Co-designing sequence and structure of functional de novo enzymes with EnzyGen2

Deze studie introduceert EnzyGen2, een krachtig AI-model dat in staat is om gelijktijdig sequentie en structuur van volledig nieuwe enzymen te ontwerpen die onder leiding van liganden functioneren, waarbij experimentele validaties aantonen dat deze kunstmatige enzymen vergelijkbare of superieure katalytische activiteit vertonen ten opzichte van natuurlijke enzymen.

De kern

De "Super-architect" voor nieuwe enzymen: Een uitleg van EnzyGen2

Stel je voor dat je een enorme bibliotheek hebt met alle bestaande gereedschappen die de natuur ooit heeft bedacht. Nu wil je een hele nieuwe sleutel maken die precies in een slot past dat nog nooit eerder heeft bestaan. Dat is wat wetenschappers proberen te doen met enzymen: het zijn de "gereedschappen" van het leven die chemische reacties versnellen.

Maar hier zit de knoop: een sleutel moet niet alleen de juiste vorm hebben (structuur), maar ook de juiste tanden hebben (sequentie) om in het slot te passen. Als je de tanden verandert, verandert de vorm, en andersom. Dit is heel moeilijk om zelf te ontwerpen.

In dit artikel introduceren ze EnzyGen2, een kunstmatige intelligentie (AI) die deze taak overneemt. Hier is hoe het werkt, vertaald naar alledaagse taal:

1. De "Alles-in-één" Architect

Vroeger bouwden wetenschappers eerst het skelet van een eiwit (het geraamte) en probeerden daarna pas de "spieren" (de aminozuren) erop te plakken. Dat was als eerst een huis bouwen en dan proberen te bedenken welke muren er moeten komen om de ramen te laten passen. Vaak paste het niet.

EnzyGen2 doet het anders. Het is als een super-architect die het huis en de inrichting tegelijkertijd ontwerpt.

• Het kijkt naar het slot (het molecuul of de "ligand" waar het enzym aan moet binden).
• Het kijkt naar de familie waar het huis bij hoort (bijvoorbeeld: "dit moet een huis zijn dat in Nederland woont, niet in de Sahara").
• En dan tekent het direct het perfecte ontwerp: de vorm én de materialen, zodat ze perfect op elkaar aansluiten.

2. De Grote Bibliotheek (De Data)

Een AI moet leren om goed te tekenen. Hiervoor had het team een enorm probleem: er waren niet genoeg voorbeelden van "eiwit + slot" combinaties. Het was alsof je een chef-kok wilt trainen, maar je hebt maar 20 recepten.

Ze hebben daarom een enorme bibliotheek samengesteld met bijna 721.000 voorbeelden. Ze hebben alle bestaande eiwitten uit databases gehaald en gekeken welke kleine moleculen erbij horen. Hierdoor heeft EnzyGen2 geleerd wat de "regels van de natuur" zijn. Het heeft niet alleen geleerd hoe eiwitten eruitzien, maar ook hoe ze voelen als ze aan iets anders plakken.

3. De "Taxonomie" als Kompas

Stel je voor dat je een nieuwe auto ontwerpt. Als je zegt "maak een auto", krijg je misschien een vrachtwagen of een raceauto. Maar als je zegt "maak een auto voor de sneeuw in Zweden", krijg je een auto met winterbanden en verwarming.

EnzyGen2 gebruikt taxonomische ID's (een soort DNA-identiteitskaart van de soort) als dat kompas.

• Als je zegt: "Maak een enzym voor E. coli (een bacterie)", weet de AI: "Oké, dan moet het ontwerp passen bij de regels van die specifieke bacterie."
• Dit zorgt ervoor dat de AI niet in de war raakt en alleen ontwerpen maakt die ook echt kunnen bestaan in de echte wereld.

4. De Proef in het Lab (Het bewijs)

Een computermodel is mooi, maar werkt het echt? De wetenschappers hebben de AI laten ontwerpen voor drie verschillende soorten enzymen:

1. CAT: Een enzym dat een antibioticum (chloramphenicol) onschadelijk maakt.
2. AadA: Een enzym dat een ander antibioticum (spectinomycine) onschadelijk maakt.
3. TPMT: Een enzym dat helpt bij het regenereren van een belangrijke brandstof voor chemische reacties.

Het resultaat?
Ze lieten de ontwerpen van de AI werken in echte bacteriën.

• De bacteriën met de nieuwe, door AI ontworpen enzymen overleefden net zo goed (of zelfs beter!) dan bacteriën met de natuurlijke enzymen.
• Het mooiste deel? De nieuwe enzymen leken er niet op de oude. Ze waren maar voor ongeveer 50% hetzelfde. Het waren dus echt nieuwe uitvindingen, geen kopieën. De AI had een nieuwe sleutel ontworpen die net zo goed werkte als de originele, maar met een heel ander uiterlijk.

5. Waarom is dit zo snel?

Andere methoden zijn als een trage, stap-voor-stap bouwer die eerst het skelet maakt, dan de muren, dan het dak, en dan weer terug gaat om te kijken of het past. Dat duurt lang.

EnzyGen2 is als een 3D-printer die in één keer het hele object maakt. Het is 400 keer sneller dan de beste methoden die er nu zijn. Dit betekent dat wetenschappers in plaats van maandenlang te zoeken, nu binnen enkele seconden duizenden nieuwe ontwerpen kunnen genereren.

Conclusie

Kortom: EnzyGen2 is een krachtige nieuwe tool die ons leert hoe we nieuwe, levensechte enzymen kunnen ontwerpen die precies doen wat we willen. Het combineert de vorm en de samenstelling van een eiwit tegelijkertijd, gebruikmakend van een enorme hoeveelheid kennis over hoe de natuur werkt.

Dit opent de deur naar het maken van nieuwe medicijnen, schonere chemische processen en betere biotechnologie, allemaal ontworpen door een slimme computer die de taal van het leven spreekt.

Technische samenvatting

Probleemstelling

Het de novo ontwerpen van eiwitten, en met name enzymen, met op maat gemaakte functies is een fundamentele uitdaging in de biochemie. Hoewel recente doorbraken in deep learning de generatie van eiwitstructuren mogelijk hebben gemaakt, missen de meeste bestaande methoden (zoals RFdiffusion/ProteinMPNN) de capaciteit om de complexe wederzijdse afhankelijkheid tussen eiwitsequentie, 3D-structuur en de interactie met kleine molecuul-liganden (substraat of cofactor) gelijktijdig te optimaliseren.
Traditionele benaderingen volgen vaak een tweestapsparadigma: eerst wordt een ruggegraatstructuur gegenereerd, gevolgd door sequentie-ontwerp. Dit leidt vaak tot ontwerpen die structureel stabiel zijn maar functioneel inefficiënt, omdat ze de specifieke fysicochemische interacties met liganden niet adequaat modelleren. Het gebrek aan hoogwaardige datasets met eiwit-ligand complexen en de complexiteit van het gelijktijdig co-ontwerpen van sequentie en structuur onder functionele beperkingen vormen de belangrijkste barrières.

Methodologie: EnzyGen2

De auteurs introduceren EnzyGen2, een fundamenteel model (foundation model) met 730 miljoen parameters dat is ontworpen voor het gelijktijdige co-ontwerpen van eiwitsequenties en 3D-structuren, geleid door specifieke liganden.

1. Architectuur:

• Interleaved Neural Network: Het model combineert Transformer-lagen (voor het vastleggen van lange-afstand sequentie-afhankelijkheden) met equivariante grafische neurale netwerken (kNN-EGNN) voor het modelleren van 3D-structurele geometrieën. Deze lagen worden afwisselend (interleaved) toegepast om sequentie en structuur naadloos te integreren.
• Module voor Eiwit-Ligand Interactie: Een specifieke module, gebaseerd op een equivariante grafische neurale net, zorgt voor de modellering van de interactie tussen het eiwit en het kleine molecuul-ligand.
• Input Variabelen: Het model accepteert diverse inputs om het zoekruimte te beperken tot evolutionair plausibele gebieden:
  • NCBI-taxonomische identificatoren (bijv. E. coli) om organism-specifieke aminozuurcombinaties te leren.
  • Functioneel belangrijke residuen (automatisch geïdentificeerd via evolutionaire conservatie).
  • De structuur en chemische eigenschappen van het target-ligand.

2. Trainingsstrategie en Dataset:

• Multi-task Learning: EnzyGen2 wordt getraind met een gewogen verliesfunctie die drie doelen combineert:
  1. Masked sequence prediction ($L_{seq}$).
  2. Masked backbone structure reconstruction ($L_{str}$).
  3. Eiwit-ligand interactie voorspelling ($L_{bind}$).
• Data Curation: Om het gebrek aan data op te lossen, hebben de auteurs een dataset van 720.993 eiwit-ligand paren samengesteld door data te combineren uit de Protein Data Bank (PDB), Swiss-Prot en UniProtKB. Dit is meer dan een orde van grootte groter dan bestaande complexe datasets.
• Fine-tuning: Voor specifieke enzymenfamilies (CAT, AadA, TPMT) werd het model verder gefine-tuned op gespecialiseerde datasets uit de Rhea-reactiedatabase.

Belangrijkste Bijdragen

1. Gelijktijdig Co-ontwerp: EnzyGen2 is een van de eerste modellen dat sequentie en structuur gelijktijdig genereert onder strikte ligand-gestuurde functionele beperkingen, in plaats van ze sequentieel te behandelen.
2. Schaal en Data: De creatie van een ongeëvenaard grote dataset van bijna 721.000 eiwit-ligand paren, wat de prestaties van het model aanzienlijk verbetert.
3. Evolutionaire Geleiding: Het gebruik van NCBI-taxonomische identificatoren als input om het ontwerp te sturen naar evolutionair plausibele ruimtes, wat de kans op succesvolle folding en functie vergroot.
4. Experimentele Validatie: Het paper biedt experimenteel bewijs voor het ontwerp van volledig nieuwe enzymen met hoge katalytische activiteit, wat zeldzaam is voor generatieve AI-modellen in dit domein.

Resultaten

1. In silico Evaluatie:

• Prestaties: EnzyGen2 presteerde consistent beter dan state-of-the-art baselines (Inpainting, RFdiffusion/ProteinMPNN, RFdiffusion2/3/LigandMPNN) op drie kernmetrieken:
  • Enzyme-substrate prediction (ESP) score.
  • AlphaFold2 betrouwbaarheid (pLDDT).
  • Structurele fideliteit (percentage ontwerpen met RMSD < 2Å ten opzichte van de target).
• Snelheid: Het model genereert samples 400 keer sneller dan voorgaande methoden.
• Ablatiestudies: Experimenten toonden aan dat elk component cruciaal is: het verwijderen van de taxonomische ID's, de ligand-module, of de co-design architectuur leidde tot een significante daling in prestaties.

2. Experimentele Validatie:
De auteurs testten het ontwerp van drie verschillende enzymenfamilies:

• Chloramphenicol acetyltransferase (CAT): 7 van de 20 ontworpen varianten toonden activiteit. De beste variant (CAT-17) liet E. coli groeien bij een chloramphenicol-concentratie van 500 µg/mL, terwijl de wilde-type enzymen faalden bij deze concentratie.
• Aminoglycoside adenylyltransferase (AadA): 8 van de 20 varianten confereerden weerstand. De beste variant (AadA-2) liet groei toe bij 2400 µg/mL spectinomycine, een aanzienlijke verbetering ten opzichte van het wilde-type.
• Thiopurine S-methyltransferase (TPMT): Deze enzymen zijn belangrijk voor de regeneratie van S-adenosylmethionine (SAM). Verschillende ontworpen TPMTs toonden hogere katalytische efficiëntie dan natuurlijke enzymen. TPMT-10 vertoonde een hogere turnover ($k_{cat}$) dan het beste bekende natuurlijke HMT-enzym, terwijl TPMT-4 een zeer sterke substraatbinding ($K_M$) had.
• Structuur en Identiteit: De ontworpen enzymen behielden de actieve-site geometrie (RMSD < 1.1 Å ten opzichte van natuurlijke homologen) maar hadden een zeer lage sequentie-identiteit met natuurlijke enzymen (zoals laag als 51,6%), wat aantoont dat ze de novo zijn en niet slechts kopieën van bestaande sequenties.

Betekenis en Impact

EnzyGen2 markeert een mijlpaal in het veld van generatieve biologie. Het bewijst dat grote fundamentele modellen, getraind op uitgebreide datasets van eiwit-ligand interacties, in staat zijn om functionele, nieuwe enzymen te ontwerpen die concurreren met of zelfs superieur zijn aan natuurlijke enzymen.

De belangrijkste implicaties zijn:

• Versnelling van Ontwerp: De 400x snelheidswinst maakt het mogelijk om duizenden ontwerpen te screenen, wat de cyclus van ontwerp naar validatie drastisch verkort.
• Toegang tot Onbekende Ruimtes: Het model kan enzymen ontwerpen in evolutionaire takken die nog niet zijn verkend door de natuur, wat nieuwe katalysatoren mogelijk maakt voor toepassingen in groene chemie, geneeskunde en industriële biotechnologie.
• Paradigmaverschuiving: Het paper beweert dat het tijdperk van sequentieel ontwerp voorbij is en dat gelijktijdig co-ontwerp van sequentie en structuur onder functionele beperkingen de nieuwe standaard moet worden voor hoogwaardig eiwitontwerp.

Samenvattend biedt EnzyGen2 een robuust, AI-gedreven platform dat de barrières voor het creëren van op maat gemaakte biocatalysatoren verlaagt en de weg vrijmaakt voor de ontwikkeling van nieuwe enzymen met specifieke, hoogwaardige functies.