Neural spectroscopy of AlphaFold2 reveals encoded protein conformational landscapes

Resumo Técnico: Espectroscopia Neural de AlphaFold2

Definição do Problema
O AlphaFold2 (AF2) alcança uma precisão notável na predição de estruturas estáticas de proteínas, contudo, a natureza do que seus 93 milhões de parâmetros codificam permanece opaca. Embora o modelo seja convencionalmente tratado como uma ferramenta de conversão de sequência para estrutura, não está claro se seus pesos meramente memorizam um catálogo de dobras conhecidas ou se internalizam uma compreensão mais profunda e transferível da física do enovelamento de proteínas e da organização conformacional. A inferência padrão produz uma única predição estática, comprimindo o espaço representacional interno do modelo e obscurecendo qualquer informação codificada sobre heterogeneidade conformacional, ordenação de estabilidade ou vias de enovelamento. O problema central abordado é como sondar sistematicamente os pesos aprendidos do módulo Evoformer para revelar restrições estruturais e paisagens conformacionais que não são visíveis durante a inferência padrão, não perturbada.

Metodologia: Convolução Gaussiana Escalada (SGC)
Os autores propõem a "espectroscopia neural", um protocolo que envolve a perturbação sistemática e determinística dos tensores de pesos aprendidos do Evoformer para caracterizar a codificação interna do modelo. O método central é a Convolução Gaussiana Escalada (SGC), que modifica os tensores de pesos ($W_i$) do Evoformer antes da inferência usando três parâmetros contínuos:

1. Fator de Escala ($\lambda$): Atenua uniformemente a magnitude dos pesos ($\lambda \in (0, 1]$).
2. Largura Gaussiana ($\sigma$): Aplica uma convolução gaussiana para suavizar as características locais finas dos pesos, preservando padrões globais grosseiros.
3. Profundidade de Perturbação ($d$): Determina o número de blocos Evoformer consecutivos (do bloco 0 ao $d-1$) que são modificados.

A perturbação é aplicada in-place nos parâmetros do modelo (usando OpenFold v2.2.0) e é totalmente determinística; os mesmos parâmetros produzem saídas idênticas. Para garantir que os efeitos observados sejam decorrentes da estrutura específica da perturbação e não apenas da magnitude, os autores utilizam controles de ruído de potência correspondente:

• Ruído Branco: Adiciona ruído gaussiano com a mesma energia total que o SGC, mas destrói toda a estrutura espectral e de fase.
• Ruído Espectral: Preserva o espectro de potência da perturbação SGC, mas randomiza a coerência de fase.

Experimentos foram conduzidos em três sistemas proteicos distintos para sondar diferentes regimes de representação aprendida:

• Ubiquitina: Uma proteína globular bem enovelada com extensos dados experimentais (RMN, simulações de MD) para validação.
• KaiB: Uma proteína de alternância de dobra (fold-switching) onde o AF2 prediz apenas o estado ativo (estado de alternância de dobra).
• $\alpha$-sinucleína: Uma proteína intrinsecamente desordenada (IDP) que não possui uma única estrutura nativa.

Para isolar o efeito dos pesos aprendidos das restrições coevolutivas externas, os experimentos utilizaram profundidades reduzidas de Alinhamento de Múltiplas Sequências (MSA) ($64 \times 64$), tornando o modelo mais sensível às perturbações de peso.

Resultos Principais

1. Paisagens Conformacionais Estruturadas:
   O SGC induz uma transição estrutural ajustável e graduada na Ubiquitina. À medida que a profundidade da perturbação aumenta, o modelo atravessa uma paisagem conformacional contínua em vez de colapsar aleatoriamente. A paisagem exibe uma topologia em forma de "L": um poço nativo profundo conectado a um ensemble desnaturado através de uma dobradiça de intermediários parcialmente desenovelados (globulos moles). Esta topologia espelha o funil de enovelamento observado em simulações de dinâmica molecular (MD) de milissegundos, com uma sobreposição territorial de 72,6% no espaço RMSD–fator Q.

2. Desenovelamento Fisicamente Ordenado:
   Sob perturbação progressiva, os contatos nativos na Ubiquitina quebram em uma sequência específica que coincide com décadas de estudos de enovelamento experimental. O "núcleo de enovelamento" (Grupo 1) é o mais robustamente codificado e persiste por mais tempo, enquanto os contatos de fronteira intermediários (Grupo 2) quebram primeiro. Esta ordenação é consistente entre todos os cinco modelos AF2 treinados independentemente e não é reproduzida pelos controles de ruído, que produzem colapsos estocásticos dependentes de semente ou detritos atomizados.

3. Correlação com Flexibilidade Física:
   A sensibilidade à perturbação por resíduo (a variância nas coordenadas preditas através de iterações de reciclagem sob perturbação) correlaciona-se fortemente com a flexibilidade física medida pelo RMSF de MD de equilíbrio. Esta correlação persiste mesmo após controlar pelo soterramento de resíduos (Número de Contato Ponderado), sugerindo que os pesos codificam restrições de nível de resíduo relacionadas à flexibilidade, e não apenas geometria estática.

4. Independência do Modelo e Convergência:
   Para a Ubiquitina, todos os cinco modelos AF2 treinados independentemente produzem a mesma topologia de paisagem conformacional e fronteiras de transição, indicando que a codificação é uma propriedade da arquitetura e dos dados de treinamento, e não de uma inicialização de peso específica.

   • KaiB (Ausência Convergente): Todos os cinco modelos falham em acessar a dobra do estado fundamental sob SGC, produzindo apenas uma via de desnaturação unidimensional a partir da dobra de alternância de estado previsto. Isso sugere que a via específica para o estado fundamental está ausente do manifold aprendido.
   • $\alpha$-sinucleína (Desacordo Estruturado): Os cinco modelos produzem cinco paisagens distintas, porém internamente coerentes. Embora discordem sobre o ensemble conformacional específico (refletindo a natureza subdeterminada das IDPs), o ensemble agrupado cobre o núcleo do espaço conformacional amostrado por MD de solvente explícito, sugerindo um "piso" compartilhado de restrições.

5. Mecanismo Representacional:
   A análise da representação de par ($z_{ij}$) do Evoformer revela que o SGC desloca as magnitudes de ativação de par ao longo de um eixo único de baixa dimensão, que explica 97% da variância condicional. Os controles de ruído projetam-se fora deste subspace, confirmando que a resposta estruturada surge de uma modulação contínua e alinhada aos pesos da geometria representacional, e não de uma falha genérica da rede.

Significância e Alegações
O artigo afirma que os pesos do AlphaFold2 codificam uma representação de organização conformacional de proteínas baseada em dados e comprimida, que se estende além da estrutura estática única prevista durante a inferência padrão. Ao tratar os pesos como um objeto científico, em vez de apenas uma ferramenta, os autores demonstram que:

• Propriedades Emergentes: O modelo aprendeu a prever estruturas estáticas, mas a organização conformacional (ordenação de estabilidade, padrões de flexibilidade, topologia de paisagem) emergiu como um subproduto desse objetivo, moldado por dados evolutivos e estruturais.
• Espectroscopia Neural: A abordagem de ler essas restrições codificadas via perturbação controlada de pesos é denominada "espectroscopia neural". Ela permite a caracterização do que o modelo "sabe" sobre o enovelamento de proteínas sem exigir treinamento explícito em dados dinâmicos ou termodinâmicos.
• Limites do Aprendizado: O método revela as fronteiras do manifold aprendido. Onde os dados de treinamento são fortes (Ubiquitina), a paisagem é compartilhada e fisicamente precisa. Onde os dados são ausentes (estado fundamental de KaiB), o manifold mostra uma ausência convergente. Onde os dados são ambíguos (IDPs), o manifold mostra um desacordo estruturado, onde o núcleo compartilhado representa as restrições confiavelmente codificadas.

Os autores permanecem modestos quanto às explicações mecanísticas, observando que, embora a correspondência entre a perturbação de peso e os processos físicos seja robusta, a teoria formal conectando a geometria do espaço de pesos à construção representacional e à emergência conformacional ainda não está estabelecida. Eles postulam que o sinal reside nas direções dominantes dos pesos aprendidos, acessíveis através de deformação global e contínua.