiwitstructuren, maar de aard van wat de 93 miljoen parameters van het model coderen, blijft opaak. Hoewel het model conventioneel wordt behandeld als een instrument voor sequentie-naar-structuur conversie, is het onduidelijk of de gewichten slechts een catalogus van bekende vouwen memoriseren of dat ze een dieper, overdraagbaar begrip van de fysica van eiwitvouwing en conformationele organisatie internaliseren. Standaard inferentie levert een enkele statische voorspelling op, wat de interne representatieruimte van het model comprimeert en informatie over conformationele heterogeniteit, stabiliteitsordening of vouwingspaden verbergt. Het centrale probleem dat wordt aangepakt, is hoe de geleerde gewichten van de Evoformer-module systematisch kunnen worden geprobeerd om structurele beperkingen en conformationele landschappen te onthullen die niet zichtbaar zijn tijdens standaard, onverstoorde inferentie.

Methodologie: Scaled Gaussian Convolution (SGC)
De auteurs stellen "neurale spectroscopie" voor, een protocol bestaande uit de systematische, deterministische perturbatie van de geleerde gewichts-tensoren van de Evoformer om de interne codering van het model te karakteriseren. De kernmethode is Scaled Gaussian Convolution (SGC), die de gewichts-tensoren ($W_i$) van de Evoformer-blokken vóór inferentie wijzigt met behulp van drie continue parameters:

1. Schaalfactor ($\lambda$): Verzwakt uniform de magnitude van de gewichten ($\lambda \in (0, 1]$).
2. Gaussische Breedte ($\sigma$): Past een Gaussische convolutie toe om fijne, lokale gewichtskenmerken te verzachten terwijl grove, globale patronen behouden blijven.
3. Perturbatie-diepte ($d$): Bepaalt het aantal opeenvolgende Evoformer-blokken (van blok 0 tot $d-1$) dat wordt gewijzigd.

De perturbatie wordt in-place toegepast op de modelparameters (met behulp van OpenFold v2.2.0) en is volledig deterministisch; dezelfde parameters leveren identieke outputs op. Om ervoor te zorgen dat de geobserveerde effecten het gevolg zijn van de specifieke structuur van de perturbatie en niet louter van de magnitude, maken de auteurs gebruik van matched-power noise controls:

• Witte Ruis: Voegt Gaussische ruis toe met dezelfde totale energie als SGC, maar vernietigt alle spectrale en fase-structuur.
• Spectrale Ruis: Behoudt het vermogensspectrum van de SGC-perturbatie, maar randomiseert de fasecoherentie.

Experimenten werden uitgevoerd op drie verschillende eiwitsystemen om verschillende regimes van geleerde representatie te onderzoeken:

• Ubiquitine: Een goed gevouwen globulair eiwit met uitgebreide experimentele data (NMR, MD-simulaties) voor validatie.
• KaiB: Een fold-switching eiwit waarbij AF2 alleen de actieve (fold-switched) staat voorspelt.
• $\alpha$-synucleïne: Een intrinsiek ongeordend eiwit (IDP) zonder een enkele natuurlijke structuur.

Om het effect van de geleerde gewichten te isoleren van externe co-evolutionaire beperkingen, gebruikten de auteurs gereduceerde Multiple Sequence Alignment (MSA) dieptes ($64 \times 64$), waardoor het model gevoeliger werd voor gewicht-perturbaties.

Belangrijkste Resultaten

1. Gestructureerde Conformationele Landschappen:
   SGC induceert een instelbare, gegradeerde structurele transitie in Ubiquitine. Naarmate de perturbatie-diepte toeneemt, doorloopt het model een continu conformationeel landschap in plaats van willekeurig te imploderen. Het landschap vertoont een "L-vormige" topologie: een diepe natuurlijke basin verbonden met een gedenatureerd ensemble via een scharnier van gedeeltelijk ontvouwen intermediairen (molten globules). Deze topologie weerspieelt de vouwingsfunnel die wordt waargenomen in milliseconde-schaal moleculaire dynamica (MD) simulaties, met een territoriale overlap van 72,6% in de RMSD–Q-factor ruimte.

2. Fysiek Geordende Ontvouwing:
   Onder progressieve perturbatie breken de natuurlijke contacten in Ubiquitine in een specifieke volgorde af die overeenkomt met decennia aan experimentele vouwingsstudies. De "vouwingskern" (Groep 1) is het meest robuust gecodeerd en persisteert het langst, terwijl intermediaire grenscontacten (Groep 2) als eerste breken. Deze ordening is consistent over alle vijf de onafhankelijk getrainde AF2-modellen en wordt niet gereproduceerd door de noise controls, die stochastische, seed-afhankelijke collapsen of geatomiseerde brokstukken produceren.

3. Correlatie met Fysieke Flexibiliteit:
   Per-residue perturbatie-gevoeligheid (de variantie in voorspelde coördinaten over recycling-iteraties onder perturbatie) correleert sterk met fysieke flexibiliteit gemeten door evenwichtige MD RMSF. Deze correlatie blijft bestaan zelfs na controle voor residue-bezetting (Weighted Contact Number), wat suggereert dat de gewichten residue-niveau beperkingen gerelateerd aan flexibiliteit coderen, en niet alleen statische geometrie.

4. Modelonafhankelijkheid en Convergentie:
   Voor Ubiquitine produceren alle vijf de onafhankelijk getrainde AF2-modellen hetzelfde conformationele landschap-topologie en transitie-grenzen, wat aangeeft dat de codering een eigenschap is van de architectuur en de trainingsdata, en niet van een specifieke gewicht-initialisatie.

   • KaiB (Convergente Afwezigheid): Alle vijf de modellen falen om de grondtoestand-fold te bereiken onder SGC, en produceren alleen een eendimensionaal denaturatiepad vanaf de voorspelde fold-switched staat. Dit suggereert dat het specifieke pad naar de grondtoestand afwezig is uit het geleerde manifold.
   • $\alpha$-synucleïne (Gestructureerde Discrepantie): De vijf modellen produceren vijf verschillende maar intern coherente landschappen. Hoewel ze van mening verschillen over het specifieke conformationele ensemble (wat de onderbepaalde aard van IDP's reflecteert), dekt hun gepoolde ensemble de kern van de conformationele ruimte die door explicit-solvent MD wordt gesampled, wat suggereëert dat er een gedeelde "vloer" van beperkingen is.

5. Representatiemechanisme:
   Analyse van de Evoformer pair-representatie ($z_{ij}$) laat zien dat SGC de magnitude van de pair-activaties verschuift langs een enkele, laag-dimensionale as die 97% van de conditie-specifieke variantie verklaart. Noise controls projecteren buiten deze subspace, wat bevestigt dat de gestructureerde respons voortkomt uit een continue, gewicht-uitgelijnde modulatie van de representatieve geometrie, en niet uit generiek netwerkfalen.

Betekenis en Claims
Het artikel claimt dat de gewichten van AlphaFold2 een gecomprimeerde, data-gedreven representatie coderen van de eiwit conformationele organisatie die verder gaat dan de enkele statische structuur die tijdens standaard inferentie wordt voorspeld. Door de gewichten te behandelen als een wetenschappelijk object in plaats van enkel een instrument, demonstreren de auteurs dat:

• Emergente Eigenschappen: Het model leerde statische structuren te voorspellen, maar de conformationele organisatie (stabiliteitsordening, flexibiliteitspatronen, landschapstopologie) ontstond als een bijproduct van dat doel, gevormd door evolutionaire en structurele trainingsdata.
• Neurale Spectroscopie: De benadering om deze gecodeerde beperkingen te lezen via gecontroleerde gewicht-perturbatie wordt "neurale spectroscopie" genoemd. Het maakt karakterisering mogelijk van wat het model "weet" over eiwitvouwing zonder dat expliciete training op dynamische of thermodynamische data vereist is.
• Grenzen van Leren: De methode onthult de grenzen van het geleerde manifold. Waar trainingsdata sterk is (Ubiquitine), is het landschap gedeeld en fysiek accuraat. Waar data afwezig is (KaiB grondtoestand), vertoont het manifold een convergente afwezigheid. Waar data ambigu is (IDP's), vertoont het gestructureerde discrepantie, waarbij de gedeelde kern de betrouwbaar gecodeerde beperkingen vertegenwoordigt.

De auteurs blijven bescheiden over mechanistische verklaringen, waarbij zij opmerken dat hoewel de correspondentie tussen gewicht-perturbatie en fysieke processen robuust is, de formele theorie die de connectie tussen gewicht-ruimte geometrie en representatieve constructie en conformationele emergentie legt, nog niet is vastgesteld. Zij postuleren dat het signaal zich bevindt in de dominante richtingen van de geleerde gewichten, toegankelijk via globale, continue deformatie.