CAPRINI-M: An AI-curated Cardiac-Specific Atlas of Protein Interactions in Mice

O artigo apresenta o CAPRINI-M, uma ferramenta web baseada em IA que integra a mineração de literatura e modelos estruturais para criar um atlas abrangente e mecanicamente anotado de interações proteicas cardíacas em camundongos, superando recursos existentes ao fornecer dados detalhados sobre interfaces e estabilidade termodinâmica.

O essencial

Imagine que o coração é uma cidade muito complexa, onde milhões de trabalhadores (as proteínas) precisam se dar as mãos, trocar mensagens e formar equipes para manter a cidade funcionando. Quando algo dá errado nessa "dança" entre os trabalhadores, surgem doenças cardíacas.

O problema é que, até agora, saber quem se dá bem com quem nessa cidade era como tentar montar um quebra-cabeça gigante com peças espalhadas por bibliotecas de todo o mundo, em caixas diferentes e com instruções confusas. Os cientistas tinham que ler milhares de livros manualmente para descobrir essas conexões, o que levava anos e deixava muita informação de fora.

Aqui entra o CAPRINI-M, o novo "super-herói" criado por este estudo. Vamos entender como ele funciona usando algumas analogias simples:

1. O Detetive Robô (A Inteligência Artificial)

Os pesquisadores pegaram 9.105 livros (artigos científicos) sobre o coração e entregaram a um "detetive robô" muito esperto (uma Inteligência Artificial chamada LLM).

• O que ele fez: Em vez de ler um por um, o robô leu tudo em segundos e anotou quem se conecta com quem. Ele encontrou 11.189 novas conexões entre proteínas no coração de camundongos (que são muito parecidos com o nosso).
• O segredo: O robô foi treinado para não se confundir com nomes estranhos e para ignorar informações que não fossem sobre o coração, criando um mapa exclusivo para essa área.

2. O Arquiteto 3D (A Estrutura Molecular)

Saber que duas proteínas se conhecem é bom, mas saber como elas se abraçam é melhor.

• A analogia: Imagine que você sabe que duas pessoas se dão bem, mas não sabe se elas se dão um abraço de lado, um aperto de mão ou um abraço apertado.
• O que o CAPRINI-M faz: Ele usa uma ferramenta chamada AlphaFold3 (como um "impressoras 3D de moléculas") para desenhar exatamente como essas proteínas se encaixam. Ele descobre qual parte da proteína toca a outra, como se fosse ver o "dedo" exato que segura a mão do amigo.

3. O Termômetro de Estabilidade (A Física)

Nem todo abraço é forte. Alguns são apenas um "oi" rápido, outros são abraços que duram a vida toda.

• A analogia: O CAPRINI-M calcula a "força" desse abraço. Ele diz: "Ei, essa proteína A e a proteína B se abraçam com tanta força que é muito provável que fiquem juntas". Ele usa uma medida chamada "energia livre" (pense nisso como o custo de energia para manter o abraço). Quanto mais negativo o número, mais forte e estável é a conexão.

4. O Filtro de Verdade (O Veredito Final)

Como o robô pode errar? Para garantir que as conexões encontradas são reais, o CAPRINI-M usa um julgador final (um modelo de aprendizado de máquina).

• Ele olha para o desenho 3D e para a "personalidade" da proteína (sua sequência genética) e dá uma nota de probabilidade: "90% de chance de isso ser real" ou "10% de chance de ser um erro".

Por que isso é importante?

Até agora, os cientistas usavam mapas de conexões gerais (como um mapa de todas as cidades do mundo misturadas). Isso funcionava, mas era bagunçado para estudar o coração.

• O CAPRINI-M é um mapa exclusivo do coração.
• Quando os pesquisadores testaram esse novo mapa, ele conseguiu prever caminhos de doenças cardíacas com muito mais precisão do que os mapas antigos.
• Ele também conseguiu prever corretamente quais proteínas "se gostam" mais, confirmando com a realidade o que a matemática dizia.

Resumo da Ópera

O CAPRINI-M é como uma biblioteca mágica e um laboratório 3D combinados. Ele lê tudo o que já foi escrito sobre o coração, desenha as peças do quebra-cabeça em 3D, mede a força das conexões e entrega aos cientistas um manual de instruções super detalhado e confiável.

Isso ajuda a descobrir novas formas de tratar doenças cardíacas, pois agora sabemos exatamente onde "apertar" ou "consertar" a máquina para que o coração volte a funcionar perfeitamente. E o melhor de tudo: esse mapa está disponível na internet para qualquer pessoa usar!

Resumo técnico

Título: CAPRINI-M: Um Atlas Específico Cardíaco de Interações Proteína-Proteína em Camundongos Curado por IA

1. Problema e Motivação

As interações proteína-proteína (PPIs) são fundamentais para a biologia das doenças cardiovasculares (DCV). No entanto, o conhecimento existente sobre essas interações está disperso na literatura e em bases de dados heterogêneas, tornando a curadoria sistemática demorada e propensa a erros.

• Limitações dos Recursos Atuais: As bases de dados gerais de PPIs (como STRING ou BioGRID) frequentemente apresentam viés para domínios bem estudados (ex.: câncer), negligenciando a biologia específica cardíaca.
• Falta de Detalhes Mecanísticos: Muitos recursos não fornecem informações sobre as interfaces estruturais de interação ou parâmetros termodinâmicos, o que é crucial para entender como variantes de splicing alternativo ou mutações afetam a estabilidade do complexo.
• Desafio da Curadoria Manual: A manutenção de bases de dados atualizadas manualmente não acompanha o ritmo de expansão da literatura científica.

2. Metodologia

O CAPRINI-M (CArdiac PRotein INteractions In Mice) é um framework end-to-end que integra mineração de literatura, modelagem estrutural e aprendizado de máquina. O fluxo de trabalho consiste em seis etapas principais:

1. Coleta e Filtragem de Literatura:
   • Foram minerados 9.105 manuscritos de cardiobiologia do PubMed Central.
   • Um processo de triagem automatizada filtrou 7.548 artigos relevantes para o domínio cardiovascular.
2. Extração de Relações com LLMs (Large Language Models):
   • Utilizou-se o modelo de linguagem aberto LLaMA-3.3 70B com estratégias de prompting otimizadas (incluindo exemplos positivos/negativos e contexto de parceiros externos).
   • A extração foi validada no corpus anotado RegulaTome, alcançando um F1-score de ~0,717.
   • Foram extraídas 11.189 interações entre proteínas.
3. Modelagem Estrutural com AlphaFold3:
   • Para cada par de proteínas extraído, foram geradas previsões de estruturas de complexos 3D utilizando o AlphaFold3.
   • Foram selecionadas as melhores estruturas com base nos scores de confiança internos do modelo.
4. Análise Termodinâmica e de Interface:
   • Cálculo de propriedades termodinâmicas aproximadas (energia livre de ligação, $\Delta G$) usando métodos MM/GBSA (MMPBSA.py) para estimar a estabilidade do complexo.
   • Extração de descritores de interface (área de superfície enterrada, contatos inter-cadeia).
5. Predição de Probabilidade de Interação (Machine Learning):
   • Treinamento de classificadores de Redes Neurais (NN) utilizando características multimodais: embeddings de linguagem de proteínas (ESM3) e métricas derivadas do AlphaFold3.
   • O modelo foi treinado em dados humanos (benchmark leakage-minimised) e aplicado a camundongos, assumindo a conservação de restrições biofísicas entre espécies.
6. Desenvolvimento da Aplicação Web:
   • Integração de todos os dados (evidência literária, modelos 3D, scores de estabilidade e probabilidade) em uma aplicação interativa desenvolvida com Shiny for Python e visualização 3D com 3Dmol.js.

3. Contribuições Principais

• Primeiro Atlas Específico Cardíaco em Camundongos: Uma base de dados focada exclusivamente em biologia cardíaca, evitando o viés de domínios não-cardíacos presentes em recursos gerais.
• Anotação Mecanística Rica: Vai além da simples lista de pares de interação, fornecendo:
  • Visualização 3D das interfaces de ligação.
  • Estimativas de energia livre de ligação ($\Delta G$) para priorizar interações termodinamicamente favoráveis.
  • Scores de probabilidade de formação de complexo.
• Validação de Performance: Demonstração de que a combinação de LLMs para extração e modelos multimodais (Estrutura + Sequência) supera abordagens tradicionais.

4. Resultados

• Escala do Atlas: O banco de dados final contém 11.189 interações entre 4.255 proteínas únicas.
  • 8.807 interações foram reportadas em apenas um estudo; 2.382 em múltiplos estudos.
  • Proteínas "hub" centrais incluem Nfkbiz, Tgfb1, Akt1, Stat3, Mapk14, entre outras.
• Desempenho do Modelo de Predição:
  • O modelo multimodal AF3+ESM3 (utilizando 12 características SHAP do AlphaFold3) alcançou a melhor performance no teste de benchmark, com F1-score de 0,888 e ROC-AUC de 0,961.
  • Superou modelos baseados apenas em sequência ou apenas em estrutura.
• Benchmarking de Enriquecimento de Vias:
  • Ao reconstruir módulos de rede associados à insuficiência cardíaca, o CAPRINI-M demonstrou um enriquecimento de vias significativamente superior (média de $-\log_{10}(\text{FDR}) = 0,73$) comparado ao STRING (0,18) e BioGRID (0,04).
  • O CAPRINI-M identificou 6 vias significativas (FDR < 0,1), enquanto os outros recursos não identificaram nenhuma.
• Validação Experimental:
  • A priorização baseada em $\Delta G$ (menor energia = ligação mais forte) concordou com evidências experimentais em sistemas de teste (ex.: HIF/ARNT, Notch, GJA1/Cx43).
  • Um teste t pareado mostrou diferença significativa na direção esperada entre interações favoráveis e menos favoráveis ($p = 0,0307$).

5. Significância e Impacto

O CAPRINI-M representa um avanço significativo na biologia de sistemas cardiovasculares ao:

1. Acelerar a Descoberta: Automatizar a curadoria de interações específicas de tecido, permitindo análises mais rápidas e precisas.
2. Fornecer Insights Mecanísticos: A integração de dados estruturais e termodinâmicos permite aos pesquisadores prever como variantes genéticas ou splicing alternativo podem alterar a força de ligação e a estabilidade de complexos proteicos, algo que bases de dados tradicionais não fazem.
3. Suportar a Tradução Clínica: Oferece uma ferramenta para priorizar alvos terapêuticos e entender a competição de ligantes em vias de sinalização cardíaca.
4. Base para Futuras Integrações: O framework foi desenhado para ser integrado com ferramentas de análise de splicing (como o LINDA) e pode ser expandido para humanos (CAPRINI-H) e outros tecidos.

Disponibilidade: A aplicação web está disponível em https://shiny.dieterichlab.org/app/caprinim e o código-fonte está aberto no GitHub.