LocAlign: Local Protein Structural Alignment with Geometric Deep Learning

Stel je voor dat je twee totaal verschillende legpuzzels hebt. De ene is een afbeelding van een kat, en de andere is een afbeelding van een auto. Als je probeert ze stukje voor stukje met elkaar te matchen vanaf de linkerbovenhoek naar de rechterbenedenhoek (wat is hoe de meeste standaard eiwit-alignmenttools werken), zul je hopeloos falen omdat de algemene vormen totaal verschillend zijn.

Als je echter inzoomt, kun je misschien merken dat beide puzzels in het midden toevallig precies dezelfde kleine, specifieke cluster stukjes hebben — misschien een klein rood bloemetje of een specifiek blauw tandwiel. In de wereld van de biologie worden deze kleine, overeenkomende clusters functionele motieven genoemd. Dit zijn de onderdelen van een eiwit die het eigenlijke werk doen, zoals het grijpen van een medicijn of het binden aan een virus. Het vinden van deze kleine, verborgen gelijkenissen tussen twee zeer verschillende eiwitten is als het proberen te vinden van dat overeenkomstige "rode bloemetje" in twee totaal verschillende puzzels, en tot nu toe hadden wetenschappers geen goede manier om dit te doen.

Maak kennis met LocAlign.

Beschouw LocAlign als een superintelligente, geometrische detective die niet geeft om de algemene vorm van de puzzel. In plaats daarvan gebruikt het een speciaal soort "3D-zicht" (genaamd geometric deep-learning) om twee eiwitstructuren te scannen en te zeggen: "Hé, ook al lijken deze totaal niet op elkaar, deze drie specifieke atomen hier komen exact overeen met die drie atomen daar."

Dit is hoe het werkt in eenvoudige termen:

1. De "Geen Antwoordmodel"-truc: Normaal gesproken heb je om een computer te leren deze matches te vinden, een leraar nodig met het juiste antwoordmodel (een perfecte kaart van welke atomen bij elkaar horen). Maar voor eiwitten hebben we die kaart vaak niet. LocAlign omzeilt dit door te leren via een slimme afkorting: het kijkt naar paren eiwitten die beide hetzelfde chemische object vasthouden (zoals een specifiek medicijn of ligand). Het gaat ervan uit dat als twee eiwitten hetzelfde object vasthouden, ze ook een vergelijkbare "handdruk" moeten gebruiken om dit te doen. Het leert die handdruk te vinden zonder ooit expliciet te zijn verteld waar deze precies zit.
2. Het resultaat: Eenmaal getraind, kan LocAlign naar twee eiwitten kijken en ze direct draaien en op elkaar stapelen om die verborgen overeenkomende plekken te onthullen.
3. Hoe goed werkt het? Het artikel beweert dat het erg goed is in dit werk. Wanneer het eiwitten vergelijkt die enigszins op elkaar lijken, vond het de juiste matches in 87% van de gevallen. Zelfs wanneer het eiwitten vergelijkt die totaal verschillend zijn (zoals de kat-puzzel versus de auto-puzzel), vond het nog steeds de verborgen matches in 37% van de gevallen.

Wat kun je ermee doen?

Het artikel benadrukt twee belangrijke manieren waarop dit hulpmiddel momenteel nuttig is:

• Het verkennen van het "Donkere Proteoom": Er zijn veel eiwitten waarvan we weten dat ze bestaan, maar waarvan we niet begrijpen wat ze doen. LocAlign kan deze mysterieuze eiwitten vergelijken met bekende eiwitten om hun functie te raden op basis van hun verborgen structurele "handdrukken".
• Controles op medicijnveiligheid: Het kan helpen bij het screenen van medicijnen om te zien of ze per ongeluk aan het verkeerde eiwit kunnen blijven plakken (off-target screening), wat helpt bij het voorspellen van mogelijke bijwerkingen.

Kortom, LocAlign is een nieuw, krachtig hulpmiddel dat het grote plaatje negeert om zich te concentreren op de kleine, cruciale details, waardoor wetenschappers kunnen begrijpen hoe eiwitten werken en interageren met medicijnen, zelfs wanneer die eiwitten aan de oppervlakte totaal verschillend zijn.