FoldaVirus, a knowledge-based icosahedral capsid builder using AlphaFold

FoldaVirus is een kennisgebaseerde webtool die AlphaFold-predicties van coat eiwitten combineert met bekende icosahedrale architectuurkennis om accurate virale capsid-modellen te genereren en zo de kloof tussen sequentie- en structurele data voor virusfamilies overbrugt.

De kern

🦠 Het Grote Puzzelprobleem: Virussen Bouwen

Stel je voor dat virussen enorme, perfecte 3D-puzzels zijn. Deze puzzels worden gemaakt van duizenden kleine stukjes, die we eiwitten noemen. Om een virus te bestrijden of een vaccin te maken, moeten wetenschappers precies weten hoe deze puzzel eruitziet.

Het probleem is: er zijn miljoenen verschillende virus-sequentie (de "bouwplaat" van het eiwit), maar we hebben maar een handvol foto's van de daadwerkelijke puzzel. Het is alsof je een miljoen verschillende LEGO-instructies hebt, maar je hebt er maar één of twee echt gebouwd om te zien hoe het eruitziet. Het bouwen van deze virussen in het lab is duur, tijdrovend en soms onmogelijk.

🤖 De Hulp van AlphaFold (maar met een knag)

Gelukkig hebben we een slimme computerprogramma genaamd AlphaFold. Dit programma is een genie als het gaat om het voorspellen van hoe één los stukje (een eiwit) in elkaar zit. Het kan de vorm van een losse LEGO-blok perfect voorspellen.

Maar hier zit de hak: AlphaFold kan niet goed voorspellen hoe je die duizenden blokjes aan elkaar plakt tot een heel virus. Het is alsof AlphaFold je perfect kan vertellen hoe één LEGO-blok eruitziet, maar als je vraagt: "Hoe bouw ik hiermee een kasteel?", dan geeft het je een rommelige hoop blokjes die niet passen.

🏗️ Enter: FoldaVirus (De Slimme Bouwmeester)

Hier komt FoldaVirus om de hoek kijken. Het is een nieuw, slim webtool (te vinden op foldavirus.org) dat de kracht van AlphaFold combineert met een "kennisbank" van wat we al weten over virussen.

Hier is hoe het werkt, stap voor stap, met een vergelijking:

1. De Identificatie (De "Wie ben jij?" check):
   Jij geeft het programma de bouwplaat (het DNA/eiwit) van een nieuw virus. FoldaVirus kijkt in zijn grote kennisbank (VIPERdb) en zegt: "Ah, dit lijkt op de familie van de Picornavirussen. Die bouwen altijd een T=3 kasteel." Het weet dus al wat voor type puzzel je gaat maken.

2. De Opkuisbeurt (Het "Spaghetti" probleem):
   Soms heeft AlphaFold moeite met de losse uiteinden van de bouwplaat en maakt het er een rommelige "spaghetti-brij" van. Als je die spaghetti in de puzzel stopt, passen de stukjes niet en botsen ze tegen elkaar aan. FoldaVirus knipt die rommelige uiteinden er netjes af voordat het verder gaat.

3. De Bouw (De "Baksteen" stap):
   Het programma gebruikt AlphaFold om de losse stukjes te maken, maar dan past het ze direct aan op de bekende vorm van dat virus. Het zorgt ervoor dat de stukjes precies in de juiste hoek staan, net zoals een meesterbouwer die een sjabloon gebruikt.

4. De Rustfase (De "Amber" Relax):
   Soms zitten de stukjes nog een beetje strak tegen elkaar aan (alsof je te veel LEGO in een klein vakje probeert te duwen). FoldaVirus laat het hele virus even "ontspannen" met een speciale energie-berekening. Hierdoor glijden de stukjes een beetje naar hun perfecte plek en verdwijnen de botsingen.

5. De Kwaliteitscontrole (De "Maatlat"):
   Hoe weet je of het goed is? FoldaVirus meet het resultaat met een slimme maatlat (de Mahalanobis-afstand). Het vergelijkt je nieuwe virus met honderden bekende virussen uit dezelfde familie.

   • Vergelijking: Stel je voor dat je een nieuwe auto bouwt. De maatlat kijkt niet alleen of de wielen rond zijn, maar ook of de afstand tussen de wielen en de vorm van de motorkap overeenkomt met alle andere auto's van dat merk. Als het past, is het een goed virus. Als het te veel afwijkt, is er iets mis.

🌍 Waarom is dit geweldig?

• Het vult het gat: Er zijn 1.000 keer meer virus-bouwplaten dan er daadwerkelijke foto's van virussen. FoldaVirus helpt ons de gaten op te vullen.
• Het is gratis: Iedereen kan het gebruiken via een website.
• Het werkt voor complexe virussen: Het kan zelfs virussen bouwen die heel ingewikkeld zijn (tot wel T=9, wat betekent dat ze heel groot en complex zijn).

🎯 Conclusie

FoldaVirus is als een slimme architect die een nieuwe bouwplaat krijgt. In plaats van te raden, kijkt hij naar de buren (andere bekende virussen) om te zien wat voor type huis ze bouwen, gebruikt hij een slimme robot (AlphaFold) om de materialen te snijden, en laat hij het huis even "settelen" zodat alles perfect past.

Dit helpt wetenschappers sneller te begrijpen hoe virussen werken, wat essentieel is voor het maken van nieuwe medicijnen en vaccins, zonder dat ze jarenlang in het lab hoeven te experimenteren.

Technische samenvatting

Titel: FoldaVirus: Een kennisgebaseerde icosahedrale capsid-bouwer met AlphaFold

1. Het Probleem

Er bestaat een enorme kloof tussen het aantal bekende virale coat-proteïne (CP) sequenties (die 3 tot 4 ordes van grootte groter is dan het aantal experimenteel bepaalde structuren) en het beperkte aantal bekende 3D-structuren van virale capsiden. Hoewel AlphaFold (AF2 en AF3) uitstekend is in het voorspellen van de tertiaire structuur van individuele proteïnen, faalt het vaak bij het correct voorspellen van de quaternaire organisatie (de assemblage) van deze proteïnen tot volledige, gesloten icosahedrale capsiden.

• Beperkingen van AlphaFold: Het is moeilijk om de juiste oligomeren te genereren die de "icosahedral asymmetric unit" (IAU) vormen, vooral bij complexe capsiden met hoge triangulatiegetallen (T > 1). Directe toepassing van icosahedrale symmetrie op AF-predicties leidt vaak tot steroïde botsingen of onvolledige structuren.
• Huidige staat: Er zijn weinig methoden die in staat zijn om complete capsid-modellen te bouwen voor verschillende T-getallen (T=1, 3, 4, ..., 9) op basis van alleen sequentie-informatie.

2. Methodologie: De FoldaVirus-pijplijn

FoldaVirus is een geïntegreerde, webgebaseerde tool (https://foldavirus.org) die een hybride aanpak combineert: AlphaFold-predicties en kennisgebaseerde architectuur uit de VIPERdb-database. Het proces omvat de volgende stappen:

1. Zoekopdracht en Referentie: De ingediende CP-sequentie wordt vergeleken met een lokale BLAST-bibliotheek van bekende capsid-structuren in VIPERdb. Dit identificeert het waarschijnlijke T-getal (bijv. T=3, T=7) en selecteert een referentiestructuur uit dezelfde virusfamilie.
2. Sequentie-voorbereiding: Ongeordende (disordered) regio's, meestal aan de N- en C-termini, worden uit de sequentie verwijderd om te voorkomen dat deze "spaghetti-achtige" structuren steroïde botsingen veroorzaken tijdens de assemblage.
3. AlphaFold Predictie: De getrimde sequentie wordt vermenigvuldigd tot het aantal kopieën dat past in de IAU (afhankelijk van het T-getal) en ingevoerd bij AlphaFold.
4. Correctie van de IAU: Omdat AlphaFold vaak de verkeerde oligomeren levert voor de IAU, worden de voorspelde ketten structureel gesuperponeerd op de corresponderende keten in de geselecteerde referentiestructuur. Hierdoor wordt de juiste IAU in de VIPER-standaardoriëntatie gegenereerd.
5. Energie-minimalisatie: De gegenereerde IAU en een gedeeltelijke capsid (IAU + omringende subeenheden) worden onderworpen aan energie-minimalisatie met Amber (sander). Dit gebeurt in twee rondes:
   • Eerste ronde: Alle atomen behalve waterstof worden gerestraint.
   • Tweede ronde: Alleen de backbone-atomen worden gerestraint.
     Dit verlicht steroïde botsingen aan de interfaces tussen subeenheden.
6. Volledige Capsid Generatie: De gerelaxeerde IAU wordt gebruikt om het volledige capsid te genereren door toepassing van de standaard 60-voudige icosahedrale symmetrie-matrices.
7. Validatie (Mahalanobis Afstand): De modellen worden gevalideerd door de verdeling van residuen te analyseren (geclassificeerd als interface, core of surface op basis van toegankelijk oppervlak). De Mahalanobis-afstand (MD) wordt berekend om te bepalen of het model statistisch gezien binnen de verdeling van bekende structuren in dezelfde virusfamilie valt. Een lage MD duidt op een goed model; een hoge MD wijst op een outlier.

3. Belangrijkste Bijdragen

• FoldaVirus Webtool: Een gratis, toegankelijke webinterface voor de wetenschappelijke gemeenschap die volledige capsid-modellen genereert op basis van CP-sequenties.
• Kennisgebaseerde Validatie: Introductie van de Mahalanobis-afstand als een robuuste validatiemethode die de quaternaire organisatie van het voorspelde model vergelijkt met de bekende verdeling binnen een virusfamilie, in plaats van alleen op sequentie-identiteit te vertrouwen.
• Overbrugging van de "Sequence-Structure Gap": De methode maakt het mogelijk om modellen te genereren voor T-getallen tot en met 9 (inclusief pseudo-T=3 symmetrie bij Picornavirussen), wat eerder niet mogelijk was met puur AlphaFold.
• Integratie van VIPERdb: Het gebruik van de rijke metadata van VIPERdb (zoals oppervlakte-energieën en residu-classificaties) om de kwaliteit van de modellen te beoordelen.

4. Resultaten

• Succesvolle Assemblage: De auteurs hebben succesvol capsid-modellen gegenereerd voor diverse testgevallen, waaronder Picornavirussen (pseudo-T=3) en andere families met T-getallen tot T=9.
• Validatie: De gegenereerde modellen tonen een hoge overeenkomst met experimenteel bepaalde structuren. De berekende Mahalanobis-afstanden liggen vaak onder de drempelwaarde voor outliers, wat aangeeft dat de voorspelde quaternaire structuren consistent zijn met de natuur.
• Prestaties: De tool kan een voorspelling voltooien in 30 minuten tot 4 uur, afhankelijk van de grootte van het proteïne en het T-getal.
• Beperkingen: De huidige implementatie is beperkt tot T ≤ 9 vanwege GPU-geheugenbeperkingen bij AlphaFold. Hoewel een workflow met AlphaFold 3 (AF3) lokaal is getest (3-4x sneller), kan deze niet publiek worden vrijgegeven vanwege licentievoorwaarden.

5. Betekenis en Impact

FoldaVirus biedt een cruciale oplossing voor het probleem dat er veel meer virale sequenties zijn dan experimenteel bepaalde structuren. Door AlphaFold te combineren met kennis over de conservatieve architectuur van virale families, maakt de tool het mogelijk om:

• Rationeel vaccinontwerp te ondersteunen door structurele inzichten te bieden voor virussen zonder bekende structuur.
• Breed neutraliserende antilichamen te identificeren door structurele vergelijkingen binnen virusfamilies mogelijk te maken.
• Viruslifecycle-studies te faciliteren door inzicht te geven in receptormediated celinname en genoomverpakking.

De tool vult een essentiële lacune in de structurele virologie en stelt onderzoekers in staat om snel en betrouwbaar 3D-modellen van virale capsiden te genereren, wat de weg vrijmaakt voor verdere functionele studies en therapeutische ontwikkelingen.