High-throughput prediction of protein-protein interactions uncovers hidden molecular networks in biosynthetic gene clusters

Deze studie presenteert een hoogdoorvoersnelheids-pijplijn voor het voorspellen van eiwit-eiwitinteracties binnen biosynthetische genclusters, waardoor verborgen moleculaire netwerken en functionele enzymcomplexen worden onthuld die essentieel zijn voor het begrijpen van de biosynthese van natuurlijke producten.

De kern

Stel je voor dat je een enorme bibliotheek binnenloopt, maar in plaats van boeken, staan er duizenden ingewikkelde machines op de planken. Deze machines zijn biosynthetische genclusters (BGCs). Ze zijn de fabriekjes van de natuur die unieke chemicaliën maken, zoals antibiotica (die bacteriën doden) of gifstoffen.

Het probleem? We weten vaak niet precies hoe deze machines werken. De blauwdrukken (de genen) zijn er, maar veel onderdelen zijn gemerkt als "onbekend" of "raadselachtig". We weten dat ze er zijn, maar we weten niet wat ze doen of met wie ze samenwerken.

De uitdaging: Het puzzelstukje vinden
In deze fabriekjes werken eiwitten (de onderdelen van de machines) vaak niet alleen. Ze moeten samenkomen in groepjes, net als een team van monteurs, om een taak te voltooien. Soms werken twee verschillende onderdelen samen, soms werken drie of vier. Als je niet weet wie met wie werkt, kun je de machine niet begrijpen en kun je de nieuwe medicijn niet maken.

Vroeger probeerden wetenschappers dit op te lossen door naar de letters in het DNA te kijken (zoals het vergelijken van woorden in een woordenboek). Maar dat werkt niet goed voor de "raadselachtige" onderdelen, omdat die op geen enkel ander woord lijken.

De oplossing: Een super-sneltekenaar
De auteurs van dit papier hebben een nieuwe, slimme manier bedacht. Ze hebben gebruik gemaakt van een kunstmatige intelligentie genaamd AlphaFold 3.

Stel je AlphaFold 3 voor als een supersnelle, digitale architect. Deze architect kan niet alleen kijken naar één onderdelen, maar kan ook voorspellen hoe twee of meer onderdelen eruitzien als ze samenkomen.

• De truc: Normaal gesproken is het voor deze architect erg langzaam om te werken, alsof hij elke keer eerst een hele bibliotheek moet doorzoeken om te zien of hij ooit eerder zo'n onderdelen heeft gezien. De onderzoekers hebben dit proces versneld door een snellere zoekmachine (MMSeqs2) te gebruiken. Hierdoor konden ze in plaats van één of twee, honderdduizenden combinaties per dag testen.

Wat hebben ze ontdekt?
Ze hebben de blauwdrukken van bijna 2.500 van deze natuurlijke fabriekjes doorlopen en alle mogelijke onderdelen met elkaar geprobeerd te koppelen. Het resultaat is een enorme schat aan nieuwe informatie:

1. De "Onbekenden" krijgen een baan: Ze vonden duizenden paren van onderdelen die samenwerken, zelfs als één van hen eerder als "onbekend" was gemarkeerd. Het is alsof je in een fabriek een monteur vindt die altijd alleen stond, en je ziet dat hij eigenlijk de perfecte partner is voor een andere monteur om een nieuwe schroef vast te draaien.
2. Het "Tweeling"-effect: Ze ontdekten dat veel onderdelen die er heel erg op lijken (zoals tweelingen), eigenlijk samenwerken in één machine. Soms werkt het alleen als ze samen zijn, niet als ze alleen staan.
3. De "Hulpverlener": Sommige onderdelen lijken kapot of nutteloos als je ze alleen bekijkt, maar als ze samenwerken met een ander onderdeel, blijken ze essentieel te zijn. Ze fungeren als een steunpilaar die de andere machine in stand houdt.

Het eindresultaat: Een interactiekaart
De onderzoekers hebben niet alleen de antwoorden gevonden, maar ze hebben ook een interactiekaart gemaakt (een soort Google Maps voor deze moleculaire machines). Deze kaart is nu online beschikbaar voor iedereen.

• Voor de wetenschapper: Dit is als een schatkaart. Ze kunnen nu precies zien welke onderdelen ze samen moeten testen in het lab om nieuwe medicijnen te ontdekken.
• Voor de toekomst: Het helpt ons om beter te begrijpen hoe de natuur werkt en misschien zelfs om zelf nieuwe, slimme machines te bouwen die ziektes kunnen bestrijden.

Kort samengevat:
Deze studie is als het oplossen van een gigantische legpuzzel van de natuur. Door een slimme computer te gebruiken, hebben ze duizenden losse puzzelstukjes (eiwitten) gevonden die samen een compleet plaatje vormen. Hierdoor zien we nu eindelijk hoe de fabriekjes van de natuur echt werken, en dat opent de deur naar een wereld van nieuwe medicijnen en oplossingen.

Technische samenvatting

Probleemstelling

Biosynthetische genclusters (BGC's) zijn genomische regio's die coderen voor enzymen die verantwoordelijk zijn voor de productie van secundaire metabolieten (zoals antibiotica en mycotoxinen). Hoewel sequencing-technologieën duizenden nieuwe BGC's hebben onthuld, blijft de volledige biosynthetische route voor de meeste verbindingen onopgelost. Een groot obstakel is het bestaan van talloze eiwitten binnen deze clusters met een onbekende functie, vaak geannoteerd als "hypothetisch" of "potentieel dysfunctioneel". Traditionele, op sequentie gebaseerde bioinformatica-tools kunnen deze eiwitten niet functioneel karakteriseren als er geen bekende homologen zijn. Bovendien spelen eiwit-eiwitinteracties (PPI's) een cruciale rol in de stabiliteit, specificiteit en katalytische activiteit van biosynthetische machinerie, maar deze interacties zijn moeilijk te voorspellen zonder structurele informatie.

Methodologie

De auteurs hebben een hoogdoorvoer-pijplijn ontwikkeld om systematisch alle mogelijke eiwitcomplexen binnen BGC's te voorspellen. De kern van deze methode is een aangepaste implementatie van AlphaFold3 (AF3).

1. Data-selectie: Er zijn 2.437 actieve BGC's geselecteerd uit de MIBiG-database (versie 4.0). Eiwitten langer dan 1.950 aminozuren (vaak grote modulaire PKS/NRPS-eiwitten) zijn uitgesloten vanwege computergrenzen.
2. Snelheidsverbetering (MSA-generatie): De standaard MSA-generatie van AF3 (via HMMER) is te traag voor hoogdoorvoer. De auteurs hebben dit vervangen door MMseqs2 (via colabfold_search), wat de generatie van Multiple Sequence Alignments (MSA's) aanzienlijk versnelt (1-2 minuten per complex).
3. Voorspelling: Voor elk BGC werden alle mogelijke homodimeren en heterodimeren voorspeld (totaal 487.828 eiwitparen). De voorspellingen werden uitgevoerd op GPU-clusters.
4. Validatie en Metrieken: De voorspellingen werden gevalideerd tegen experimenteel bepaalde structuren in de PDB. Twee metrieken werden gebruikt om de kwaliteit te beoordelen:
   • ipTM (interface predicted TM-score): Meet de nauwkeurigheid van de relatieve rangschikking van subeenheden.
   • ipSAE: Een aangepaste score die alleen rekening houdt met residuen aan het interface met betrouwbare PAE-scores, wat nuttig is om correcte heterocomplexen te onderscheiden van onjuiste paren.
5. Netwerkvisualisatie: De resultaten zijn gevisualiseerd als interactienetwerken en beschikbaar gesteld via een webinterface.

Belangrijkste Bijdragen

• Schaalbare Pijplijn: De eerste toepassing van AlphaFold3 op een schaal van bijna 500.000 eiwitparen binnen BGC's, mogelijk gemaakt door de integratie van MMseqs2.
• Ontdekking van Onbekende Netwerken: Systematische identificatie van interacties tussen eiwitten die eerder als "ongekarakteriseerd" werden beschouwd.
• Validatie van Metrieken: Demonstration dat de ipSAE-metriek superieur is aan ipTM bij het onderscheiden van correcte heterocomplexen, vooral wanneer er meerdere functioneel homoloog eiwitten binnen een cluster aanwezig zijn (bijv. bij KS-CLF paren).
• Open Data: Publicatie van een complete dataset en een interactieve webtool voor de wetenschappelijke gemeenschap.

Resultaten

• Omvang: Van de 487.828 geteste paren werden 15.438 heterodimeren voorspeld met een ipTM ≥ 0,6. Hiervan toonden 1.390 paren structurele homologie (RMSD ≤ 2,0 Å).
• Validatie:
  • Voor homodimeren voorspelde AF3 een ipTM ≥ 0,6 voor 87,7% van de experimenteel bevestigde homodimeren.
  • Voor heterodimeren was de succesrate 26 van de 30 gevalideerde gevallen (ipTM ≥ 0,6).
  • De studie merkte op dat AF3 moeite heeft met zeer transiente complexen (zoals ACP-eiwitten) of complexen met kleine interfaces, en dat kunstmatige sequenties (zoals His-tags) soms tot artefacten leiden.
• Nieuwe Inzichten:
  • Ongekarakteriseerde Eiwitten: Een voorbeeld is een heterodomeer in het borreldine-BGC (cae45685.1/686.1), dat structureel lijkt op het NatC-complex en waarschijnlijk verantwoordelijk is voor N-acetylering van borreldine B.
  • Structuur-homologe Heterocomplexen: De studie identificeerde 952 paren met een RMSD ≤ 1,0 Å. Een bekend voorbeeld is het KS-CLF complex in Type II PKS's; AF3 kon correct voorspellen welke KS en CLF subeenheden samenwerken, zelfs als ze structureel zeer op elkaar lijken.
  • Co-afhankelijke Functie: In het armeniaspirol-BGC werd voorspeld dat Ams8 (een schijnbaar dysfunctioneel halogenerend enzym) een complex vormt met Ams9. Experimentele data bevestigde dat Ams8 essentieel is voor de biosynthese, waarschijnlijk als een assistentie-eiwit dat de activiteit van Ams9 mogelijk maakt, hoewel het zelf geen katalytische activiteit heeft.
• Netwerkkaart: Een interactieve kaart is gemaakt voor alle 2.437 BGC's, waarbij eiwitten als knooppunten en voorspelde interacties als randen worden weergegeven.

Betekenis

Deze studie biedt een krachtig computergestuurd raamwerk om de "donkere materie" van secundaire metabolietenbiosynthese te verhelderen. Door structurele voorspellingen te combineren met interactienetwerken, kunnen onderzoekers:

1. De functie van "hypothetische" eiwitten afleiden op basis van hun interactiepartners.
2. Hypothesen genereren over welke eiwitcombinaties co-expressie nodig hebben om functioneel te zijn.
3. Nieuwe enzymatische routes en tailoring-enzymen ontdekken die niet zichtbaar zijn via sequentie-analyse.

De beschikbaarheid van de data en tools (via Zenodo en GitHub) versnelt de experimentele validatie en rational engineering van enzymen, wat essentieel is voor de ontdekking van nieuwe natuurlijke producten en de ontwikkeling van nieuwe geneesmiddelen. De auteurs erkennen echter dat de methode beperkingen heeft bij het voorspellen van zeer transiente interacties en eiwitten met grote conformatieveranderingen.