Repurposing PeTriBERT for Protein Protein Interaction Prediction with Sequence Structure Fusion

Het leven op microscopische schaal is een wereld van constante verbinding. Binnen elke levende cel fungeren eiwitten als de arbeiders, bouwers en boodschappers die de machinerie van het leven draaiende houden. Deze moleculen zijn geen solitaire figuren; ze werken zelden alleen. In plaats daarvan moeten ze specifieke partners vinden en aan elkaar koppelen om teams te vormen die chemische reacties aandrijven, signalen verzenden of cellulaire structuren bouwen. Dit proces waarbij twee eiwitten elkaar vinden en aan elkaar blijven plakken, wordt een eiwit-eiwitinteractie genoemd. Begrijpen welke eiwitten precies met elkaar paren en hoe ze dat doen, is cruciaal voor wetenschappers. Als onderzoekers deze verbindingen in kaart kunnen brengen, kunnen ze ontdekken hoe ziekten ontstaan, waarom bepaalde medicijnen werken en hoe ze nieuwe medicijnen kunnen ontwerpen om defecte biologische systemen te herstellen.

Lange tijd was het ontrafelen van deze partnerschappen alsof men een puzzel probeerde op te lossen met ontbrekende stukjes. Wetenschappers konden interacties tussen eiwitten in een laboratorium observeren, maar het proces was traag, duur en vaak incompleet. In de afgelopen jaren heeft kunstmatige intelligentie een stap voorwaarts gemaakt door te leren hoe eiwitten zich vouwen tot driedimensionale vormen. Deze doorbraak heeft een nieuwe deur geopend: als we de vorm van een eiwit kunnen voorspellen, kunnen we misschien ook voorspellen hoe het met anderen zal interageren. De vorm van een eiwit is echter slechts de helft van het verhaal. De chemische sequentie — de specifieke volgorde van de bouwstenen — bevat ook vitale aanwijzingen. De uitdaging was om een computermodel te bouwen dat zowel de sequentie als de vorm tegelijkertijd kan lezen en deze kan combineren om een betrouwbare voorspelling te doen over de vraag of twee eiwitten zullen interageren.

Een team van onderzoekers in Frankrijk heeft een belangrijke stap voorwaarts gezet in deze inspanning door een nieuwe tool genaamd PeTriPPI2 te creëren. Hun werk richt zich op een slimme strategie waarbij bestaande AI-modellen worden hergebruikt om een nieuw probleem op te lossen. Ze begonnen met twee krachtige, vooraf getrainde systemen. Het eerste is een model dat miljoenen eiwitsequenties heeft gelezen en de taal van de biologie heeft geleerd, vergelijkbaar met hoe een mens een gesproken taal leert. Het tweede is een model dat oorspronkelijk werd ontworpen voor het tegenovergestelde van wat gewoonlijk wordt verwacht: in plaats van een vorm te voorspellen op basis van een sequentie, werd het getraind om de sequentie te raden die een specifieke vorm zou creëren. Dit tweede model, bekend als PeTriBERT, is uitzonderlijk goed in het begrijpen van de geometrische regels die bepalen hoe eiwitdelen in de driedimensionale ruimte in elkaar passen.

De onderzoekers realiseerden zich dat hoewel PeTriBERT voor een andere taak was gebouwd, het diepe begrip van de eiwitgeometrie ongelooflijk nuttig kon zijn voor het voorspellen van interacties. Ze voegden dit geometrische model samen met het sequentie-lezende model, waardoor een hybride systeem ontstond. In hun opstelling worden de twee te testen eiwitten op twee manieren in het systeem gevoed. Eén pad stuurt de ruwe sequentie van aminozuren door het taalmodel om de chemische instructies vast te leggen. Het andere pad stuurt de driedimensionale structuur van de eiwitten door het geometrische model. Het systeem kijkt vervolgens naar hoe deze twee informatiestromen met elkaar overeenstemmen. Het vraagt zich af of de chemische instructies en de fysieke vormen van de twee eiwitten compatibel genoeg zijn om een stabiele binding te vormen.

Om te testen of deze aanpak werkte, trainde het team hun nieuwe model op een enorme dataset met meer dan 1,6 miljoen eiwitparen, waarvan de helft bekend was als interagerend en de andere helft niet. Vervolgens onderwierpen ze het model aan een test met een aparte groep van 2.342 eiwitparen die het nog nooit eerder had gezien. De resultaten waren sterk. Het model identificeerde interagerende paren met een hoge mate van nauwkeurigheid en behaalde een score van 0,898. Belangrijker nog: wanneer het model aangaf dat twee eiwitten zouden interageren, had het in 91,7 procent van de gevallen gelijk. Dit hoge niveau van precisie betekent dat het model zeer goed is in het vermijden van valse alarmen, een cruciale eigenschap voor onderzoekers die betrouwbare aanwijzingen nodig hebben om in het laboratorium verder te gaan.

De studie onthulde ook iets interessants over de werking van het model door te testen wat er gebeurt wanneer delen ervan worden verwijderd. Wanneer de onderzoekers het model blokkeerden voor het zien van de sequentie-informatie, daalde het vermogen om interacties te voorspellen aanzienlijk. Wanneer ze de structurele informatie blokkeerden, daalde de nauwkeurigheid van het model naar 0,523 en de F1-score naar 0,118, wat slechts iets beter was dan willekeurig gokken. Dit bevestigde dat zowel de chemische sequentie als de fysieke vorm essentieel zijn voor de werking van het systeem. Het model is niet alleen patronen aan het memoriseren; het gebruikt daadwerkelijk de combinatie van beide soorten gegevens om zijn beslissingen te nemen.

In vergelijking met andere toonaangevende methoden toonde PeTriPPI2 een duidelijke kracht. Het was nauwkeuriger dan een vergelijkbaar hybride model genaamd SpatialPPIv2, wat betekent dat het minder fouten maakte bij het voorspellen dat een interactie zou plaatsvinden. Het was echter iets minder sensitief, waardoor het minder van de totale mogelijke interacties oppikte. Dit suggereert dat PeTriPPI2 met een strengere standaard werkt en de voorkeur geeft aan zekerheid voordat het een oordeel velt. Voor wetenschappers kan deze afweging waardevol zijn. In veel onderzoeksscenario's is het beter om een kleinere lijst van zeer betrouwbare kandidaten te hebben dan een lange lijst van mogelijkheden die veel valse aanwijzingen bevat.

Het werk laat zien dat kunstmatige intelligentie-modellen die voor één specifieke biologische taak zijn getraind, succesvol kunnen worden aangepast voor een andere. Door een model dat ontworpen is om de vorm van eiwitten te reverse-engineeren te nemen en het te leren interacties te herkennen, lieten de onderzoekers zien dat de onderliggende geometrische kennis overdraagbaar is. Hoewel het model nog steeds afhankelijk is van een goede voorspelling van de vorm van het eiwit om te kunnen werken, suggereert het succes van deze aanpak dat de toekomst van de eiwitwetenschap mogelijk ligt in deze hybride systemen. Ze combineren de enorme kennis van eiwitsequenties met de precieze logica van fysieke geometrie, waardoor een completer beeld ontstaat van hoe de moleculaire wereld met elkaar verbonden is.