KNexPHENIX: A PHENIX-Based Workflow for Improving Cryo-EM and Crystallographic Structural Models

Het artikel introduceert KNexPHENIX, een op PHENIX gebaseerde workflow die structurele modellen van cryo-EM en kristallografie verbetert door betere stereochemie te bereiken zonder de nauwkeurigheid te verliezen of overfitting te veroorzaken.

De kern

De "KNexPHENIX": De Super-Handboek voor 3D-Modellen van Moleculen

Stel je voor dat je een gigantische, ingewikkelde puzzel moet maken. Maar in plaats van stukjes karton, zijn de stukjes atomen, en de "foto" waar je naar kijkt om de puzzel te maken, is een wazige, onscherpe foto van een heel klein ding. Dit is precies wat wetenschappers doen als ze proberen de bouwplannen van virussen, eiwitten of DNA te begrijpen. Ze gebruiken twee methoden: Röntgenkristallografie (als je de moleculen in een kristal vastzet) en Cryo-elektronenmicroscopie (cryo-EM, waarbij je bevroren moleculen fotografeert).

Het probleem? De foto's zijn vaak niet perfect scherp, en het bouwen van het juiste 3D-model daarop is als proberen een auto te repareren terwijl je door een mistraam kijkt. Soms passen de onderdelen (de atomen) net niet goed bij elkaar, of zitten ze een beetje scheef.

Hier komt KNexPHENIX om de hoek kijken. Het is een nieuwe, slimme computerprogramma-workflow die is gemaakt door Suparno Nandi en Graeme Conn. Laten we uitleggen hoe het werkt met een paar simpele vergelijkingen.

1. Het Probleem: De "Scheve Stoel"

Stel je voor dat je een stoel bouwt. Je hebt de blauwdruk (de foto van het molecuul), maar als je de poten eronder zet, staan ze een beetje scheef. De stoel is nog steeds herkenbaar als een stoel, maar hij wiebelt.

• De oude methoden: Bestaande software (zoals de standaard PHENIX of REFMAC) probeert de stoel recht te zetten, maar soms duwen ze de poten zo hard dat ze de stoel uit de blauwdruk duwen. Of ze laten de stoel gewoon wiebelen omdat ze bang zijn om de foto te "verpesten".
• Het resultaat: De stoel past misschien wel in de kamer (de foto), maar hij is onstabiel (de atomen botsen tegen elkaar).

2. De Oplossing: KNexPHENIX als de "Meester-Timmerman"

KNexPHENIX is als een zeer geduldige, slimme timmerman die een speciale gereedschapskist heeft. Hij doet niet zomaar één ding, maar volgt een precies stappenplan om de stoel perfect te maken zonder de blauwdruk te vergeten.

Het proces ziet er zo uit:

1. De Hulpjes erbij: Eerst voegt hij kleine "hulpjes" (waterstofatomen) toe aan het model. Dit helpt hem om de vorm beter te zien, net als een timmerman die een extra handlanger erbij roept om de hoeken te meten.
2. De Eerste Proef: Hij begint de stoel te schaven en te sleutelen (refinement).
3. De "Zandbak" (Minimalisatie): Dit is het magische moment. Hij neemt de stoel en laat hem even in een zandbak vallen. Hierdoor vallen alle losse onderdelen vanzelf in de juiste, meest stabiele positie. Als een poot scheef stond, zakt hij nu netjes recht.
4. De Hulpjes weg: Hij haalt de hulpjes weer weg (want die waren alleen voor de meting).
5. De Finale: Hij doet nog een laatste check om te zorgen dat de stoel nog steeds perfect past in de kamer (de foto).

3. Waarom is dit zo goed?

In het verleden moesten wetenschappers kiezen tussen twee slechte opties:

• Optie A: De stoel past perfect in de kamer, maar hij is scheef en onstabiel (slecht voor de wetenschap).
• Optie B: De stoel is perfect stabiel, maar hij past niet meer in de kamer (dan heb je de foto genegeerd).

KNexPHENIX doet beide:

• Het maakt de stoel stabiel (minder botsingen tussen atomen, betere "stereochemie").
• Het zorgt dat de stoel nog steeds perfect in de kamer past (de correlatie met de foto blijft goed).

Het is alsof je een oude, versleten foto van een gebouw hebt, en je gebruikt KNexPHENIX om het gebouw in 3D te herbouwen. Het resultaat is een gebouw dat eruitziet alsof het net gebouwd is (geen scheve muren), maar dat er precies uitziet zoals op de oude foto.

4. Voor wie is dit?

Dit werkt voor alles:

• Grote monsters: Van kleine virussen tot enorme celmachines.
• Scherpe én wazige foto's: Of je nu een superscherpe foto hebt of een wazige, KNexPHENIX maakt het model beter.
• Nieuwe ontdekkingen: Zelfs als je nog geen idee hebt hoe het eruit moet zien (een "de novo" model), helpt het je om het juiste model te bouwen.

Conclusie

Vroeger moesten wetenschappers urenlang met de hand aan hun modellen sleutelen, of ze moesten superkrachtige (en dure) computers gebruiken om simulaties te draaien. KNexPHENIX is de "snelle, slimme en goedkope" oplossing. Het is een gereedschap dat elke wetenschapper kan gebruiken om ervoor te zorgen dat de bouwplannen van het leven die we in databases opslaan, niet alleen mooi zijn, maar ook juist en stabiel.

Kortom: Het zorgt ervoor dat de stoelen in de wetenschappelijke wereld niet meer gaan wiebelen, zodat we er veilig op kunnen zitten om nieuwe medicijnen en ontdekkingen te bouwen.

Technische samenvatting

Probleemstelling

De structurele biologie heeft te maken met een snelle toename van de hoeveelheid macromoleculaire structuren die in de Protein Data Bank (PDB) worden opgeslagen, voornamelijk dankzij doorbraken in cryo-elektronmicroscopie (cryo-EM) en röntgenkristallografie. Een groot probleem blijft echter het nauwkeurig verfijnen van atomaire modellen op basis van experimentele kaarten, vooral bij resoluties onder de ~3 Å.

• Huidige beperkingen: Standaard verfijningstools zoals PHENIX zijn snel en toegankelijk, maar leveren niet altijd de optimaal mogelijke modellen op vergeleken met zwaardere, rekenkracht-intensieve methoden (zoals Rosetta-Phenix, EM-Refiner of CDMD).
• Toegankelijkheid: Geavanceerde methoden die Monte Carlo-simulaties of moleculaire dynamica gebruiken, zijn vaak te rekenintensief voor onderzoekers zonder toegang tot high-performance computing (HPC) resources.
• Kwaliteitsproblemen: Bestaande modellen hebben vaak suboptimale stereochemische eigenschappen (hoge clashscores, Ramachandran-outliers) zonder dat de correlatie met de experimentele kaart (map-to-model fit) optimaal is.

Methodologie: KNexPHENIX

Om deze uitdagingen aan te gaan, hebben de auteurs KNexPHENIX ontwikkeld. Dit is een aangepaste workflow die bestaande modules van de PHENIX-software-suite integreert met specifieke, geoptimaliseerde parameters. De workflow is ontworpen om zowel cryo-EM als kristallografische structuren (zowel bestaande als de novo modellen) te verbeteren, zonder dat er zware rekenkracht nodig is (het werkt op één processor).

De workflow bestaat uit vijf hoofdstappen:

1. Toevoegen van waterstofatomen: Gebruikmakend van phenix.ready_set voor correcte geometrie.
2. Verfijning: Een eerste ronde van PHENIX-verfijning met specifieke instellingen (bijv. lokale grid search, globale minimalisatie, B-factor verfijning).
3. Geometrie-minimalisatie: Een gespecialiseerde stap om bindingslengtes, hoeken, chirality en rotamer-outliers te corrigeren met aangepaste beperkingen (restraints).
4. Verwijderen van waterstofatomen: Terug naar de standaard PDB-indeling.
5. Eindverfijning: Een laatste ronde van PHENIX-verfijning met aangepaste parameters (bijv. harmonische functies voor dihedrale hoeken).

Er zijn vier specifieke workflows voor verschillende scenario's:

• Workflow 1: Voor bestaande, gedeponeerde cryo-EM-modellen.
• Workflow 2: Voor de novo modellering in cryo-EM-kaarten (inclusief simulatie-annealing en referentiemodel-restraints).
• Workflow 3: Voor eerder verfijnde röntgenkristallografische structuren.
• Workflow 4: Voor de novo modellering in kristallografische kaarten (gebaseerd op moleculaire vervanging/MR).

Belangrijkste Bijdragen

• Geoptimaliseerde Parameters: De kern van KNexPHENIX ligt niet in nieuwe algoritmen, maar in de slimme combinatie en parametrisering van bestaande PHENIX-tools (zoals phenix.real_space_refine, phenix.geometry_minimization en phenix.refine).
• Universele Toepasbaarheid: De methode werkt voor structuren van verschillende groottes (kDa tot MDa) en samenstellingen (eiwitten, nucleoproteïne-complexen, RNA), ongeacht of de data afkomstig is van cryo-EM of röntgenkristallografie.
• Balans tussen Kwaliteit en Fit: De workflow is ontworpen om de stereochemische kwaliteit te verbeteren zonder de correlatie met de experimentele kaart (CCmask) of de R-factoren te verslechteren.

Resultaten

De auteurs hebben KNexPHENIX getest op een breed scala aan structuren en vergeleken met standaard PHENIX, REFMAC5, Servalcat (voor cryo-EM) en CERES.

Cryo-EM Resultaten:

• MolProbity Scores: KNexPHENIX produceerde consistent modellen met lagere MolProbity scores (betere stereochemie, minder clashscores en Ramachandran-outliers) dan de ingediende PDB-modellen, standaard PHENIX, Servalcat en zelfs CERES.
• Map-to-Model Fit: In tegenstelling tot Servalcat (dat de beste CCmask had maar slechte stereochemie) en standaard PHENIX (dat de MolProbity score soms verhoogde), behield KNexPHENIX de model-kaart correlatie op een vergelijkbaar niveau met de originele gedeponeerde structuren.
• De Novo Modellen: Ook bij het gebruik van de novo modellen (inclusief voorspellingen van AlphaFold, Boltz2 en RoseTTAFold) leverde KNexPHENIX superieure resultaten op vergeleken met standaard methoden.

Röntgenkristallografie Resultaten:

• Overfitting: Een cruciaal resultaat is dat KNexPHENIX het verschil tussen $R_{free}$ en $R_{work}$ ($R_{free}-R_{work}$) binnen de aanvaardbare drempels hield (< 5%). Standaard PHENIX en REFMAC5 leidden soms tot een groter verschil, wat wijst op overfitting.
• Kwaliteitsverbetering: Net als bij cryo-EM verbeterde KNexPHENIX de MolProbity scores aanzienlijk ten opzichte van de andere methoden, terwijl de $R_{free}$-waarden stabiel bleven.
• Visuele Validatie: Case studies (zoals PI3Kalpha en PCNA) toonden aan dat KNexPHENIX subtiele, maar cruciale aanpassingen deed aan zijketens om botsingen (clashes) op te lossen zonder de fit met de elektronendichtheid te verstoren.

Significantie

KNexPHENIX biedt een praktisch en toegankelijk alternatief voor onderzoekers om de kwaliteit van hun structurele modellen te verhogen.

• Efficiëntie: Het is veel sneller dan methoden die gebruikmaken van moleculaire dynamica of Monte Carlo-simulaties en vereist geen HPC-resources.
• Betrouwbaarheid: Het produceert modellen die beter voldoen aan de strenge validatiecriteria van de PDB (lagere clashscores, betere Ramachandran-verdeling) zonder de statistische fit met de data te compromitteren.
• Toepassing: De tool is waardevol voor het verfijnen van structuren die nodig zijn voor het begrijpen van macromoleculaire mechanismen en voor het ontwerpen van kleine moleculen of remmers, waar de precieze plaatsing van zijketens essentieel is.

Kortom, KNexPHENIX vult een belangrijke lacune op door een evenwicht te vinden tussen rekenkracht-efficiëntie en de productie van hoogwaardige, stereochemisch correcte structurele modellen.