Learning the structural diversity in random protein sequence space

Ao triar um milhão de proteínas sintéticas aleatórias com um biossensor FRET de alto rendimento e aprendizado de máquina, o estudo revela que dobras proteicas compactas semelhantes às biológicas são surpreendentemente acessíveis e aprendíveis a partir do espaço de sequências aleatórias, desafiando a noção de que estruturas funcionais são singularidades raras.

O essencial

Imagine o universo de todas as proteínas possíveis como uma biblioteca massiva e infinita. Atualmente, a vida na Terra apenas leu uma fração minúscula, minúscula dos livros desta biblioteca. Os cientistas têm se perguntado: os "bons" livros — aqueles que se dobram em formas úteis e estáveis — são raros, tesouros únicos escondidos profundamente nas estantes? Ou são, na verdade, comuns, fáceis de encontrar se você apenas começar a virar as páginas aleatoriamente?

Para responder a isso, os pesquisadores decidiram parar de adivinhar e começar a ler. Eles escreveram e testaram um milhão de "histórias" totalmente novas e aleatórias (sequências de proteínas) que a natureza nunca viu antes. Eles usaram um sistema inteligente de câmera de alta velocidade (um biossensor FRET) dentro de células vivas para observar o que essas proteínas aleatórias faziam.

Eis o que eles encontraram nesta biblioteca de ideias aleatórias:

• O Caos: Muitas das proteínas aleatórias eram como pilhas bagunçadas de lã que não conseguiam se amarrar sozinhas (cadeias desordenadas), ou se aglomeravam em bolas pegajosas e prejudiciais que estressavam a célula (agregados).
• A Surpresa: Mas, eles também encontraram um número surpreendente de proteínas "inofensivas". Estas não eram bagunçadas ou pegajosas; dobravam-se de forma organizada em formas compactas e globulares que se assemelhavam muito às proteínas que vemos na natureza. Crucialmente, os "guardas de segurança" da célula (chaperonas) nem sequer as notavam ou tentavam corrigi-las porque elas eram tão bem-comportadas.

Pense nisso como jogar um milhão de punhados aleatórios de LEGOs no ar. Você poderia esperar que eles caíssem em uma bagunça emaranhada. Em vez disso, os pesquisadores descobriram que um número significativo deles caiu em formas de castelo perfeitas e estáveis, por conta própria, sem precisar de um construtor mestre.

Finalmente, a equipe ensinou um computador (aprendizado de máquina) a reconhecer os padrões que faziam essas proteínas aleatórias se dobrarem bem. Uma vez que o computador aprendeu as regras a partir desses experimentos aleatórios, ele pôde prever com sucesso as formas de proteínas encontradas na natureza também.

A Conclusão:
Este estudo mostra que as formas "semelhantes à biologia" não são acidentes raros e mágicos. Elas são, na verdade, bastante comuns e acessíveis, mesmo em um mar de sequências aleatórias. Isso oferece aos cientistas um novo mapa para projetar proteínas totalmente novas que não apenas copiam o que a evolução já fez, mas exploram o vasto território inexplorado do que é fisicamente possível.

Resumo técnico

Resumo Técnico: Aprendendo a Diversidade Estrutural no Espaço de Sequências Proteicas Aleatórias

Declaração do Problema
O universo de sequências proteicas possíveis é astronomicamente grande, no entanto, a compreensão científica atual da relação sequência-estrutura está restrita à fração infinitesimal de sequências utilizadas pela vida existente. Uma questão fundamental permanece sem resolução: as arquiteturas "dobráveis" são singularidades raras dentro do espaço de sequências, ou são soluções acessíveis que emergem com maior frequência? Resolver isso é crítico para compreender a evolução proteica e para o desenho racional de novas proteínas que se estendam além dos priores evolutivos.

Metodologia
Para abordar isso, os autores mapearam a paisagem estrutural do espaço de sequências aleatórias por meio de um pipeline experimental e computacional de alto rendimento:

• Triagem Experimental: A equipe gerou e triou um milhão de sequências proteicas aleatórias sintéticas in vivo.
• Aplicação de Biossensor: Eles utilizaram um biossensor FRET (Transferência de Energia por Ressonância de Förster) de alto rendimento para detectar fenótipos celulares associados ao dobramento e agregação de proteínas. Isso permitiu a diferenciação entre sequências que formam estruturas estáveis, aquelas que permanecem desordenadas e aquelas que induzem estresse celular.
• Aprendizado de Máquina: Dados fenotípicos da triagem foram usados para treinar modelos de aprendizado de máquina. Esses modelos foram subsequentemente testados quanto à sua capacidade de generalizar previsões estruturais para proteomas naturais.

Principais Resultados
A triagem revelou que a paisagem estrutural do espaço de sequências aleatórias é heterogênea, e não uniformemente caótica. A população de sequências aleatórias inclui:

1. Cadeias desordenadas: Sequências que falham em adotar uma estrutura definida.
2. Agregados indutores de estresse: Sequências que se dobram incorretamente e desencadeiam respostas de estresse celular.
3. Estruturas compactas "benignas": Um subconjunto significativo de sequências que se dobram em estruturas compactas, semelhantes a globulares. Crucialmente, essas estruturas evadem as respostas de chaperonas celulares, indicando que são estáveis e não tóxicas dentro do ambiente celular.

Além disso, o estudo demonstrou que o potencial estrutural é aprendível. Modelos de aprendizado de máquina treinados em dados sintéticos generalizaram com sucesso para proteomas naturais, sugerindo que as regras que governam a dobrabilidade no espaço aleatório compartilham princípios fundamentais com aqueles na evolução natural.

Significância e Afirmativas
O artigo afirma que dobras semelhantes às biológicas são acessíveis a partir de sequências aleatórias com frequência surpreendente. Essa descoberta desafia a noção de que proteínas dobradas e funcionais são anomalias raras. Ao fornecer dados empíricos sobre a frequência e a natureza dessas estruturas "benignas", o trabalho fornece a base necessária para expandir o desenho generativo de proteínas. Os autores postulam que avançar além dos priores evolutivos é agora viável, pois a diversidade estrutural necessária para o novo desenho existe inerentemente dentro da vastidão do espaço de sequências aleatórias.