Structure-aware geometric graph learning for modeling protease-substrate specificity at scale

OmniCleave is een schaalbaar, structuurbewust geometrisch grafiekleringskader dat de specificiteit van protease-substraten nauwkeuriger modelleert door ruimtelijke context en hogere-orde relaties te integreren, waardoor het bestaande methoden overtreft en nieuwe biologische inzichten biedt.

De kern

OmniCleave: De Digitale "Schaar" die Proteasen Begrijpt

Stel je voor dat je lichaam een enorme, levende stad is. In deze stad werken miljoenen kleine proteasen (een soort enzymen) als professionele snoeiers of scharen. Hun werk is om lange eiwitketens (de "touwen" van het leven) op de juiste plekken door te knippen. Dit is cruciaal: het reguleert hoe cellen werken, hoe ze communiceren en hoe ze zich ontdoen van oude onderdelen.

Maar hier zit het probleem: er zijn duizenden verschillende soorten scharen, en ze knippen allemaal op heel specifieke plekken. Als een schaar op de verkeerde plek knipt, kan dat ziektes veroorzaken. Tot nu toe was het voor wetenschappers erg moeilijk om te voorspellen waar precies een bepaalde schaar zou gaan knippen. Bestaande computersoftware keek alleen naar de volgorde van letters in het eiwit (zoals een tekst), maar negeerde de vorm en de ruimte die het eiwit inneemt.

Dat is waar OmniCleave komt, de nieuwe uitvinding uit dit paper. Hier is hoe het werkt, vertaald naar alledaagse taal:

1. Niet alleen kijken, maar voelen

Stel je voor dat je een sleutel moet maken die in een complex slot past.

• De oude methoden keken alleen naar de letters op de sleutel (bijv. "A-B-C-D") en probeerden te raden of hij paste.
• OmniCleave kijkt niet alleen naar de letters, maar bouwt een 3D-model van de sleutel en het slot. Het begrijpt dat de vorm, de kromming en de afstand tussen de tandjes net zo belangrijk zijn als de letters zelf.

OmniCleave bouwt een digitaal "netwerk" (een grafiek) rondom de plek waar de schaar moet knippen. Het kijkt naar de atomen (de kleinste bouwstenen) én naar de aminozuren (de grotere blokken) tegelijk. Het is alsof het niet alleen naar de tekst leest, maar ook voelt hoe het materiaal voelt in de hand.

2. De "Sociale Media" van de Scharen

Een ander groot probleem was dat wetenschappers elke schaar apart bestudeerden. Maar in het lichaam werken scharen vaak samen. Soms knippen twee verschillende scharen hetzelfde stukje eiwit, of helpen ze elkaar.

OmniCleave heeft een slimme truc: het heeft een sociale kaart van alle scharen.

• Het weet welke scharen vrienden zijn (bijvoorbeeld omdat ze op elkaar lijken of vaak samenwerken).
• Als OmniCleave een nieuwe schaar moet analyseren, kijkt het naar wat de "vrienden" van die schaar doen. Als een andere schaar vaak op een bepaalde plek knipt, is de kans groot dat deze nieuwe schaar dat ook doet.
• Dit noemen ze "relaties in een netwerk". Het is alsof je een nieuwe student op school wilt leren kennen: je kijkt niet alleen naar hem, maar ook naar wie zijn vrienden zijn.

3. De "Super-voorspeller"

De onderzoekers hebben OmniCleave getraind met een enorme dataset van bijna 60.000 voorbeelden van waar scharen al hebben geknipt. Daarna hebben ze het getest tegen de beste andere programma's ter wereld.

Het resultaat? OmniCleave wint overal.

• Het is veel nauwkeuriger, vooral bij complexe situaties waar meerdere scharen op één eiwit werken.
• Het kan zelfs nieuwe, onbekende plekken voorspellen waar een schaar misschien gaat knippen, zelfs als die plek verder weg ligt in het eiwit dan je zou denken (omdat de vorm van het eiwit die plek dichtbij de schaar brengt).

4. Bewezen in het lab

Theorie is mooi, maar de echte test was in het laboratorium. De onderzoekers gebruikten OmniCleave om drie nieuwe doelen te vinden voor een specifieke schaar (Caspase-3, belangrijk voor celreproductie).
Ze namen deze eiwitten en knipten ze in het lab met de echte schaar. Het resultaat? OmniCleave had gelijk! De schaar knipte precies op de plekken die de computer had voorspeld. Dit bewijst dat de digitale voorspellingen echt werken in de echte wereld.

Waarom is dit belangrijk?

Dit is een game-changer voor de geneeskunde.

• Ziektes begrijpen: Veel ziektes (zoals kanker of Alzheimer) hebben te maken met verkeerd knippen van eiwitten. OmniCleave helpt ons te begrijpen waar die fouten ontstaan.
• Nieuwe medicijnen: Als we precies weten hoe een schaar werkt en waar hij knipt, kunnen we medicijnen ontwerpen die die schaar blokkeren of juist activeren. Het is alsof we een perfecte sleutel kunnen maken om een specifiek slot te openen of te vergrendelen.

Kortom: OmniCleave is een slimme, digitale assistent die niet alleen naar tekst kijkt, maar de volledige 3D-structuur en de sociale netwerken van onze lichaamsscharen begrijpt. Het helpt ons de taal van het leven beter te lezen en betere medicijnen te ontwerpen.

Technische samenvatting

Probleemstelling

Proteasen zijn enzymen die peptidebindingen hydrolyseren en een cruciale rol spelen in celregulatie, signaaltransductie en ziektepathogenese. Het nauwkeurig modelleren van de specifieke interacties tussen proteasen en hun substraat (waar en hoe ze knippen) is echter een grote uitdaging.

• Beperkingen van bestaande methoden: De meeste computergestuurde benaderingen zijn gebaseerd op sequentie-motieven of lokale sequentiepatronen. Ze negeren vaak de ruimtelijke (3D) beperkingen en de hogere-orde relaties die essentieel zijn voor enzymatische specificiteit.
• Complexiteit van interacties: Protease-substraatinteracties zijn complex en vaak "veel-op-een" (één substraat wordt geknipt door meerdere proteasen, of één protease knipt vele substraten). Bestaande tools zijn vaak specifiek voor één type protease en kunnen deze netwerk-afhankelijkheden niet modelleren.
• Data-gat: Experimentele methoden (zoals proteomische bibliotheken) zijn duur, schalen slecht en missen vaak de structurele context, wat leidt tot onvolledige databases.

Methodologie: OmniCleave

De auteurs introduceren OmniCleave, een nieuw raamwerk voor structureel bewuste geometrische grafische leer (geometric graph learning) dat protease-substraat specificiteit op schaal modelleert. Het model combineert 3D-structuurinformatie met protease-netwerkinformatie.

1. Data Collectie en Voorbereiding:

• Het model is getraind op 57.278 protease-substraatparen (afgeleid van MEROPS en UniProt), betrekking hebbend op 9.651 substraten en 103 proteasen uit zes verschillende families (Aspartisch, Cysteïne, Glutamaat, Metallopeptidase, Asparagine en Serine).
• 3D-structuren zijn verkregen via AlphaFold en ESMFold.
• Een evenwichtige dataset is gecreëerd met een 1:1 verhouding tussen knip- en niet-knipplaatsen.

2. Architectuur van het Model:
OmniCleave bestaat uit drie hoofdcomponenten die werken binnen een hiërarchische grafische representatie:

• A. Hiërarchische Encoder (Centrering op het knippunt):

  • In plaats van de hele proteïne te modelleren, concentreert het zich op een lokaal subgraf rond het knippunt (P1-residu).
  • Residue-niveau: Omvat residuen binnen een straal van 10 Å. Features omvatten ESM-2 sequentie-inbeddingen, secundaire structuur (DSSP) en Rosetta-energie-termen.
  • Atoom-niveau: Verrijkt de representatie met atoomtypes en hun ruimtelijke rangschikking.
  • Generalist Equivariant Transformer (GET): Deze laag update de features op zowel atoom- als residu-niveau, waarbij rekening wordt gehouden met 3D-rotaties en translaties (E(3)-equivariantie). Dit zorgt voor een rijke representatie van de micro-omgeving van het knippunt.

• B. Protease-Protease Interactie (PPI) Module:

  • Een grafische neurale netwerklag (GNN) modelleert een interactienetwerk tussen proteasen (gebaseerd op STRING-database).
  • Dit stelt het model in staat om "coöperatieve patronen" te leren; als protease A en B interactie hebben, kan informatie over hun substraatvoorkeuren worden gedeeld. Dit is cruciaal voor het modelleren van "veel-op-een" relaties.

• C. Graph Transformer Interactiemodule:

  • Voegt de protease-nodes en de substraat-knippunt-subgrafen samen in één heterogene grafiek.
  • Gebruikt Graph Transformer Convoluties (GTC) om berichten te laten passeren tussen proteasen en knippunten.
  • Het resultaat is een gefuseerde representatie die zowel lokale structurele kenmerken als bredere protease-context combineert, wat leidt tot een voorspelling van de knipkans.

Kernbijdragen

1. Unificatie van Schaal en Specificiteit: Het eerste raamwerk dat in staat is om in één inferentiestap voorspellingen te doen voor meer dan 100 proteasen, inclusief complexe veel-op-een relaties.
2. Structureel Bewustzijn: Integratie van atoom- en residu-niveau 3D-structuren, wat een significant voordeel biedt ten opzichte van puur sequentie-gebaseerde methoden.
3. Netwerk-gebaseerde Voorspelling: Het gebruik van PPI-netwerken als prior kennis om de voorspellende kracht te verhogen door evolutionaire en functionele relaties tussen proteasen te benutten.
4. Interpreteerbaarheid: Het model biedt inzicht in de geometrische determinanten van substraatherkenning (bijv. welke secundaire structuren of energie-termen het belangrijkst zijn).

Resultaten

• Prestatie: OmniCleave overtreft consistent zes state-of-the-art (SOTA) methoden (zoals DeepCleave, PROSPERous, Procleave) op metrics zoals AUC, AUPR en F1-score.
  • Bereikte een AUC > 0,9 voor 48 proteasen en > 0,8 voor 75 proteasen.
  • Presteerde superieur in "veel-op-een" scenario's, waar andere methoden vaak faalden bij substraten die door meerdere proteasen worden herkend.
• Vergelijking met AlphaFold3: In tests met complexe structuren (bijv. Cathepsin L) identificeerde OmniCleave alle experimenteel bevestigde knipplaatsen, terwijl AlphaFold3 (dat niet specifiek voor dit doel is ontworpen) slechts een fractie correct voorspelde.
• Validatie:
  • In silico: Het model reproduceerde correcte secundaire structuurverdelingen (bijv. knipplaatsen in lussen en helices) en toonde aan dat distale residuen (ver weg in de sequentie maar dichtbij in 3D) invloed hebben op de specificiteit.
  • In vitro: Drie nieuwe Caspase-3 substraten (CUL7, THOC5, RPIA) werden experimenteel gevalideerd. OmniCleave voorspelde correct 8, 5 en 8 van de gevonden knipplaatsen, terwijl een concurrent (Procleave) er slechts 0, 2 en 2 correct voorspelde.
• Functionele Inzichten: GO-enrichment analyses van de voorspelde substraten onthulden nieuwe functionele rollen voor proteasen, zoals een rol van Caspase-3 in synaptische signalering en transportprocessen.

Betekenis en Toekomstperspectief

OmniCleave biedt een schaalbaar en nauwkeurig platform voor het ontrafelen van proteolytische regulatie. Door de brug te slaan tussen computationele voorspellingen en experimentele validatie, stelt het onderzoekers in staat om:

• Systematisch nieuwe substraatrelaties te ontdekken.
• De mechanistische basis van enzymatische specificiteit beter te begrijpen (via structurele context).
• Gerichter te werken aan het ontwerp van multi-targeted remmers of het optimaliseren van protease-ontwerp voor biotechnologische toepassingen.

Het paper markeert een verschuiving van sequentie-gebaseerde patronenherkenning naar een geïntegreerde, structureel bewuste benadering die de complexe biologie van protease-netwerken beter weerspiegelt.