Deconvolving mutation effects on protein stability and function with disentangled protein language models

In dit artikel presenteren de auteurs DETANGO, een nieuw deep learning-framework dat mutatie-effecten op eiwitstabiliteit en -functie ontrafelt door stabiliteitscomponenten te verwijderen, waardoor nauwkeurig functioneel kritieke residuen en stabiele maar inactieve varianten kunnen worden geïdentificeerd voor rationeel eiwitontwerp.

De kern

Titel: DETANGO: De 'Taalvertaler' die het Geheim van Proteïnen Ontcijfert

Stel je voor dat eiwitten (proteïnen) niet zomaar chemische stoffen zijn, maar levende, ademende machines die in elke cel van ons lichaam werken. Sommige zijn zoals kleine schroevendraaiers die cellen repareren, andere zijn als postbodes die boodschappen brengen. Om goed te werken, moeten deze machines twee dingen tegelijk doen:

1. Ze moeten stabiel zijn (niet uit elkaar vallen).
2. Ze moeten functioneren (hun werk doen, zoals een sleutel die in een slot past).

Het probleem is dat wetenschappers tot nu toe vaak verward waren. Als een eiwit kapot ging door een mutatie (een kleine verandering in het bouwplan), wisten ze niet zeker of het eiwit kapot ging omdat het instabiel was (zoals een huis dat instort omdat de muren zwak zijn) of omdat het functie had verloren (zoals een sleutel die nog steeds stevig is, maar niet meer in het slot past).

De Oplossing: DETANGO

De onderzoekers van dit paper hebben een nieuwe slimme computerprogramma bedacht, genaamd DETANGO. Je kunt DETANGO zien als een meester-detective of een ontwardeur die twee verstrengelde draden uit elkaar haalt.

Hier is hoe het werkt, in simpele termen:

1. De Verwarde Boodschap (Het Probleem)

Stel je voor dat je een boek leest in een vreemde taal (de taal van de evolutie). Als je een woord verandert in een zin, kan de zin onleesbaar worden.

• Soms is dat omdat het woord fysiek niet past in de zin (stabiliteit).
• Soms is het omdat het woord de betekenis verandert (functie).

Tot nu toe keken computerprogramma's (zoals "proteïne-talenmodellen") alleen naar de totale zin en zeiden: "Dit woord is fout." Maar ze konden niet zeggen waarom het fout was. Was het de structuur of de betekenis?

2. De Magische Splitsing (De Oplossing)

DETANGO doet iets heel speciaals. Het neemt die totale boodschap en splitst hem in twee aparte delen:

• De Structuur-deel: "Is het eiwit nog stevig genoeg?"
• De Functie-deel: "Werkt het eiwit nog steeds goed?"

Het doet dit door een slimme truc: het kijkt naar de totale "fout" en trekt daar de "structuur-fout" vanaf. Wat overblijft, is de pure "functie-fout".

3. De "Stabiel maar Dode" Eiwitten (SBI)

Dit is het coolste deel van DETANGO. Het kan een heel specifiek type eiwit vinden: de SBI-varianten (Stable But Inactive).

• Voorbeeld: Denk aan een auto die perfect geparkeerd staat, de motor is intact en de wielen zijn stevig (stabiel), maar de sleutel zit niet in het contact of de brandstofkraan is dicht (geen functie).
• Vroeger dachten wetenschappers dat deze auto's gewoon "kapot" waren. DETANGO zegt: "Nee, deze auto is stevig, maar hij doet zijn werk niet omdat een specifiek onderdeel (een residue) direct de functie blokkeert."

4. Waarom is dit geweldig?

Door deze twee dingen uit elkaar te halen, kan DETANGO dingen doen die voorheen onmogelijk waren:

• Het vinden van de "Magische Plekken": Het kan precies aangeven welke onderdelen van een eiwit cruciaal zijn voor de functie, zelfs als ze er niet uitzien als de belangrijkste onderdelen. Het is alsof het een kaart tekent van waar de "schakelaars" zitten.
• Medicijnen Ontwikkelen: Veel medicijnen werken door in te grijpen op specifieke plekken van een eiwit. DETANGO kan deze plekken vinden, zelfs als ze verborgen zijn in de structuur (zoals een geheime kamer in een kasteel die pas zichtbaar wordt als je de juiste sleutel draait).
• Beter Begrijpen van Evolutie: Het laat zien hoe de natuur een balans houdt. Soms moet een eiwit een beetje "wankel" zijn om goed te kunnen werken (zoals een danser die soepel moet zijn om te bewegen). DETANGO begrijpt die balans.

Samenvatting in één zin

DETANGO is als een bril die je opzet om te zien of een eiwit kapot gaat omdat het instort (stabiliteit) of omdat het vergeten is wat het moet doen (functie), waardoor we betere medicijnen kunnen maken en eiwitten kunnen ontwerpen die precies doen wat we willen.

Het is een grote stap in het begrijpen van de bouwplannen van het leven!

Technische samenvatting

Probleemstelling

Het begrijpen van hoe evolutionaire beperkingen eiwitsequenties vormen, is fundamenteel voor het ontrafelen van de moleculaire mechanismen achter eiwitstabiliteit en -functie. Hoewel recente vooruitgang in Protein Language Models (pLMs) nauwkeurige voorspellingen mogelijk maakt over de effecten van mutaties op basis van evolutionaire informatie, blijft een kritieke uitdaging bestaan: het ontwarren van de verweven effecten van mutaties op stabiliteit en functie.

Evolutionaire signalen in pLMs combineren vaak drukken die voortkomen uit de noodzaak om de structuur stabiel te houden, met drukken die specifiek gericht zijn op biologische functie (zoals katalyse of ligandbinding). Hierdoor is het moeilijk te bepalen of een mutatie schadelijk is omdat het het eiwit destabiliseert (structuurverlies) of omdat het direct de functionele mechanismen verstoort terwijl de structuur intact blijft. Dit beperkt de bruikbaarheid van bestaande modellen voor rationeel eiwitontwerp en het interpreteren van pathogeniteit bij menselijke genetische ziekten. Er is een schaalbare methode nodig die stabiliteit-gemedieerde effecten kan scheiden van functie-specifieke effecten.

Methodologie: DETANGO

De auteurs introduceren DETANGO (Disentangled Evolutionary TAngo), een nieuw deep learning-framework dat bestaande pLMs "herprogrammeert" om mutatie-effecten te ontrafelen.

1. Conceptueel Kader:

   • Het model baseert zich op de veronderstelling dat de evolutionaire waarschijnlijkheid van een eiwitsequentie $x$ kan worden gefactoriseerd in een structureel component $p_s(x)$ en een functioneel component $p_f(x)$:
     $$p_e(x) = p_s(x) \cdot p_f(x)$$
   • De functionele plausibiliteit ($f$) van een mutatie wordt gedefinieerd als het verschil in log-waarschijnlijkheid dat niet kan worden verklaard door veranderingen in stabiliteit:
     $$f(x_{MT}) = e(x_{MT}) - s(x_{MT})$$
     Waarbij $e$ de totale evolutionaire plausibiliteit is (voorspeld door de pLM) en $s$ het component dat toe te schrijven is aan stabiliteitsveranderingen.

2. Architectuur:

   • DETANGO gebruikt een voorgeprogrammeerde Transformer-based pLM (in dit geval ESM-1v) als basis.
   • De interne representaties van de pLM worden ontbonden in twee latente componenten: een stabiliteitsrepresentatie en een functierepresentatie.
   • De stabiliteitsrepresentatie wordt expliciet getraind om voorspellingen te doen over stabiliteitsmetingen (zoals computationally inferred $\Delta\Delta G$ via FoldX of experimentele celabundantie).
   • De functierepresentatie wordt verkregen door het stabiliteitscomponent af te trekken van de totale evolutionaire representatie.
   • Een disentanglement operator zorgt ervoor dat de som van de voorspelde structurele en functionele plausibiliteiten de originele pLM-score reconstrueert, waarbij de functionaliteit behouden blijft.

3. Training:

   • Het model vereist geen residue-level functionele annotaties als supervisie. Het wordt getraind met behulp van stabiliteitsmetingen (experimenteel of computatieel) om het stabiliteitscomponent te leren.
   • De loss-functie combineert een reconstructie-verlies (om de totale pLM-score te behouden) met een verlies dat de stabiliteitsrepresentatie koppelt aan de daadwerkelijke stabiliteitsmetingen.

Belangrijkste Bijdragen

• Ontwarring van Mechanismen: DETANGO is het eerste framework dat expliciet de bijdrage van stabiliteit en functie scheidt in de voorspellingen van pLMs, waardoor "Stable-but-Inactive" (SBI) varianten kunnen worden geïdentificeerd.
• Schaalbaarheid: Het werkt als een onbewaakte methode die alleen sequentie en (optioneel) structuur vereist, zonder dat er grote datasets met functionele labels nodig zijn voor training.
• Generalisatie: Het model is getest op individuele eiwitten, homoloog families en diverse contexten (ligandbinding, katalyse, allostery).

Resultaten

De auteurs hebben DETANGO uitgebreid gevalideerd tegen bestaande methoden (zoals ESM-1v, FoldX, en heuristische combinaties):

1. Classificatie van SBI-varianten:

   • Op een benchmark van 11 eiwitten met multidimensionale mutagenese-data (MAVEs) presteerde DETANGO aanzienlijk beter in het identificeren van SBI-varianten (mutaties die stabiel zijn maar functioneel inactief) dan bestaande methoden.
   • Het bereikte een hogere AUROC, AUPRC en nDCG, zelfs zonder gebruik te maken van functionele labels tijdens training, en presteerde vergelijkbaar met of beter dan toezichtmodellen die wel op annotaties waren getraind.

2. Identificatie van Functionele Sites:

   • Op de Human Domainome 1 dataset (408 menselijke eiwitten) slaagde DETANGO erin om functionele sites (geannoteerd in de CDD-database) nauwkeuriger te identificeren dan puur op sequentie- of structuur gebaseerde modellen.
   • Het model kon ook cryptische bindingstas identificeren: tijdelijke ligandbindingplaatsen die niet zichtbaar zijn in de statische, ligand-vrije structuur ("apo"-toestand), maar wel in de gebonden toestand ("holo").

3. Allostere Landkaarten:

   • Bij toepassing op KRAS (een kanker-gerelateerd eiwit) kon DETANGO allostere sites identificeren die ver weg liggen van het actieve centrum, maar wel de binding beïnvloeden. Het gebruikte experimentele stabiliteitsdata om de disentanglement te sturen, wat resulteerde in betere prestaties dan modellen die uitsluitend op berekende $\Delta\Delta G$ leunden.

4. Eiwitfamilies:

   • Door DETANGO toe te passen op eiwitfamilies (zoals globines en de RAS-superfamilie), konden zowel gedeelde functionele patronen als familiespecifieke aanpassingen worden onthuld. Het model onderscheidde bijvoorbeeld residuen die specifiek zijn voor de interactie tussen subeenheden in $\alpha$- versus $\beta$-globines.

Significantie en Toekomstperspectief

De studie biedt een fundamentele doorbraak in het interpreteren van evolutionaire informatie in pLMs. In plaats van evolutionaire conservatie te zien als een monolithisch signaal voor zowel stabiliteit als functie, stelt DETANGO een principieel raamwerk voor om deze krachten mechanistisch te ontwarren.

• Voor Eiwitontwerp: Het stelt onderzoekers in staat om posities te vinden waar stabiliteit kan worden "geruild" voor functie, of om compenserende mutaties te vinden die stabiliteit herstellen zonder de functie te verliezen.
• Voor Geneeskunde: Het helpt bij het interpreteren van pathogene missense-varianten door te onderscheiden of een ziekte wordt veroorzaakt door eiwitinstabiliteit of door directe verstoring van de functie.
• Voor Drugontwikkeling: Het biedt een schaalbare, onbewaakte manier om ligandbindingstas en allostere sites te vinden, wat cruciaal is voor het vinden van nieuwe medicijndoelen, inclusief "undruggable" eiwitten.

Kortom, DETANGO transformeert pLMs van modellen die voornamelijk evolutionaire waarschijnlijkheid voorspellen, naar instrumenten die mechanistische inzichten bieden in de onderliggende biologie van eiwitmutaties.