GLOM TGITO: multiscale protein modelling and multiview landscape-guided sequence discovery

Eiwitengineering is de kunst van het herschrijven van de biologische code van het leven om moleculen te creëren die nieuwe taken uitvoeren. In het hart van dit vakgebied ligt een eenvoudige maar moeilijke uitdaging: wetenschappers hebben een enorme bibliotheek aan eiwitsequenties, maar ze kunnen slechts een fractie daarvan in een laboratorium testen. Het doel is om de zeldzame, hoogpresterende varianten te vinden die verborgen liggen in die enorme zee van mogelijkheden, zonder dat elk afzonderlijk exemplaar gebouwd en gemeten hoeft te worden. Om dit te doen, gebruiken onderzoekers computermodellen die leren van de weinige voorbeelden die ze hebben gemeten. Deze modellen proberen te voorspellen hoe een verandering in de sequentie van een eiwit de functie beïnvloedt, zoals hoe helder een fluorescerend eiwit zal gloeien. Er bestaat echter een groot probleem: deze modellen worden vaak overmoedig. Ze kunnen voorspellen dat een volledig nieuwe, niet-geteste sequentie briljant zal zijn, simpelweg omdat deze enigszins lijkt op de heldere varianten die ze eerder hebben gezien, zelfs als het model geen echt bewijs heeft om die claim te ondersteunen. Dit leidt tot verspilde inspanning door het najagen van sequenties die er goed uitzien op een computerscherm, maar falen in de echte wereld.

Een team van onderzoekers heeft een nieuwe aanpak ontwikkeld genaamd GLOM–TGITO om dit specifieke probleem op te lossen. In plaats van te vertrouwen op één enkel, rigide beeld van het eiwit, bouwt hun systeem een meerlagige kaart van de structuur en het gedrag van het eiwit. Stel je voor dat je naar een landschap kijkt, niet alleen vanaf een satelliet, maar ook vanuit een drone, een heuveltop en een straatniveau tegelijkertijd. De onderzoekers' model doet iets dergelijks door het eiwit op drie verschillende schalen te analyseren: het gehele molecuul, specifieke regio's van het molecuul, en individuele sleutelplekken waar veranderingen het meest uitmaken. Door deze verschillende perspectieven te combineren, kan het systeem het "terrein" van de eiwitprestaties duidelijker zien. Het gebruikt deze gedetailleerde kaart om de zoektocht te sturen, waardoor wordt gewaarborgd dat wanneer het een nieuw, helderder eiwit voorstelt, dit gebeurt vanuit een plek van solide, lokale bewijslast in plaats van blind gokwerk.

De onderzoekers testten deze methode op een dataset met meer dan 31.000 gemeten versies van een fluorescerend eiwit genaamd ppluGFP2. Ze trainden hun model om de helderheid van deze eiwitten te voorspellen op basis van hun genetische sequenties. Wanneer ze hun nieuwe systeem vergeleken met de sterkste bestaande methoden, waren de resultaten opmerkelijk. Het nieuwe model maakte aanzienlijk minder voorspelfouten. Belangrijker nog, toen ze het model gebruikten om te zoeken naar de top 100 helderste nieuwe kandidaten, bleken bijna alle kandidaten — 96,3% in één test en 97,3% in een andere — daadwerkelijk helder wanneer ze in het lab werden gemeten. In tegenstelling hiertoe slaagden de beste concurrerende methoden er slechts in om heldere eiwitten te vinden in ongeveer de helft van hun topselecties. Dit sugggeert dat het nieuwe systeem veel beter in staat is om onderscheid te maken tussen sequenties die werkelijk veelbelovend zijn en die alleen veelbelovend lijken voor een verwarde computer.

De kracht van dit systeem ligt in de manier waarop het met onzekerheid omgaat. Terwijl de computer op zoek gaat naar betere eiwitten, controleert hij voortdurend zijn eigen vertrouwen. De vraag is: "Heb ik genoeg echte data in de buurt om deze voorspelling te vertrouwen?" Als het model zich begeeft in een gebied waar het weinig experimentele ondersteuning heeft, wordt het voorzichtig. Het gebruikt een dynamische poort om verschillende visies op het eiwitlandschap te wegen, waarbij de visies die worden ondersteund door echte metingen prioriteit krijgen. Dit proces stelde de onderzoekers in staat om 2.594 verschillende kandidaat-sequenties uit hun zoektocht te vinden. Toen zij deze filterden tot de top 100, waren de geselecteerde eiwitten niet alleen voorspeld als helder, maar vertoonden ze ook een veel lagere "deviatie" van de bekende trainingsdata. In gewone taal uitgedrukt: deze nieuwe eiwitten waren nieuw genoeg om interessant te zijn, maar ook dichtbij genoeg bij wat het model als betrouwbaar kende. Deze balans stelde hen in staat om 38 kandidaten te vinden die zowel nieuw als betrouwbaar waren, een aantal dat meer dan het dubbele was van wat andere methoden produceerden.

Om te begrijpen waarom deze nieuwe eiwitten werkten, voerden de onderzoekers gedetailleerde computersimulaties uit van hun fysieke gedrag. Ze keken naar hoe de eiwitten bewogen en hoe hun oppervlakten interactie hadden met water. Ze ontdekten dat veel van de succesvolle ontwerpen kleinere, minder plakkerige plekken op hun oppervlak hadden. In de wereld van eiwitten helpt het hebben van een minder plakkerig oppervlak vaak om het molecuul correct te vouwen en klontering te voorkomen, wat essentieel is om helder te kunnen gloeien. Naast het oppervlak onthulden de simulaties veranderingen diep in de kern van het eiwit, nabij het deel dat daadwerkelijk licht uitzendt. In sommige van de topontwerpen hield de interne structuur het lichtgevende deel compacter vast, waardoor de wiebelbeweging werd verminderd. Bij anderen waren de chemische verbindingen die het lichtgevende deel op zijn plaats houden stabieler. Deze fysieke veranderingen boden een duidelijke verklaring voor waarom de keuzes van de computer succesvol waren: de nieuwe sequenties creëerden een stabielere omgeving waarin het licht kon schijnen.

Dit werk toont aan dat het combineren van een gedetailleerd, meerschaal niveau van een eiwit met een zorgvuldige controle van lokale bewijslast de zoektocht naar betere biologische instrumenten drastisch kan verbeteren. De onderzoekers hebben niet alleen helderdere eiwitten gevonden; ze hebben een manier gevonden om ze met vertrouwen te vinden. Door ervoor te zorgen dat elke nieuwe suggestie wordt ondersteund door een solide begrip van het lokale landschap, vermeden ze de valstrik van overmoedigheid die eerdere pogingen heeft geteisterd. Het resultaat is een pijplijn die een hoge opbrengst produceert van werkelijk functionele, heldere fluorescerende eiwitten, wat een betrouwbaarder pad biedt voor het ontwerpen van de volgende generatie biologische sensoren en instrumenten. De studie bevestigt dat wanneer we computers leren om naar eiwitten te kijken vanuit meerdere hoeken en om de grenzen van hun eigen kennis te respecteren, we nieuwe biologische functies kunnen ontdekken die voorheen onbereikbaar waren.