Protein language models learn the underlying accessibility of mutations alongside protein fitness landscapes
Deze studie toont aan dat proteïnelinguïstische modellen structurele fitness verwarren met mutatieaanbodbiases, waarbij wordt onthuld dat het expliciet ontkoppelen van deze factoren de voorspelling van opkomende virale varianten verbetert, terwijl het bevestigt dat selectie de frequentie van gevestigde varianten domineert.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer
Virussen veranderen voortdurend door kleine bouwstenen in hun genetische code uit te wisselen om te overleven. Wetenschappers hebben onlangs krachtige computerprogramma's ontwikkeld, bekend als proteïnelinguïstische modellen, die deze genetische sequenties kunnen lezen en kunnen voorspellen welke veranderingen waarschijnlijk als volgende zullen plaatsvinden. Deze tools werden getraind op enorme bibliotheken van natuurlijke proteïnesequenties, waarbij ze de "grammatica" van het leven leerden om te raden hoe een virus er in de toekomst uit zou kunnen zien. De hoop is dat deze programma's de landschappen van virale fitness in kaart kunnen brengen, door onderzoekers te laten zien welke mutaties een virus helpen te verspreiden en welke ervoor zorgen dat het faalt. Dit vermogen is essentieel voor de volksgezondheid, met name voor ziekten zoals influenza, waarbij het voorspellen van de volgende dominante stam maanden van tevoren de enige manier is om effectieve vaccins te ontwerpen voordat het seizoen begint.
Echter, een nieuwe studie suggereert dat deze computerprogramma's niet alleen leren over de overlevingsbehoeften van het virus; ze leren ook over de mechanische limieten van hoe mutaties plaatsvinden. De onderzoekers ontdekten dat de modellen een verborgen bias hebben opgenomen: ze weten welke genetische veranderingen gemakkelijker te maken zijn simpelweg vanwege de manier waarop DNA is gestructureerd. Sommige aminozuurveranderingen vereisen slechts één letterverandering in de genetische code, terwijl anderen twee of drie vereisen. Omdat de modellen zijn getraind op echte gegevens, leerden ze dat de gemakkelijke veranderingen vaker voorkomen, niet noodzakelijkerwijs omdat ze beter zijn voor het virus, maar omdat ze toegankelijker zijn. Dit creëert een verwarring waarbij de voorspelling van het model over het succes van een mutatie eigenlijk een mengeling is van hoe goed de mutatie is voor het virus en hoe gemakkelijk deze te creëren is.
Om deze mix te ontwarren, gebruikten de onderzoekers de recente opkomst van een nieuwe lijn van het influenza A-virus, bekend als de K-lijn, als een stresstest. Deze nieuwe stam verscheen met negen specifieke veranderingen in zijn belangrijkste oppervlakte-eiwit vergeleken met zijn voorouder. Door deze veranderingen te analyseren, ontdekte het team dat de computermodellen inderdaad de regels van mutatieve toegankelijkheid hadden geleerd. Ze konden voorspellen welke aminozuurwisselingen waarschijnlijk zouden optreden op basis van hoeveel genetische stappen er nodig waren, zelfs toen de modellen de genetische code zelf niet hadden gezien, alleen de uiteindelijke eiwitvormen. De studie toonde aan dat wanneer deze modellen werden bijgesteld (fine-tuned) op specifieke virale gegevens, ze nog beter werden in het herkennen van deze mechanische beperkingen, waarbij ze effectief leerden welke synonieme genetische codes werden gebruikt en hoe waarschijnlijk een specifieke mutatie was in een enkele ronde van replicatie.
De onderzoekers testten vervolgens of deze verborgen kennis hielp of schaadde bij het voorspellen van de toekomst. Wanneer het doel was om te voorspellen welke nieuwe mutaties überhaupt in de populatie zouden verschijnen, verbeterde het toevoegen van expliciete informatie over mutatieve toegankelijkheid de modellen aanzienlijk. Het hielp hen om de onmogelijke of zeer onwaarschijnlijke veranderingen eruit te filteren, waardoor het enorme aantal mogelijkheden werd teruggebracht tot de varianten die daadwerkelijk bereikbaar waren. De resultaten draaiden echter om toen de onderzoekers probeerden te voorspellen hoe succesvol een mutatie zou zijn zodra deze al was opgetreden. In dit geval presteerden de modellen beter wanneer de invloed van mutatieve toegankelijkheid werd verwijderd. Dit suggere leert dat zodra een mutatie de initiële hindernis van het gecreëerd worden heeft overwonnen, de verspreiding ervan bijna volledig wordt gedreven door natuurlijke selectie en de fitness van het virus, en niet door hoe gemakkelijk het was om te maken.
De studie onderzocht ook hoe deze modellen presteren in laboratoriumexperimenten die de werkelijke fitness van virale eiwitten meten. De onderzoekers ontdekten dat de voorspellingen van de modellen vaak werden vertekend door dezelfde mutatieve biases die ze hadden geleerd. Wanneer het team de modellen aanpaste om de invloed van deze gemakkelijk te maken mutaties te verzwakken, werden de voorspellingen van de eiwitfitness nauwkeuriger. Dit geeft aan dat de modellen eerder te veel krediet gaven aan mutaties die veel voorkwamen simpelweg omdat ze gemakkelijk te genereren waren, in plaats van omdat ze het beste waren voor het virus. De bevindingen impliceren dat om het meest accurate beeld te krijgen van hoe een virus evolueert, wetenschappers de twee krachten moeten scheiden: de ruwe waarschijnlijkheid van het optreden van een mutatie en de biologische waarde van die mutatie zodra deze bestaat.
Door deze factoren expliciet te scheiden, stellen de onderzoekers een duidelijkere manier voor om virale evolutie te voorspellen. In plaats van te vertrouwen op een enkele score die fitness en toegankelijkheid samenvoegt, zouden toekomstige modellen de structurele fitness van een eiwit onafhankelijk kunnen berekenen en daar vervolgens de waarschijnlijkheid van de mutatie op kunnen stapelen. Deze aanpak zou een realistischerere kaart bieden voor evolutionaire forecasting, wat volksgezondheidsinstanties helpt om te anticiperen op welke stammen werkelijk gevaarlijk zijn. Het biedt ook een schoner instrument voor synthetische biologie, waar wetenschappers eiwitten vanaf nul ontwerpen zonder de beperkingen van de evolutiegeschiedenis. De studie concludeert dat hoewel virale evolutie complex en stochastisch is, het begrijpen van de onderscheidende rollen van mutatieve aanbod en natuurlijke selectie zorgt voor een preciezere en betrouwbaardere voorspelling van de volgende zet van het pathogeen.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.