AmyloCore-ML: AI/Machine Learning Enabled Identification of Amyloid Fibril Core Regions Using Protein Language Models

Eiwitten zijn de werkpaarden van het leven; ze vouwen zich in complexe vormen om essentiële taken binnen onze cellen uit te voeren. Wanneer deze eiwitten echter niet goed functioneren, kunnen ze verkeerd vouwen en samenklonteren tot rigide, touwachtige structuren die amyloïde fibrillen worden genoemd. Dit proces staat centraal bij verschillende verwoestende neurodegeneratieve ziekten, waaronder Alzheimer en Parkinson. Decennialang hebben wetenschappers begrepen dat deze fibrillen geen willekeurige hopen eiwit zijn; ze bezitten een hooggeordende, stabiele kern waar de eiwitdraden in een specifiek patroon in elkaar grijpen. Toch bleef er een cruciaal puzzelstuk ontbreken: hoewel een eiwit lang en complex kan zijn, wordt slechts een specifiek segment ervan daadwerkelijk onderdeel van deze rigide, geordende kern. De rest van het eiwit blijft vaak ongeordend of hangt losjes aan de buitenkant. Weten welke aminozuren precies deze solide kern vormen, is essentieel voor het begrijpen van hoe deze ziekten zich ontwikkelen en voor het ontwerpen van medicijnen die dit proces kunnen stoppen, maar het identificeren van deze specifieke regio's op basis van alleen de genetische code van het eiwit is een moeilijke uitdaging gebleken.

Onderzoekers proberen deze gevaarlijke klonterende regio's al lang te voorspellen met computerprogramma's die zoeken naar eenvoudige chemische patronen, zoals reeksen aminozuren die van nature geneigd zijn aan elkaar te plakken. Echter, een nieuwe studie suggereert dat deze traditionele methoden de plank misslaan omdat ze de algemene neiging van een eiwit om te klonteren verwarren met de specifieke realiteit van wat daadwerkelijk wordt vergrendeld in de uiteindelijke, rigide structuur. Om dit op te lossen, ontwikkelde een team van wetenschappers een nieuwe tool genaamd AmyloCore-ML. In plaats van alleen te zoeken naar plakkerige plekken, werd deze tool getraind om de precieze "grammatica" van de sequentie te herkennen die in de vaste kern van een fibril terechtkomt, waarbij onderscheid wordt gemaakt van de delen van hetzelfde eiwit die dat niet doen. Door te leren van hoogwaardige afbeeldingen van echte fibrillen, leerde het systeem de subtiele verschillen te zien tussen de geordende kern en de ongeordende rest, wat een veel scherper beeld biedt van waar het gevaar precies ligt.

Het team begon met het verzamelen van een enorme collectie experimenteel opgeloste fibrilstructuren uit een publieke database die bekend staat als de Amyloid Atlas. Ze selecteerden zorgvuldig 69 verschillende eiwitten en onderzochten de gedetailleerde kaarten van hun fibrilvormen om precies te zien welke residuen vergrendeld waren in de geordende kern en welke buiten de kern bleven. Ze behandelden de vergrendelde residuen als de "kern" en de rest van het eiwit uit hetzelfde molecuul als de "niet-kern" controle. Deze aanpak was cruciaal omdat het de computer in staat stelde om het verschil te leren tussen twee delen van hetzelfde eiwit onder dezelfde omstandigheden, in plaats van ongerelateerde eiwitten met elkaar te vergelijken. De onderzoekers braken deze eiwitsequenties vervolgens op in overlappende vensters van variërende lengtes en voedden deze aan een machine learning-systeem. Ze testten twee verschillende manieren om het eiwit te beschrijven: één met behulp van standaard chemische eigenschappen en een andere met geavanceerde taalmodellen die de context van aminozuren begrijpen, vergelijkbaar met hoe een lezer begrijpt hoe de betekenis van een woord verandert op basis van de zin waarin het staat.

De resultaten toonden aan dat de geavanceerde taalmodellen superieur waren aan de traditionele chemische beschrijvingen. Het systeem leerde dat de identiteit van de kern niet alleen afhangt van een korte, plakkerige sequentie, maar sterk afhankelijk is van de omliggende omgeving van aminozuren. Toen de onderzoekers hun beste modellen testten, ontdekten ze dat ze de kernregio's met hoge nauwkeurigheid konden onderscheiden van de niet-kernregio's, waarbij ze een score van ongeveer 0,88 behaalden op een schaal waarbij 1,0 perfect is. Belangrijker nog, toen ze volledige eiwitten scanden om te zien of ze de kern konden lokaliseren, slaagde de tool erin de experimentele kernregio's succesvol aan te wijzen. De beste versie van het model kon het centrum van de kern lokaliseren binnen een gemiddelde afstand van slechts 12,4 residuen, wat een significante verbetering is ten opzichte van bestaande tools die de plank vaak met veel grotere marges misslaan.

Om de robuustheid van hun bevindingen te waarborgen, vergeleken het team hun nieuwe voorspeller met twee andere bekende tools die ontworpen zijn om aggregatiegevoelige regio's te vinden. De nieuwe tool presteerde consequent beter dan hen, niet alleen in het rangschikken van welke residuen het meest waarschijnlijk in de kern zitten, maar ook in het fysiek lokaliseren van het juiste segment van het eiwit. De onderzoekers merkten op dat terwijl andere tools een regio als algemeen geneigd tot klonteren kunnen identificeren, hun model specifiek het deel identificeert dat structureel wordt opgenomen in de volwassen fibril. Dit onderscheid is essentieel, omdat een regio in staat kan zijn om een klont te starten, maar niet noodzakelijkerwijs onderdeel wordt van de uiteindelijke, stabiele structuur. De studie bevestigde ook dat het gebruik van langere vensters van aminozuren betere resultaten opleverde, wat suggereert dat het signaal voor de vorming van een kern verspreid is over een breder gebied in plaats van beperkt te zijn tot een klein, geïsoleerd punt.

Het team valideerde hun aanpak door het te testen op eiwitten die volledig nieuw waren voor het systeem, waaronder paardenmyoglobine, P02070, Oat 11S globuline, Oat 12S seed storage globuline 2 en het menselijke Integraal membraaneiwit 2B. Zonder hertraining of aanpassing slaagde de tool erin om hoog-waarschijnlijke kernsegmenten te identificeren die overlapten met de experimenteel opgeloste structuren van deze onbekende eiwitten. Dit bewees dat het systeem een algemene regel heeft geleerd over hoe eiwitten zich in fibrillen vouwen, in plaats van alleen de specifieke voorbeelden waarop het getraind was, te memoriseren. De onderzoekers maakten hun tool gratis beschikbaar via een interactieve online interface, waardoor andere wetenschappers eiwitsequenties kunnen invoeren en direct een kaart kunnen zien van waar de amyloïde kern waarschijnlijk zal vormen. Door de focus te verschuiven van algemene plakkerigheid naar de specifieke architectuur van de fibrillenkern, biedt dit werk een duidelijker, preciezer beeld van de moleculaire mechanica van deze ziekten, wat potentieel de weg vrijmaakt voor het ontwerp van toekomstige therapieën die zich richten op de exacte oppervlakken waar deze schadelijke structuren zich assembleren.