CAPRINI-M: An AI-curated Cardiac-Specific Atlas of Protein Interactions in Mice

CAPRINI-M is een door AI aangedreven, webgebaseerd atlas dat 11.189 hart-specifieke eiwit-eiwitinteracties in muizen ontleedt uit duizenden publicaties en aanvullende structurele en thermodynamische informatie integreert om een meer volledig mechanistisch inzicht in cardiovasculaire ziekte te bieden.

De kern

CAPRINI-M: De Digitale Kaart van het Hart

Stel je het menselijk hart voor als een enorme, drukke stad. In deze stad werken miljoenen kleine werknemers (eiwitten) samen om alles draaiend te houden. Soms werken ze perfect samen, soms botsen ze, en soms verandert hun samenwerking als er een probleem ontstaat, zoals een hartaanval of hartfalen.

Het probleem is dat we niet precies weten wie met wie werkt, of hoe sterk die samenwerking is. De informatie over deze "werkrelaties" zit verspreid over duizenden wetenschappelijke artikelen, als losse papiertjes in een enorme bibliotheek. Tot nu toe moesten mensen deze papiertjes één voor één lezen en samenvatten, wat ontzettend lang duurt en vaak fouten oplevert.

CAPRINI-M is de oplossing. Het is een slimme, door kunstmatige intelligentie (AI) gebouwde atlas die precies laat zien wie met wie werkt in het hart van een muis (een model voor het menselijk hart).

Hier is hoe het werkt, stap voor stap:

1. De Slimme Boekwurm (De AI die leest)

Stel je voor dat je een robot hebt die razendsnel 9.000 boeken kan lezen. De onderzoekers hebben een robot (een AI genaamd LLaMA) getraind om specifiek te zoeken naar zinnen als: "Proteïne A werkt samen met Proteïne B".
In plaats van dat een mens urenlang in een boek zoekt, heeft deze robot in een mum van tijd 11.000 nieuwe samenwerkingen gevonden in de medische literatuur. Het is alsof je een duizendpoot hebt die in plaats van met twee poten, met duizenden poten tegelijk door de boeken bladert.

2. De 3D-Bouwer (AlphaFold3)

Maar weten dat twee mensen samenwerken is niet genoeg; je wilt weten hoe ze dat doen. Doen ze elkaar een hand? Omhelzen ze elkaar? Of duwen ze elkaar weg?
De onderzoekers hebben een andere AI (AlphaFold3) ingezet om een 3D-model te bouwen van elke gevonden samenwerking.

• Vergelijking: Stel je voor dat je twee puzzelstukken hebt. De AI bouwt niet alleen een tekening van de puzzelstukken, maar bouwt ze fysiek in elkaar en laat zien precies waar ze in elkaar grijpen. Zo weten we precies welk deel van het eiwit de "hand" is die de ander vastpakt.

3. De Krachtmeting (De Thermodynamica)

Niet elke samenwerking is even sterk. Sommige partners houden elkaar stevig vast, andere laten elkaar snel weer los.
De AI berekent nu een soort "energierekening" (de Gibbs vrije energie).

• Vergelijking: Denk aan een magnetische magneet. Als de AI zegt dat de energie heel laag is (een negatief getal), betekent dit dat de magneten elkaar heel sterk trekken. Ze zitten stevig vast. Als de energie hoog is, zijn ze maar net even aan elkaar gekleefd en kunnen ze makkelijk loslaten. Dit helpt wetenschappers te begrijpen welke samenwerkingen echt belangrijk en stabiel zijn.

4. De Slimme Scharrelaar (De Verificatie)

Soms maakt de AI een foutje en denkt hij dat twee eiwitten samenwerken, terwijl dat niet zo is. Om dit te voorkomen, hebben de onderzoekers een tweede AI (een neurale netwerk) ingeschakeld.
Deze tweede AI kijkt naar de 3D-modellen en de tekst en zegt: "Ik denk dat deze twee echt een goede match zijn" of "Nee, dit lijkt meer op toeval." Het is als een ervaren bouwkundige die de plannen van de robot nakijkt om te zien of het wel logisch is.

Waarom is dit zo'n groot nieuws?

1. Het is specifiek voor het hart: Bestaande lijsten met eiwit-samenwerkingen zijn vaak een mengelmoes van alles (kanker, hersenen, etc.). CAPRINI-M is puur gericht op het hart. Het is alsof je een stadsplattegrond krijgt die alleen de wegen in de binnenstad toont, in plaats van een kaart van heel Europa.
2. Het is sneller en dieper: Waar mensen jaren nodig hadden om deze informatie te verzamelen, heeft de AI het in een fractie van de tijd gedaan, én met 3D-gegevens erbij.
3. Het werkt in de praktijk: De onderzoekers hebben getest of hun nieuwe kaart betere resultaten gaf dan de oude lijsten. En ja: toen ze ziektepatronen in het hart zochten, vond CAPRINI-M de juiste "straten" en "gebouwen" veel beter dan de oude methodes.

Conclusie

CAPRINI-M is als een Google Maps voor het hart, maar dan in 3D en met een energie-meter. Het helpt artsen en onderzoekers om sneller te zien waar de problemen in het hart ontstaan en welke medicijnen misschien kunnen helpen om die specifieke "slechte samenwerkingen" te voorkomen of de "goede samenwerkingen" te versterken.

Het is een enorme stap voorwaarts in het begrijpen van hartziektes, gemaakt door slimme robots die samenwerken met de beste wetenschappers.

Technische samenvatting

Probleemstelling

Proteïne-proteïne interacties (PPI's) zijn fundamenteel voor de biologie van hart- en vaatziekten (CVD). Bestaande kennis over deze interacties is echter verspreid over duizenden literatuurpublicaties en heterogene databases, wat systematische curatie tijdrovend maakt. Bestaande PPI-resources hebben drie belangrijke tekortkomingen:

1. Bias: Ze zijn vaak vertekend ten gunste van goed onderzochte domeinen zoals kanker, waardoor ze minder bruikbaar zijn voor hart-specifieke biologie.
2. Gebrek aan mechanistische details: Ze missen vaak informatie over de specifieke structurele interactie-interfaces en thermodynamische parameters die nodig zijn om complexstabiliteit te begrijpen.
3. Beperkte schaalbaarheid: Traditionele curatie is handmatig en kan niet bijhouden met de groeiende hoeveelheid wetenschappelijke publicaties.

Daarnaast kunnen alternatieve splicing (AS) in het hart PPI-netwerken herconfigureren door interactie-interfaces te wijzigen zonder hele domeinen te verwijderen. Bestaande tools kunnen deze subtiele veranderingen vaak niet vangen omdat ze geen interface-resolventie bieden.

Methodologie

CAPRINI-M (CArdiac PRotein INteractions In Mice) is een end-to-end AI-framework dat literatuurmining combineert met structurele modellering en machine learning. De workflow bestaat uit zes stappen:

1. Literatuurverzameling en Filtering:

   • Er werden 9.105 manuscripten over cardiobiologie opgehaald uit PubMed Central.
   • Een meerderheidsstem-strategie met drie prompts filterde op hart-relevantie, resulterend in 7.548 geselecteerde papers.

2. AI-gebaseerde Relation Extraction (RE):

   • De auteurs gebruikten de open-source Large Language Model (LLM) LLaMA-3.3 70B om PPI's uit de tekst te extraheren.
   • Verschillende prompt-engineering strategieën werden getest op het RegulaTome-benchmarkdataset (o.a. voorbeelden, retrieval-augmented learning, en consensus-strategieën).
   • De beste strategie (AllExamples met spaCy-entiteiten) extraheerde 11.189 PPI-relaties uit de corpus. Synoniem-expansie werd toegepast om naamvariaties op te lossen.

3. Structurele Modellering (AlphaFold3):

   • Voor elke geëxtraheerde PPA-pair werden muismouse-eiwitsequenties opgehaald.
   • AlphaFold3 werd gebruikt om de 3D-structuur van het complexe complex te voorspellen. Per paar werden vijf structuren gegenereerd en de beste geselecteerd op basis van confidence-scores.

4. Thermodynamische en Interface-analyse:

   • Op basis van de AlphaFold3-structuren werden AMBER-topologiebestanden gegenereerd.
   • Er werd een MM/GBSA-berekening uitgevoerd om de bindingsvrije energie ($\Delta G$) te schatten, wat een maatstaf is voor thermodynamische stabiliteit.
   • Interface-descriptoren (contactstatistieken, oppervlakte, etc.) werden afgeleid.

5. Machine Learning voor Validatie:

   • Een lichtgewicht Neuraal Netwerk (NN) werd getraind op een menselijk PPI-benchmarkdataset (omdat deze het meest mature is) om de waarschijnlijkheid van een echte interactie te voorspellen.
   • Het model combineerde AlphaFold3-features (zoals ipTM, pTM, interface-oppervlak) met sequentie-embeddings van ESM3.
   • Dit model werd toegepast op de muismouse-PPI's om de betrouwbaarheid van de geëxtraheerde interacties te scoren.

6. Webapplicatie:

   • Alle data is geïntegreerd in een interactieve webapplicatie (Shiny voor Python) met een PostgreSQL-backend, toegankelijk via een URL.

Belangrijkste Bijdragen

• Eerste AI-gecureerde, hart-specifieke PPI-atlas voor muizen: Een database van 11.189 interacties tussen 4.255 unieke eiwitten, specifiek gefocust op cardiobiologie.
• Integratie van structuur en thermodynamica: In tegenstelling tot traditionele databases, biedt CAPRINI-M gedetailleerde informatie over interactie-interfaces en geschatte bindingsvrije energie ($\Delta G$).
• Robuuste Validatie: Het framework combineert literatuurmining met structurele validatie (AlphaFold3) en machine learning-classificatie om valse positieven te minimaliseren.
• Open Source: De code, scripts en de webapplicatie zijn volledig openbaar beschikbaar.

Resultaten

• PPI Extractie: De beste LLM-configuratie (AllExamples) bereikte een F1-score van 0,686 op het benchmarkdataset. Uiteindelijk werden 11.189 unieke PPI's geïdentificeerd.
• Machine Learning Performance: Het multimodale model (AlphaFold3 + ESM3) presteerde het beste met een F1-score van 0,888 en een ROC-AUC van 0,961 op een held-out testset. Dit was significant beter dan sequentie-only of structuur-only modellen.
• Netwerkkenmerken: Het netwerk heeft een gemiddelde kortste padlengte van 4,168. De gemiddelde voorspelde complexvormingskans is 40,6%, en de gemiddelde $\Delta G$ is -20,74 kJ/mol.
• Benchmarking (Systeemniveau): Bij pathway-enrichment analyses (gebaseerd op hart-hypertrofie en contractiele pathways) presteerde CAPRINI-M significant beter dan algemene resources zoals STRING en BioGRID. CAPRINI-M identificeerde 6 significante pathways (FDR < 0,1), terwijl de anderen er geen vonden.
• Experimentele Validatie: De voorspelde rangschikking op basis van $\Delta G$ (lagere energie = sterkere binding) kwam overeen met experimentele bewijzen in vier gevalideerde systemen (HIF/ARNT, Notch, GJA1/Cx43, BAG3). Bijvoorbeeld, de voorspelde sterkere binding van ARNT aan HIF1A t.o.v. HIF2A werd bevestigd door de literatuur.

Betekenis en Toekomstperspectief

CAPRINI-M biedt een krachtig nieuw hulpmiddel voor de cardiovasculaire systemenbiologie. Door te focussen op hart-specifieke interacties en deze te verrijken met structurele en thermodynamische data, stelt het onderzoekers in staat om:

• Hypothesen te genereren over ziektemechanismen op basis van interface-storingen (bijv. door mutaties of splicing).
• Concurrentie tussen eiwitten beter te begrijpen op basis van thermodynamische stabiliteit.
• Netwerkreconstructie en pathway-enrichment nauwkeuriger uit te voeren dan met algemene databases.

Beperkingen en Toekomst:
De dekking is afhankelijk van open access literatuur. De $\Delta G$-schattings zijn benaderingen en geen exacte experimentele waarden. De auteurs plannen de ontwikkeling van een menselijke versie (CAPRINI-H), het integreren van isoform-specifieke modellering en post-translatiële modificaties (PTM's), en de koppeling met hun eerdere tool LINDA voor single-cell analyses en splicing-afhankelijke netwerkherschikking.