AlphaFold Database expands to proteome-scale quaternary structures

Stel je het menselijk lichaam (en elk ander levend wezen) voor als een enorme, bruisende stad. Binnen deze stad zijn de werkers eiwitten. Lange tijd dachten wetenschappers dat deze werkers individuele werknemers waren, die elk hun werk in isolatie uitvoerden. We bouwden zelfs een gigantische digitale bibliotheek, de AlphaFold Database genoemd, die de blauwdrukken bevat van miljoenen van deze individuele werkers, die ons precies laten zien hoe ze er in 3D uitzien. Maar hier is de crux: in de echte stad werken eiwitten zelden alleen. Het zijn sociale wezens die constant teams vormen, handen schudden en complexe machines bouwen om taken uit te voeren. Deze teams worden "complexen" genoemd. Tot nu toe miste onze bibliotheek de blauwdrukken voor deze teams. We wisten wie de werkers waren, maar we wisten niet hoe ze elkaars hand vasthielden of hoe ze hun machines bouwden. Dit is belangrijk, want als je een kapotte machine wilt repareren of wilt begrijpen hoe een stad functioneert, moet je de werkers samen zien, niet alleen staand in hun eentje.

Nu heeft een massale samenwerking tussen wetenschappers van het European Molecular Biology Laboratory, Seoul National University, NVIDIA en Google DeepMind eindelijk de deuren naar dit ontbrekende deel van de bibliotheek geopend. Ze hebben niet simpelweg geraden; ze gebruikten supercomputers om de 3D-vormen van meer dan 31 miljoen potentiële proteïne-teams te voorspellen. Uit deze berg aan voorspellingen hebben ze de wankele gissingen eruit gefilterd en 1,81 miljoen hoogwaardige modellen van eiwitparen die samenwerken behouden. Beschouw het als een upgrade van de bibliotheek van een collectie individuele portretten naar een enorme galerie van groepsfoto's. Ze ontdekten dat hoewel sommige teams erg lijken op de teams die we al eerder onder microscopen hebben gezien, veel andere volkomen nieuw zijn en structuren onthullen die volledig onzichtbaar waren toen we alleen naar de eiwitten afzonderlijk keken. Deze nieuwe bron is nu gratis toegankelijk voor iedereen om te verkennen, en biedt een frisse kijk op hoe de moleculaire machinerie van het leven daadwerkelijk wordt geassembleerd.

De Grote Sprong: Van Solo-optredens naar Teamsporten

Jarenlang was de AlphaFold Protein Structure Database (AFDB) als een fotoalbum van individuele acteurs. Het gaf ons de 3D-vormen van enkelvoudige eiwitten met ongelooflijke nauwkeurigheid, wat ons begrip van de biologie heeft gerevolutioneerd. Maar biologie is zelden een solo-act. Eiwitten functioneren meestal door zich vast te grijpen aan andere eiwitten, waarbij ze paren of grotere groepen vormen om taken uit te voeren zoals het verzenden van signalen, het bouwen van celwanden of het kopiëren van DNA. Het probleem was dat we wel de foto's van de acteurs hadden, maar niet de foto's van de duetten.

Dit nieuwe artikel beschrijft een enorme uitbreiding van die database. Het team voorspelde de structuren van 31 miljoen kandidaat-eiwitparen (dimeren) van 4.777 verschillende organismen, variërend van veelvoorkomende laboratoriumbacteriën tot organismen die cruciaal zijn voor de wereldwijde gezondheid. Ze hebben niet zomaar alles in de mix gegooid; ze gebruikten een rigoureus filterproces om de meest betrouwbare voorspellingen te vinden. Na deze door een kwaliteitscontrole te hebben gehaald, identificeerden ze 1,81 miljoen hoogwaardige structuren. Dit zijn de "gouden standaard"-modellen waarbij de computer er zeer zeker van is dat de twee eiwitten elkaar op de voorspelde manier de hand houden.

Waarom Kijken naar Paren Alles Verandert

Het meest opwindende deel van deze ontdekking is dat het zien van eiwitten als een team het verhaal vaak volledig verandert. Soms ziet een eiwit er alleen voorspeld uit als een rommelige, onherkenbare vlek, maar wanneer je het naast zijn partner plaatst, klikt het in een perfecte, duidelijke vorm.

De auteurs vonden verschillende manieren waarop dit gebeurt:

• Het "Puzzelstukjes-effect": Sommige eiwitten zijn als puzzelstukjes die pas logisch zijn wanneer ze in elkaar klikken. Bijvoorbeeld: één eiwit van een slijmzwam (een type microbe) zag er op zichzelf uit als een kapot, onbetrouwbaar rommeltje. Maar wanneer het als een paar werd gemodelleerd, wisselden de twee helften delen van hun structuur uit om elkaars vormen te voltooien, waardoor een perfecte, hoogwaardige machine ontstond.
• Het "Muurbouwer-effect": Sommige eiwitten zijn als bakstenen die gestapeld moeten worden om een muur te vormen. Een eiwit dat betrokken is bij cellulaire opruiming (autofagie) zag er op zichzelf uit als een wankele, onzekere helixbundel. Maar wanneer het met zijn tweelingbroer werd gekoppeld, vormden ze een solide, coherente structuur die duidelijk definieerde waar het celmembraan moest zitten, iets wat het solo-model niet kon achterhalen.
• Het "Architect-effect": Zelfs wanneer een solo-eiwit er goed uitziet, kan het toevoegen van een partner de manier waarop de verschillende onderdelen zijn gerangschikt, corrigeren. Eén eiwit had een betrouwbare vorm, maar de afstand tussen de twee hoofdsecties was een gok. Wanneer het als een paar werd gemodelleerd, fungeerde de partner als een steiger die de twee secties in de juiste positie vergrendelde.

Kortom, het artikel laat zien dat voor veel eiwitten de "echte" vorm alleen bestaat wanneer ze deel uitmaken van een complex. Je kunt het hele plaatje niet begrijpen door de onderdelen in isolatie te bekijken.

Wat de Cijfers Ons Vertellen

Het team heeft niet alleen mooie plaatjes gemaakt; ze hebben de berekeningen uitgevoerd om te zien hoe betrouwbaar deze voorspellingen zijn. Ze stelden strikte regels op voor wat telt als een "hoogwaardig" team. Ze ontdekten dat:

• Homodimeren (identieke paren): Ongeveer 9,1% van de voorspelde identieke paren slaagde voor de hoogwaardige test. Dat is veel! Dit suggereert dat wanneer twee van dezelfde eiwit een team vormen, de computer erg goed is in het uitzoeken hoe ze in elkaar passen.
• Heterodimeren (verschillende paren): Slechts ongeveer 1,0% van de voorspelde verschillende paren slaagde voor de test. Dit is lager, en de auteurs suggereren dat dit komt doordat ze een breed net hebben uitgeworpen om potentiële partners te vinden, wat betekent dat veel van de paren die ze testten, in het echte leven misschien niet met elkaar interageren.
• Oeroude Teams: Wanneer ze deze structuren groepeerden op basis van gelijkenis, vonden ze dat de top 1% van de meest voorkomende structuren verantwoordelijk was voor ongeveer 44% van alle hoogwaardige complexen. Nog fascinerender is dat ongeveer 8,3% van deze veelvoorkomende structuren werd gevonden in totaal verschillende takken van het leven (zoals bacteriën, planten en dieren). Dit suggereert dat sommige van deze eiwitteams oeroud zijn en door de evolutie miljarden jaren lang zijn behouden omdat ze zo goed werken.

Voorbij de Bekende Wereld

Een van de belangrijkste conclusies is hoeveel van deze nieuwe wereld nieuw is. Toen ze hun 1,81 miljoen hoogwaardige modellen vergeleken met de bestaande bibliotheek van experimenteel bepaalde structuren (de PDB), ontdekten ze dat 31,3% van de individuele voorspellingen niet overeenkwam met iets wat we ooit onder een microscoop hebben gezien. Op het niveau van groepen (clusters), hadden 63,6% van de unieke structuren geen bekende experimentele match.

Dit betekent dat de database niet alleen de gaten opvult, maar ook geheel nieuwe gebieden ontdekt. Hoewel veel van deze voorspellingen verankerd zijn in wat we al weten (wat wetenschappers vertrouwen geeft om ze te gebruiken), strekt een groot deel zich uit naar onontgonnen gebied en biedt hypothesen voor structuren die experimentele onderzoekers nog niet hebben gevonden.

De Kern van het Verhaal

Dit artikel is een enorme stap voorwaarts, waarbij de AlphaFold Database wordt getransformeerd van een collectie solo-portretten naar een dynamische galerie van moleculaire teamwork. Door 1,81 miljoen hoogwaardige modellen van eiwitparen te leveren, hebben de auteurs biologen een nieuw instrument gegeven om hypothesen te genereren over hoe eiwitten interageren, hoe ziekten deze teams kunnen verstoren en hoe men nieuwe medicijnen kan ontwerpen. Ze beweren niet dat ze elke eiwitinteractie in het universum hebben opgelost, maar ze hebben een schaalbaar, betrouwbaar kader geboden dat de kloof overbrugt tussen wat we weten en wat we moeten ontdekken. De bibliotheek is nu open, en de groepsfoto's staan klaar om door u te worden verkend.