ProChoreo: de novo Binder Design from Conformational Ensembles with Generative Deep Learning

ProChoreo is een nieuw generatief deep learning-framework dat door het integreren van conformationele ensembles en multimodaal contrastief leren in staat is om dynamiek-informeerde de novo eiwitbinders te ontwerpen die specifiek interageren met receptoren zoals TAS1R2 en FGFR2.

De kern

🎭 ProChoreo: De Dansmeester van de Proteïnen

Stel je voor dat eiwitten (de bouwstenen van het leven) niet als statische standbeelden zijn, maar als levende dansers. In de natuur bewegen eiwitten voortdurend; ze draaien, rekken en veranderen van vorm. Deze bewegingen zijn cruciaal om te begrijpen hoe ze werken, bijvoorbeeld hoe een eiwit een ziektebestrijdend medicijn vastpakt of hoe een zoetstof je tong prikkelt.

Tot nu toe waren de slimme computerprogramma's die nieuwe eiwitten ontwerpen, een beetje als een fotograaf die alleen één statische foto maakt. Ze zagen het eiwit als een stilstaand beeld en vergeten de dansbewegingen. Dat is een probleem, want in het echte leven is de beweging net zo belangrijk als de vorm.

ProChoreo is een nieuwe, slimme computerprogramma dat dit probleem oplost. Het is als een choreograaf die niet alleen de pose van een danser kent, maar ook de hele dansroutine uit zijn hoofd heeft.

1. Het Leerproces: Van Foto naar Film 🎥

Stel je voor dat je iemand wilt leren een dans te dansen.

• De oude manier: Je gaf de danser alleen een foto van de eindpose. Hij probeerde die pose na te bootsen, maar wist niet hoe hij daar kwam.
• De ProChoreo-methode: De makers gaven het programma eerst duizenden "films" (simulaties) te kijken van hoe eiwitten bewegen. Tegelijkertijd leerden ze het programma de "tekst" van de dans (de aminozuur-volgorde).

Het programma leerde een heel slimme truc: het koppelt de tekst (de code) aan de beweging (de dans). Het leert dat bepaalde letters in de code leiden tot specifieke danspassen. Dit noemen ze contrastief leren. Het is alsof het programma een gemeenschappelijke taal leert spreken tussen "wat er geschreven staat" en "hoe het beweegt".

2. Het Ontwerpen: De Dansmeester aan het Werk 💃

Zodra het programma dit geleerd heeft, kan het nieuwe dansers ontwerpen.

• Je geeft het een doel: "Ik wil een danser die past bij deze specifieke muziek" (bijvoorbeeld een receptor in je lichaam die suikers herkent).
• ProChoreo gebruikt zijn kennis van de dansbewegingen om een nieuwe danser te bedenken die perfect in die muziek past.

Het maakt geen statische poppetjes, maar ontwerpt eiwitten die van nature de juiste bewegingen maken om zich vast te klampen aan hun doelwit.

3. De Proef: Zoetigheid en Groei 🍬🌱

Om te bewijzen dat het werkt, hebben de onderzoekers twee proeven gedaan:

• Proef 1: De Zoete Tand (TAS1R2):
  Ze ontwierpen een eiwit dat zou moeten passen bij de zoet-smaakreceptor in je mond. Ze vergeleken het met een natuurlijke zoetstof (brazzein).

  • Het resultaat: Het door de computer ontworpen eiwit was iets minder "plakkerig" (minder sterke binding) dan de natuurlijke versie, maar het deed precies hetzelfde met de receptor: het zorgde dat de receptor de juiste beweging maakte om "zoet" te signaleren. Het was alsof een nieuwe danser net iets minder perfect dansde, maar wel precies dezelfde dansstijl had als de beroemde origineel.

• Proef 2: De Groeireceptor (FGFR2):
  Ze ontwierpen een eiwit voor een andere receptor die belangrijk is voor celgroei.

  • Het resultaat: Dit nieuwe eiwit bleef extreem stevig vastzitten en was heel stabiel. Het bewees dat de methode werkt voor heel verschillende soorten "doelen".

Waarom is dit zo belangrijk? 🌟

Vroeger ontwierpen we eiwitten alsof ze stenen waren. ProChoreo ontwerpt ze alsof ze levende wezens zijn.

• Vergelijking: Het is het verschil tussen het bouwen van een poppenhuis (statisch) en het bouwen van een robot die kan dansen (dynamisch).
• Toekomst: Dit opent de deur voor medicijnen die niet alleen een ziekte "vastpakken", maar ook de beweging van een eiwit beïnvloeden om het te genezen. Het maakt het ontwerpen van medicijnen veel slimmer en natuurgetrouwer.

Kortom: ProChoreo is een slimme computer die leert hoe eiwitten dansen, zodat we nieuwe, perfecte dansers kunnen ontwerpen die precies doen wat we nodig hebben.

Technische samenvatting

Probleemstelling

Bestaande frameworks voor de novo proteïneontwerp en structuurvoorspelling (zoals AlphaFold, RFdiffusion en ProteinMPNN) opereren voornamelijk op basis van een enkele, statische conformatie. Hoewel deze modellen zeer succesvol zijn, negeren ze de fundamentele biologische realiteit dat proteïnen geen starre entiteiten zijn, maar populaties van interconverterende conformatiestaten (conformationele ensembles) bezitten. Deze dynamische heterogeniteit is cruciaal voor herkenning, katalyse en regulatie. De huidige beperking tot statische structuren leidt tot een onderbenutting van dynamische informatie, wat de ontwerpkwaliteit van binders kan belemmeren die specifiek geoptimaliseerd moeten zijn voor bepaalde functionele toestanden van een receptor.

Methodologie: ProChoreo Framework

ProChoreo is een generatief framework dat expliciet conformationele ensembles integreert in het ontwerpproces. De architectuur bestaat uit drie hoofdfasen:

1. Dataset en Voorverwerking:

   • Er is een uitgebreide dataset samengesteld van moleculaire dynamica (MD) simulaties, inclusief 117 membraaneiwittrajecten (GPCR's, elk 500 ns) en 4170 oplosbare eiwittrajecten (elk 100 ns).
   • Uit de MD-trajecten worden representatieve conformationele toestanden geëxtraheerd via PCA (Principal Component Analysis) en K-means clustering, waarbij de Cα-coördinaten worden gebruikt om de ruimtelijke relaties te vangen.

2. Contrastief Pre-training (Seq2Ens-CLIP):

   • Het model gebruikt een multimodaal contrastief leerparadigma (geïnspireerd op CLIP) om twee modaliteiten in een gezamenlijke latente ruimte uit te lijnen:
     • Sequentie-encoder: Gebruikt het voorgeprogrammeerde ESM2 3B-model om evolutionaire patronen en context uit aminozuursequenties te halen.
     • Ensemble-encoder: Gebruikt een Equivariant Graph Neural Network (EGNN) om de structurele heterogeniteit van de MD-ensembles te coderen.
   • Door contrastief leren worden de latenterepresentaties van sequenties en hun bijbehorende dynamische ensembles uitgelijnd. Dit creëert een gedeelde latente ruimte die zowel sequentie-informatie als dynamische structurele informatie vastlegt.

3. Generatieve Ontwerpfase:

   • De uitgelijnde latenterepresentaties worden gefuseerd en ingevoerd in een autoregressieve generator (gebaseerd op een Transformer-decoder).
   • Deze generator ontwerpt nieuwe aminozuursequenties (binders) die zijn geconditioneerd op de sequentie van een doelreceptor, waarbij de dynamische kenmerken uit het ensemble worden meegenomen om stabiele en functionele interacties te waarborgen.

4. Validatie:

   • Ontworpen binders worden geëvalueerd met Boltz-1 (een alternatief voor AlphaFold3) voor structuur- en interactiekwaliteit.
   • Vervolgens worden uitgebreide MD-simulaties uitgevoerd om de dynamische stabiliteit en bindingsaffiniteit te verifiëren.

Belangrijkste Resultaten

• Pre-training Performance: Het contrastieve model toonde een sterke uitlijning tussen sequentie- en ensemble-embeddings. De bidirectionele retrieval prestaties waren hoog (Seq2Ens R@1 = 0,7884; Ens2Seq R@1 = 0,7603), wat aantoont dat het model de relatie tussen aminozuursamenstelling en conformationele variabiliteit effectief heeft geleerd.
• Vergelijking met Baselines: ProChoreo overtrof consistent twee baselines:
  • ProChoreo-ΔAlign: Een variant zonder cross-modale uitlijning.
  • PepMLM: Een peptide-proteïne taalmodel dat alleen op sequenties is getraind.
  • ProChoreo boekte verbeteringen van 4-8% in confidence-scores ten opzichte van ΔAlign en tot 12% ten opzichte van PepMLM. Met name de metrics voor interface-precisie (iptm) en complex-pLDDT waren significant beter, wat wijst op een realistischere voorspelling van de interactiegeometrie.
• Case Studies:
  • TAS1R2 (Zoetstofsreceptor): De ontworpen binder stabiliseerde een actieve-achtige conformatie van de receptor, gekenmerkt door de sluiting van lobe 1 en opening van lobe 2 in het Venus Flytrap-domein, en een uitwaartse verschuiving van helix TM6. Hoewel de bindingsaffiniteit (-50,79 kJ/mol) lager was dan die van het natuurlijke eiwit brazzein (-69,99 kJ/mol), was de dynamische respons functioneel relevant.
  • FGFR2 (Receptor Tyrosine Kinase): De ontworpen binder toonde een sterke bindingsaffiniteit (< -100 kJ/mol) en bleef stabiel tijdens 100 ns MD-simulaties, wat de generaliseerbaarheid van de methode over verschillende receptorfamilies (GPCR en RTK) bewijst.

Bijdragen en Significance

• Innovatie in Dynamisch Ontwerp: ProChoreo is een van de eerste frameworks dat conformationele ensembles expliciet integreert in het de novo ontwerpen van proteïnebinders, in plaats van te vertrouwen op statische "snapshot"-structuren.
• Multimodaal Leren: De toepassing van contrastief leren om sequenties en dynamische trajecten in één latenterepresentatie te verenigen, biedt een nieuwe route om de "dynamische code" van proteïnen te decoderen.
• Functionele Relevantie: De resultaten tonen aan dat het meenemen van dynamische informatie leidt tot binders die niet alleen goed binden, maar ook de juiste allosterische overgangen in de doelreceptor kunnen induceren of stabiliseren.
• Toekomstperspectief: Dit werk legt de basis voor het ontwerpen van proteïnen die niet alleen strak binden, maar ook functioneel kunnen moduleren door specifieke conformationele toestanden te selecteren, wat cruciaal is voor de ontwikkeling van geavanceerde therapeutica.

Samenvattend demonstreert ProChoreo dat het integreren van conformationele diversiteit via generatieve deep learning een krachtige strategie is om de volgende generatie van functioneel geoptimaliseerde proteïnebinders te ontwerpen.