The amyloid packing difference: a pairwise comparison metric for amyloid structures

Dit artikel introduceert de amyloid packing difference (APD), een metriek die het percentage unieke kruis-β-pakkingsinteracties of zijgroeporiëntaties tussen amyloïdstructuren kwantificeert en waarmee aangetoond wordt dat structuren uit verschillende ziekten doorgaans een APD-waarde boven de 20% hebben, terwijl die uit dezelfde ziekte onder de 40% blijven.

De kern

De "Stofwolk" van de Hersenen: Een Nieuwe Maatstaf voor Ziekten

Stel je voor dat eiwitten in ons lichaam als Lego-blokjes zijn. Normaal gesproken bouwen deze blokjes een specifieke vorm, zoals een huisje of een auto, en die vorm bepaalt wat het blokje doet. Maar soms gaan deze blokjes fout en bouwen ze in plaats daarvan lange, stijve touwen. Deze touwen heten amyloïde fibrillen. Ze hopen zich op in de hersenen en veroorzaken ziekten zoals Alzheimer, Parkinson en de ziekte van Creutzfeldt-Jakob.

Het vreemde is: één en hetzelfde eiwit kan verschillende soorten touwen bouwen. Het is alsof je met dezelfde Lego-blokjes een huisje, een bootje én een vliegtuig kunt bouwen. Elk van deze "bouwwerken" (de verschillende vouwpatronen) is gekoppeld aan een specifieke ziekte.

Het Probleem: Hoe meet je het verschil?

Vroeger wilden wetenschappers twee van deze Lego-bouwwerken vergelijken om te zien of ze op elkaar leken. Ze pakten de twee modellen en probeerden ze precies op elkaar te leggen (in het Engels: superposition). Als ze niet perfect pasten, maten ze de afwijking.

Maar dit werkt niet goed voor deze eiwitten. Stel je voor dat je een huisje en een bootje vergelijkt. Als je ze probeert op elkaar te leggen, moet je ze misschien draaien of kantelen. Soms lijken ze op één stukje (bijvoorbeeld de basis) heel erg op elkaar, maar is de rest totaal anders. De oude meetmethode gaf dan een gemiddeld cijfer dat niet eerlijk was: het zei "ze lijken op elkaar", terwijl ze in feite totaal verschillende bouwwerken waren.

De Oplossing: De "Pakket-Differentie" (APD)

De auteur van dit artikel, Sjors Scheres, bedacht een nieuwe manier om te kijken: de Amyloid Packing Difference (APD).

In plaats van te kijken naar de vorm van het hele bouwwerk, kijkt deze nieuwe methode naar hoe de blokjes tegen elkaar aan zitten.

• De Analogie: Stel je voor dat je twee verschillende kussens bekijkt. De oude methode keek naar de vorm van het kussen. De nieuwe methode kijkt naar de stikselpatronen en hoe de vezels in het kussen zijn verwerkt.
• Als de vezels (de zijkanten van de eiwitten) op een andere manier in elkaar grijpen, dan is het een ander kussen, ook al lijkt de buitenkant hetzelfde.

De APD is een percentage dat aangeeft hoeveel procent van de "vezels" (de aminozuren) op een andere manier in elkaar zitten of een andere richting opsteken.

• 0% verschil: Het zijn exact dezelfde kussens (dezelfde ziekte).
• Hoge % verschil: Het zijn totaal verschillende kussens (een andere ziekte).

Wat leerden ze hieruit?

De auteur heeft deze nieuwe meetlat gebruikt om honderden eiwitstructuren te vergelijken. Hier zijn de belangrijkste ontdekkingen, vertaald naar alledaagse taal:

1. De "20-40% Regel":

   • Als twee structuren minder dan 20% verschillen, zijn ze waarschijnlijk dezelfde ziekte.
   • Als ze meer dan 40% verschillen, zijn het bijna zeker twee verschillende ziekten.
   • Tussen de 20% en 40% zit een grijs gebied waar het lastig is om te zeggen of het een nieuwe variant is of een nieuwe ziekte.

2. Het "Spiegelbeeld"-Probleem:
   De auteur liet zien dat sommige studies claimden dat ze een ziekte in het lab hadden nagebootst (bijvoorbeeld door een eiwit in een reageerbuis te laten stollen). Ze zeiden: "Kijk, het lijkt op de ziekte van Parkinson!" Maar toen de nieuwe meetlat (APD) werd gebruikt, bleek het verschil 80% te zijn.

   • Vergelijking: Het was alsof ze zeiden: "Kijk, dit is een auto!" terwijl het eigenlijk een boot was. Ze hadden wel dezelfde wielen (bepaalde delen van het eiwit), maar de rest was totaal anders. De nieuwe methode pakte dit direct op.

3. De "Twee-in-één" Ziekte:
   Bij sommige ziekten (zoals bij de ziekte van TDP-43) bleek dat er soms twee verschillende eiwitten in één touw zaten. De nieuwe methode kon precies zien welke delen van het touw van het ene eiwit kwamen en welke van het andere, en hoe ze samenpakten.

Waarom is dit belangrijk?

Voor de toekomst is dit als het krijgen van een nieuwe meetlat voor de bouw.

• Als een wetenschapper een nieuw medicijn test of een nieuw eiwit in het lab bouwt, kan hij nu precies zeggen: "Dit bouwwerk is 95% hetzelfde als de ziekte die we willen bestrijden" of "Dit is maar 50% hetzelfde, dus het werkt waarschijnlijk niet zoals we hopen."
• Het helpt om verwarring weg te nemen. In de wetenschap wordt vaak gezegd: "Het lijkt erop..." of "Het is vergelijkbaar met...". Met deze nieuwe methode kunnen we zeggen: "Het is 35% verschillend, dus het is een nieuwe variant," of "Het is 80% verschillend, dus het is een heel andere ziekte."

Kortom: De auteur heeft een slimme nieuwe manier bedacht om te tellen hoeveel "knoopjes" in een eiwit-touw anders zitten. Hiermee kunnen we veel nauwkeuriger zeggen of twee hersenziekten op elkaar lijken of totaal verschillend zijn, zonder dat we de modellen hoeven te draaien en te schuiven.

Technische samenvatting

Probleemstelling

Proteïnen uit het menselijk proteoom kunnen, in tegenstelling tot de meeste globulaire proteïnen die slechts één vouw aannemen, meerdere verschillende amyloïde filamenten vormen. Specifieke protofilament-vouwingen zijn geassocieerd met verschillende neurodegeneratieve ziekten (zoals Alzheimer, Parkinson, CTE, etc.). Hoewel de cryo-elektronenmicroscopie (cryo-EM) honderden structuren van amyloïde filamenten heeft opgelost, ontbreekt er een robuuste, kwantitatieve metric om de gelijkenis tussen twee amyloïde structuren te meten.

Bestaande methoden zoals Root Mean Square Deviation (RMSD) en Template Modeling (TM)-scores zijn gebaseerd op structurele superpositie. Dit heeft twee grote beperkingen bij amyloïden:

1. Amyloïde structuren kunnen substructuren hebben die ten opzichte van elkaar zijn gedraaid (bijv. een "scharnierbeweging"), waardoor een globale superpositie de gelijkenis van individuele delen verdoezelt.
2. RMSD wordt vaak berekend op basis van C-alpha-atomen en negeert de oriëntatie van zijketens. Omdat de vorming van verschillende amyloïde vouwingen wordt gedreven door specifieke cross-β-pakkinginteracties tussen zijketens, kunnen structuren met een lage RMSD toch fundamenteel verschillende biologische eigenschappen hebben.

Methodologie: Amyloid Packing Difference (APD)

De auteur introduceert een nieuwe metric: de Amyloid Packing Difference (APD). Deze metric kwantificeert het verschil tussen twee amyloïde structuren als het percentage van de residuen dat betrokken is bij unieke cross-β-pakkinginteracties of die een verschillende oriëntatie van de zijketen hebben ten opzichte van de β-strengen.

De berekening verloopt in twee stappen via Python-scripts:

1. Contactdetectie (contacts.py):

   • Het script identificeert protofilamenten en bepaalt contacten tussen residuen in de middelste laag.
   • Twee residuen vormen een contact als ten minste één paar niet-waterstofatomen (of C-alpha bij glycine) binnen 6,5 Å van elkaar ligt.
   • Contacten worden gefilterd om alleen zijwaartse interacties te tellen (geen contacten aan de tegenovergestelde kant van de peptide-ruggengraat).
   • De script bepaalt ook de oriëntatie van de zijketen (CB-atom) ten opzichte van het N-C-N-vlak van het residu.
   • Er wordt onderscheid gemaakt tussen intra- en inter-protofilament contacten.

2. Vergelijking (compare.py):

   • Dit script vergelijkt de contactlijsten van twee structuren.
   • Het definieert "gemeenschappelijke contacten" (zelfde residuen, afstand < 4,5 Å in de ene structuur en < 6,5 Å in de andere) en "unieke contacten".
   • Het berekent het aantal gemeenschappelijke residuen ($N_{common}$) en extra residuen ($N_{extra}$) in de structuur met de grootste geordende kern.
   • Formule APD:
     $$APD = \frac{N_{different} + N_{extra}}{N_{common} + N_{extra}} \times 100\%$$
     Waarbij $N_{different}$ het aantal residuen is dat betrokken is bij unieke contacten of een verschillende zijketen-oriëntatie heeft.
   • Er worden twee varianten berekend:
     • XY-APD: Negeert de Z-verschuiving (laagnummer) van contacten.
     • XYZ-APD: Vereist dat contacten ook dezelfde relatieve Z-verschuiving hebben.
   • Het script genereert ook een schematische visualisatie (kleurrijke cirkels en lijnen) om verschillen in contacten en oriëntaties visueel weer te geven.

Belangrijkste Bijdragen

• Innovatieve Metric: De APD is invariant voor de relatieve oriëntatie van structuren, waardoor geen superpositie nodig is. Dit lost het probleem op van structuren met verschillende sub-domein-oriëntaties.
• Focus op Zijketens: De metric richt zich direct op de chemische drijfveren van amyloïde vouwingen (zijketen-pakking) in plaats van alleen de ruggengraat.
• Open Source Tooling: De auteur maakt de Python-scripts (helix.py, contacts.py, compare.py) beschikbaar als open-source software.
• Kwantitatieve Context: De studie biedt een schaal van APD-waarden om nieuwe structurele vergelijkingen te interpreteren in de context van bekende ziekte-associaties.

Resultaten

De paper presenteert diverse analyses om de APD te valideren:

1. Validatie aan de hand van Prion-eiwitten:

   • Vergelijking van muizenstammen (aRML vs. a22L) toont een APD van 38%. Hoewel de RMSD varieert afhankelijk van welk deel van het eiwit wordt gesuperponeerd, vat de APD de verschillen in pakking en zijketen-oriëntatie correct samen zonder superpositie.
   • Vergelijking van dezelfde muizenstam (7QIG vs. 7TD6) levert een lage APD op (8-16%), wat aantoont dat de metric gevoelig is voor kleine verschillen (zoals reconstructie-artefacten of rotamers), maar dat deze binnen de verwachte variatie vallen voor dezelfde ziekte.

2. Clustering van α-synuclein:

   • Hiërarchische clustering op basis van APD-waarden voor α-synuclein protofilamenten reproduceert perfect eerdere classificaties die gebaseerd waren op RMSD en TM-scores (van drie onafhankelijke studies).
   • Dit bevestigt dat verschillende amyloïde vouwingen inderdaad worden gedreven door verschillende zijketen-interacties.

3. Ziekte-associatie en Drempelwaarden:

   • Analyse van structuren van Prion, Tau, α-synuclein, TDP-43 en TAF15 uit verschillende ziekten toont een duidelijk patroon:
     • APD > 20-30%: Structuren behoren meestal tot verschillende ziekten.
     • APD < 40%: Structuren behoren meestal tot dezelfde ziekte (of zijn varianten binnen dezelfde ziekte).
   • Uitzondering: Bij TDP-43 en TAF15 kunnen varianten binnen dezelfde ziekte APD-waarden tot 40% vertonen, maar waarden boven de 41% (zoals bij TAF15 type D vs. D') corresponderen altijd met verschillende ziekten.

4. Toepassing op Replicatie-experimenten:

   • De APD wordt gebruikt om te evalueren of recombinante of gesegedeerde filamenten de ziekte-specifieke vouwing nabootsen.
   • Voorbeelden tonen aan dat claims van "gelijkenis" in de literatuur vaak onterecht zijn als de APD hoog is (bijv. 80% voor een Tau-constructie die PSP zou nabootsen, of 100% voor inter-protofilament pakking in MSA-experimenten).
   • Een succesvol voorbeeld is een muizenmodel waarbij de APD slechts 8% was ten opzichte van een MSA-structuur, wat de claim van nabootsing ondersteunt.

Significantie

De APD biedt een objectief, kwantitatief raamwerk om de gelijkenis tussen amyloïde structuren te beoordelen, wat essentieel is voor het begrijpen van de relatie tussen structuur en ziekte.

• Het lost de ambiguïteit op in de literatuur over hoe "vergelijkbaar" twee amyloïde vouwingen zijn.
• Het stelt onderzoekers in staat om te bepalen of een in het lab geproduceerde amyloïde structuur echt de ziekte-specifieke vorm nabootst.
• De voorgestelde drempelwaarden (APD < 20% = zeer vergelijkbaar; APD > 40% = waarschijnlijk verschillende ziekte) dienen als richtlijn voor de interpretatie van nieuwe cryo-EM structuren.
• De bijbehorende schematische visualisaties maken het mogelijk om de specifieke moleculaire verschillen (welke residuen en contacten anders zijn) direct te inspecteren.

Kortom, de APD vervangt de vaak misleidende RMSD voor amyloïden door een metric die direct aansluit bij de biologische drijfveren van amyloïde aggregatie.