AminoGrapes: Structure-Weighted Evolutionary Scoring for Viral Protein Fitness Prediction

Virussen zijn meesters in verandering. Om te overleven, herschrijven ze voortdurend hun eigen genetische instructies door kleine bouwstenen die aminozuren worden genoemd uit te wisselen, om zo ons immuunsysteem te ontwijken of beter in staat te zijn cellen te infecteren. Wetenschappers willen voorspellen welke van deze veranderingen de helpend zullen zijn voor het virus en welke het zullen breken, een taak die cruciaal is voor het ontwerpen van vaccins en het begrijpen van de verspreiding van ziekten. De uitdaging is dat virussen zo snel evolueren dat er vaak maar heel weinig voorbeelden van zijn om te bestuderen, wat het moeilijk maakt om hun regels te leren. Traditioneel hebben onderzoekers twee hoofdwegen gebruikt om de uitkomst van een mutatie te raden. De ene methode kijkt naar de geschiedenis door duizenden gerelateerde virale sequenties te scannen om te zien welke delen in de loop van de tijd constant zijn gebleven; als een plek nooit verandert, is deze waarschijnlijk essentieel. De andere methode vertrouwt op de fysieke vorm van het eiwit, wetende dat veranderingen aan de dicht opeengepakte, verborgen kern van een molecuul eerder schade veroorzaken dan veranderingen aan het blootgestelde oppervlak.

Een onderzoeker genaamd Muhammad Saad Khan, werkzaam bij Afrium in Islamabad, heeft deze twee benaderingen gecombineerd in een nieuwe tool genaamd AminoGrapes. Het doel was om een eenvoudige, snelle manier te creëren om te voorspellen hoe goed een viraal eiwit zal functioneren na een mutatie, specifiek voor de moeilijke gevallen waarbij er niet genoeg data beschikbaar is voor de meest geavanceerde computermodellen om goed te werken. De methode neemt een viraal eiwitsequentie en doet twee dingen. Eerst bouwt het een stamboom van soortgelijke virussen om te berekenen hoeveel elke positie in het eiwit door de evolutie is geconserveerd. Ten tweede gebruikt het een door de computer gegenereerd 3D-model van het eiwit om te bepalen hoe diep begraven of blootgesteld elke positie is. De tool vermenigvuldigt deze twee stukken informatie vervolgens met elkaar. Als een positie zowel historisch sterk geconserveerd is als diep begraven zit in de kern van het eiwit, krijgt een mutatie daar een zware straf. Als een positie zich aan de oppervlakte bevindt of in het verleden vaak is veranderd, is de straf veel lichter. Dit creëert een enkele score die voorspelt of een specifieke verandering zal worden getolereerd door het virus.

De onderzoekers testten deze tool op een standaardset van eenendertig verschillende virale eiwitexperimenten, bekend als assays, die meten hoe goed gemuteerde eiwitten daadwerkelijk functioneren in een laboratorium. Ze vergeleken hun nieuwe tool met een krachtig, veelgebruikt kunstmatig intelligentiemodel genaamd ESM2, een groot taalmodel dat is getraind op miljoenen eiwitsequenties. De resultaten toonden aan dat AminoGrapes aanzienlijk beter was in het voorspellen van de fitness van virale eiwitten dan het standaard AI-model. Gemiddeld kwam de nieuwe tool overeen met de experimentele resultaten uit de echte wereld met een correlatie van 0,430, terwijl het AI-model slechts 0,269 bereikte. In vijfentwintig van de eenendertig tests was AminoGrapes de nauwkeurigere voorspeller. Deze verbetering kwam voort uit het feit dat de nieuwe tool expliciet gebruik maakte van de fysieke structuur van het eiwit en de geschiedenis van de familie, terwijl het AI-model probeerde te raden op basis van alleen de sequentie van letters in de genetische code.

Echter, het verhaal is er niet een van totale overwinning. Wanneer de onderzoekers AminoGrapes vergeleken met de allerbeste methoden die momenteel beschikbaar zijn in de wetenschappelijke gemeenschap, schoot het tekort. Andere gevestigde tools, die vaak complexere wiskunde of grotere datasets gebruiken, behaalden hogere scores, waarbij de beste presteerder een score van 0,480 bereikte. Opvallend genoeg scoorde AminoGrapes aanzienlijk lager dan de originele RSALOR-implementatie, die 0,480 behaalde op dezelfde assays. De auteur merkte zorgvuldig op dat hun tool geen nieuwe waarde toevoegde wanneer het werd gecombineerd met deze topmethoden; sterker nog, het toevoegen van AminoGrapes aan een groep van de beste bestaande modellen maakte de gecombineerde voorspelling zelfs iets slechter. Dit suggereert dat hoewel de nieuwe tool een solide, onafhankelijke stap voorwaarts is voor virale eiwitten, het de huidige stand van de techniek nog niet overtreft. Bovendien gaven de onderzoekers toe dat de tool werd ontwikkeld terwijl zij naar de resultaten van deze specifieke virale tests keken, wat betekent dat de cijfers enigszins optimistisch kunnen zijn en in de toekomst bevestigd moeten worden op nieuwe, ongeziene data.

De studie onderzocht ook wat er gebeurt als je de nieuwe tool mengt met het oude AI-model. Ze probeerden de twee voorspellingen te mengen om te zien of ze het beste van beide werelden konden krijgen. Op niet-virale eiwitten, waar het AI-model erg sterk is, werkte de mix goed. Maar op de virale eiwitten presteerde de mix slechter dan de nieuwe tool alleen. Dit gebeurde omdat het AI-model over het algemeen zwakker is op virussen, en het mengen van de kwalitatief lagere voorspellingen van het AI-model met de kwalitatief hogere voorspellingen van de nieuwe tool het gemiddelde omlaag trok. Dit bevinding benadrukt een specifieke zwakte in huidige AI-modellen wanneer ze worden toegepast op snel evoluerende virussen en suggereert dat voor deze specifieke biologische problemen een eenvoudigere methode die direct gebruikmaakt van de evolutionaire geschiedenis en 3D-structuur momenteel betrouwbaarder is dan een massaal, algemeen taalmodel.

Uiteindelijk laat dit werk zien dat voor virale eiwitten een eenvoudige berekening die zowel de diepe geschiedenis van het virus als de fysieke beperkingen van de vorm respecteert, een geavanceerde kunstmatige intelligentie kan overtreffen. Het beweert niet het probleem van het voorspellen van virale evolutie te hebben opgelost, noch beweert het het krachtigste instrument beschikbaar te zijn in algemene zin. In plaats daarvan biedt het een duidelijk, interpreteerbaar en effectief alternatief voor een specifieke, moeilijke hoek van de biologie. De onderzoekers benadrukken dat hun tool geen wondermiddel is, maar een praktisch instrument dat een gat vult waar huidige AI moeite mee heeft, en een betere manier biedt om te begrijpen welke mutaties een virus kunnen laten overleven en welke het zullen doen falen.