Efficient exploration of conformational ensembles via protein interaction-informed deep learning

Technische Samenvatting: Efficiënte exploratie van conformationele ensembles via eiwitinteractie-geïnformeerd deep learning

Probleemstelling
Het nauwkeurig karakteriseren van conformationele ensembles van eiwitten is cruciaal voor het begrijpen van biologische functies en het bevorderen van medicijnontwerp. Hoewel Moleculaire Dynamica (MD) simulaties dienen als de gouden standaard voor het verkennen van deze landschappen, zijn ze computationeel te kostbaar voor toepassingen met een hoge doorvoer of voor grote macromoleculaire systemen. Generatieve kunstmatige intelligentie (AI) modellen, zoals diffusie- en flow-gebaseerde frameworks, bieden een sneller alternatief. Bestaande methoden worstelen echter vaak met structurele hallucinaties, met name in flexibele of informatiearme regio's, en leunen zwaar op het uitbreiden van trainingsdatasets met geïsoleerde single-chain structuren. De auteurs stellen dat het kunstmatig ontkoppelen van eiwitketens van hun natuurlijke interactiecontexten de modellen beperkt tot het leren van statische structurele distributies in plaats van de onderliggende fysieke beperkingen die conformationele veranderingen aansturen.

Methodologie
De studie introduceert DynoM, een generatief framework dat is ontworpen om gebruik te maken van eiwitcomplex-interacties om de voorspelling van monomerische conformationele ensembles te verbeteren. De methodologie omvat een tweefasige trainingsstrategie:

1. Architectuur: DynoM maakt gebruik van een conditionele diffusie-architectuur gebaseerd op de AlphaFold3 (AF3) template-vrije trunk. Het bevat een positioneel coderingmodule om de identiteit van ketens in multi-keten inputs te differentiëren. De diffusiemodule maakt gebruik van Invariant Point Attention (IPA)-gebaseerde transformers om het eiwitbackbone iteratief te reconstrueren vanuit willekeurige ruis.
2. Trainingsdata:
   • Pre-training: Het model werd gepre-trained op een gecureerde dataset van 62.044 statische eiwitcomplexstructuren (heterodimeren en antigeen-antilichaam complexen), wat slechts ~10% van het volume van beschikbare monomeer-data vertegenwoordigt, maar een hogere sequentiediversiteit biedt.
   • Fine-tuning: Om de beperkingen van statische data aan te pakken, genereerden de auteurs een eigen dataset van 5.502 all-atom MD-trajecten (elk 100 ns) voor eiwitcomplexen met behulp van GROMACS. Het gepre-trainde model werd gefine-tuned op deze dynamische data om te fungeren als een "structurele anker", waardoor niet-fysische bewegingen worden gecorrigeerd.
3. Loss-functies: De trainingsdoelstelling combineert denoising score-matching loss met hulptermen: directe Mean Square Error (MSE) op backbone coördinaten, lokale buurt-loss op paarvormige atomaire afstanden (≤ 8,5 Å), en een sterische clash-penalty om onfysische atomaire overlappingen binnen en tussen ketens te voorkomen.
4. Evaluatie: De prestaties werden getoetst tegen state-of-the-art baselines (BioEmu, ConfDiff, AlphaFlow) met behulp van een onafhankelijke testset van 63 eiwitten met variërende lengtes en topologieën. De gebruikte metrieken waren globale topologische maten (PwD-JSD, Rg-JSD), dynamische consistentie (TIC-JSD, TIC-RMWD) en residue-niveau flexibiliteit (rRMSF).

Belangrijkste Bijdragen

• Interactie-geïnformeerd Leren: De paper demonstreert dat het opnemen van een relatief klein deel (10%) aan complex-data aanzienlijk beter presteert dan modellen die uitsluitend op monomeren zijn getraind. Specifiek verbeterde het aanvullen van monomeer-getrainde modellen met complex-data de prestaties met 6,64% in PwD-JSD en 22,87% in Rg-JSD.
• Onderdrukking van Structurele Hallucinaties: DynoM vangt effectief langetermijn fysieke beperkingen die inherent zijn aan complex-interacties. Deze capaciteit stelt het model in staat om structurele hallucinaties in de inter-domein positionering van multi-domein monomeren te onderdrukken, een uitdaging waarbij eerdere modellen vaak falen.
• Complementaire Priors: De studie stelt vast dat statische complex-structuren essentiële topologische priors bieden, terwijl MD fine-tuning de noodzakelijke dynamische beperkingen levert om evenwichtsdistributies te benaderen.
• Data-efficiëntie: DynoM bereikt superieure prestaties met aanzienlijk minder trainingsdata (zowel statische structuren als MD-trajecten) vergeleken met bestaande baselines.
• Resource Release: De auteurs stellen de onderzoeksgemeenschap een nieuwe dataset van 5.502 MD-trajecten van eiwitcomplexen en de broncode voor DynoM beschikbaar.

Resultaten

• Benchmark Prestaties: Op de 63-eiwit testset presteerde DynoM beter dan BioEmu, ConfDiff en AlphaFlow over alle evenwichtsmetrieken heen (P < 0,05). Het behaalde de laagste TIC-JSD en TIC-RMWD, wat wijst op een superieure dekking van de toegankelijke conformationele ruimte terwijl de generatie van niet-fysische toestanden wordt geminimaliseerd.
• Multi-domein Accuraatheid: Voor multi-domein eiwitten vertoonde DynoM een hoge consistentie in de inter-domein positionering, waarbij de afwijkingen in off-diagonal pairwise Cα-Cα afstanden significant werden verminderd ten opzichte van de baselines.
• Conformationele Diversiteit: Analyses van eiwitten met lokale structurele veranderingen, apo-holo transities en rigid-body domeinbewegingen toonden aan dat DynoM succesvol multi-conformationele landschappen kon samplen. Cruciaal is dat het model de conformationele diversiteit van monomerische toestanden niet overmatig beperkte; de voorspelde ensembles voor ongebonden antigenen dekten zowel de gebonden als de ongebonden conformationele ruimtes.
• Complex Voorspelling: Voorlopige tests op 20 antigeen-antilichaam complexen lieten zien dat DynoM rigide framework regio's van flexibele CDR's kon onderscheiden en plausibele conformaties kon identificeren in gevallen waar AlphaFold3 faalde, hoewel interface precisie (iRMSD) een beperking blijft vergeleken met AF3.

Betekenis en Claims
De auteurs claimen dat de interface-priors afgeleid van eiwitcomplexen een onmisbare "missing link" zijn in de huidige voorspelling van conformationele ensembles. Door deze fysieke beperkingen te benutten, biedt DynoM een robuust, data-efficiënt instrument dat de kloof overbrugt tussen de behoefte aan dynamische inzichten en de computationele last van fysica-simulaties. Het werk suggereert dat datakwaliteit (het opnemen van interactiebeperkingen) belangrijker is dan de loutere hoeveelheid data. Hoewel het model momenteel focust op dimeren en antigeen-antilichaam complexen en vertrouwt op backbone-generatie in plaats van end-to-end all-atom voorspelling, vormt het een proof-of-concept voor het gebruik van complex-afgeleide beperkingen om de fysieke plausibiliteit van eiwitmodellering te verbeteren. De auteurs erkennen beperkingen met betrekking tot de reikwijdte van de trainingsdata (uitsluiting van grotere multimerische assemblages) en de noodzaak voor verdere optimalisatie van loss-functies en atomaire-niveau voorspelling voor complexe dynamica.