Benchmarking AI-generated structural ensembles of membrane proteins against physics-based modelling

Technische Samenvatting: Benchmarking van door AI gegenereerde structurele ensembles van membraaneiwitten

Probleemstelling
Het begrijpen van de structurele dynamica van eiwitten is essentieel voor het verklaren van functies en het ontwikkelen van therapeutica, maar het experimenteel bepalen van volledige conformationele ensembles blijft een uitdaging. Deze moeilijkheid wordt verergerd voor membraaneiwitten vanwege hun hydrofobiciteit en de complicaties die worden geïntroduceerd door niet-natieve reconstitutieomgevingen. Hoewel Moleculaire Dynamica (MD) simulaties een krachtig instrument bieden voor het bemonsteren van conformationele landschappen, vereist het vastleggen van zeldzame toestanden vaak aanzienlijke computationele middelen en lange looptijden. Bovendien kunnen methoden voor verbeterde bemonstering (enhanced sampling) technisch veeleisend zijn en gevoelig zijn voor bias. Daarentegen, hoewel AI-gebaseerde structuurvoorspellingsinstrumenten zoals AlphaFold een revolutie hebben teweeggebracht in statische structuurvoorspelling, genereren ze doorgaans een beperkt bereik aan microtoestanden, waarbij ze vaak kritieke functionele conformaties (bijv. gesloten ionkanalen) niet kunnen vangen zonder specifieke aanpassingen. Hoewel de Biomolecular Emulator (BioEmu) veelbelovend is gebleken bij het genereren van conformationele ensembles voor oplosbare eiwitten, blijft het vermogen om de complexe landschappen van membraaneiwitten te modelleren — met name die welke ontbreken in de trainingsdata — nog onverifieerd.

Methodologie
De auteurs evalueerden het vermogen van BioEmu (versie 1.2.0) om de conformationele dynamica van het bacteriële rhomboid intramembraan protease, GlpG, een model zes-pass membraaneiwit, te modelleren.

• Datageneratie: 1.000 structurele monsters van volledig GlpG werden gegenereerd met behulp van BioEmu. Onfysische structuren werden gefilterd, waardoor 969 geldige modellen overbleven.
• Clustering en Analyse: De modellen werden geclusterd met behulp van FoldSeek met variërende template modeling drempelwaarden (0.7 voor de volledige lengte, 0.98 voor de transmembraancore alleen, GlpG ΔN) om conformationele groepen te identificeren.
• Kwantificering: Belangrijke structurele metrieken werden berekend, inclusief Root Mean Square Fluctuation (RMSF) om variabele regio's te identificeren, en de kwantificering van de laterale poort (afstand tussen transmembraan helix 2 en 5) om onderscheid te maken tussen open en gesloten toestanden.
• Benchmarking: Het BioEmu-ensemble werd vergeleken met:
  1. Experimentele röntgkristalstructuren (zowel open als gesloten toestanden).
  2. Een eerder gepubliceerde dataset van 10 µs MD-simulaties (gestart vanuit 2IC8 en 2NRF structuren) voor GlpG.
  3. MD-simulaties van een menselijk rhomboid (RHBDL1) waar zeldzame open toestanden moeilijk te bemonsteren zijn.
• Resource Evaluatie: Computationele kosten (wall time en geschatte koolstofemissies) werden berekend voor het genereren van het BioEmu-ensemble versus het draaien van equivalente MD-simulaties op een enkele GPU/CPU-node.

Belangrijkste Resultaten

• Conformationele Diversiteit: BioEmu slaagde erin een divers ensemble van GlpG-conformaties te genereren. Terwijl het oplosbare N-terminale domein een hoge variabiliteit vertoonde (waarbij ~5,6% van de modellen het domein in fysiek onwaarschijnlijke posities binnen de lipidenbilayer plaatste), vertoonde de transmembraancore biologisch relevante dynamica.
• Laterale Poort Bemonstering: Het ensemble legde een spectrum van laterale poorttoestanden vast. Ongeveer 12,8% van de modellen bezette een "open" toestand (laterale poort afstand >1,4 nm), terwijl anderen gesloten toestanden vertegenwoordigden. Specifieke clusters kwamen overeen met verschillende functionele toestanden:
  • Cluster 1: Vertegenwoordigde voornamelijk intermediaire/gedeeltelijk open toestanden.
  • Cluster 2: Bestond uit volledig open toestanden met significante uitwaartse beweging van TM5 en het opheffen van de L5-loop.
  • Cluster 8: Vertegenwoordigde een volledig gesloten toestand met een smalle laterale poort (1,16 nm), die nauw overeenkomt met inhibitor-gebonden kristalstructuren.
• Vergelijking met MD: Principal Component Analysis (PCA) toonde aan dat het BioEmu-ensemble significant overlapte met de conformationele ruimte die door 10 µs MD-simulaties werd bemonsterd, met name wat betreft de uitwaartse beweging van TM5. BioEmu reproduceerde echter niet volledig de extreme staarten van de MD-distributie (d.w.z. de meest open of meest gesloten toestanden waargenomen in specifieke MD-seeds). Opvallend genoeg presteerde BioEmu beter dan korte (500 ns) MD-simulaties bij het bemonsteren van zeldzame open conformaties voor zowel GlpG als RHBDL1.
• Computationele Efficiëntie: Het genereren van 1.000 BioEmu-samples duurde ongeveer 40 minuten op een enkele werkstation. In tegen tegenstelling hiertoe zou het bereiken van vergelijkbare bemonstering via MD (10 µs totaal) meer dan 500 uur op dezelfde hardware hebben vereist. Dit vertegenwoordigt een reductie van ongeveer 900-voudig in computationele tijd en geschatte koolstofemissies.

Betekenis en Claims
De auteurs concluderen dat BioEmu dient als een snelle en computationeel efficiënte benadering voor het genereren van plausibele conformationele ensembles voor relatief grote, multi-pass membraaneiwitten. De studie demonstreert dat AI-gebaseerde ensemblegeneratie toegang kan krijgen tot zeldzame functionele toestanden (zoals de open laterale poort van rhomboids) tegen een fractie van de kosten van conventionele MD-simulaties.

De paper houdt echter een bescheiden standpunt aan met betrekking tot de beperkingen van de methode:

1. Incompleet Landschap: BioEmu legt nog niet het volledige conformationele landschap of de specifieke evenwichtsverdeling van toestanden vast die worden waargenomen in langdurige MD-simulaties.
2. Fysische Artefacten: Het gebrek aan een expliciete lipidenbilayer-context in het voorspellingsproces van BioEmu kan leiden tot fysiek onwaarschijnlijke plaatsingen van oplosbare domeinen ten opzichte van het membraan.
3. Complementaire Rol: De bevindingen suggereren dat AI-gebaseerde ensemblegeneratie de conventionele moleculaire modellering moet aanvullen, in plaats van te vervangen. MD blijft noodzakelijk voor toepassingen die een precieze karakterisering vereisen van conformationele energetica, relatieve populaties van toestanden en de identificatie van specifieke zeldzame toestanden die buiten de huidige AI-bemonsteringsdistributie kunnen liggen.

Uiteindelijk biedt dit werk een bewijs van principe dat AI-tools, die grotendeels getraind zijn op oplosbare eiwitten, kunnen worden uitgebreid om de dynamica van membraaneiwitten te modelleren, wat een toegankelijk instappunt biedt voor het verkennen van de dynamica van membraaneiwitten waar experimentele structuren ontbreken.