Repurposing PeTriBERT for Protein Protein Interaction Prediction with Sequence Structure Fusion

A vida na escala microscópica é um mundo de conexão constante. Dentro de cada célula viva, as proteínas atuam como os trabalhadores, construtores e mensageiros que mantêm a maquinaria da vida em funcionamento. Essas moléculas não são figuras solitárias; elas raramente trabalham sozinhas. Em vez disso, devem encontrar parceiros específicos e se encaixar para formar equipes que impulsionam reações químicas, enviam sinais ou constroem estruturas celulares. Esse processo de duas proteínas se encontrarem e se unirem é chamado de interação proteína-proteína. Compreender exatamente quais proteínas se emparelham e como elas o fazem é crucial para os cientistas. Se os pesquisadores conseguirem mapear essas conexões, poderão descobrir como as doenças começam, por que certos medicamentos funcionam e como projetar novos remédios para consertar sistemas biológicos quebrados.

Por muito tempo, descobrir essas parcerias foi como tentar resolver um quebra-cabeça com peças faltando. Os cientistas podiam observar as proteínas interagindo em um laboratório, mas o processo era lento, caro e frequentemente incompleto. Nos últimos anos, a inteligência artificial interveio para ajudar, aprendendo a prever como as proteínas se dobram em suas formas tridimensionais. Esse avanço abriu uma nova porta: se pudermos prever a forma de uma proteína, poderemos ser capazes de prever como ela interagirá com outras. No entanto, a forma de uma proteína é apenas metade da história. Sua sequência química — a ordem específica de seus blocos de construção — também contém pistas vitais. O desafio era construir um modelo computacional que pudesse ler tanto a sequência quanto a forma ao mesmo tempo, combinando-as para fazer uma previsão confiável sobre se duas proteínas irão interagir.

Uma equipe de pesquisadores na França deu um passo significativo à frente nesse esforço ao criar uma nova ferramenta chamada PeTriPPI2. O trabalho deles foca em uma estratégia inteligente de reaproveitar modelos de inteligência artificial existentes para resolver um novo problema. Eles começaram com dois sistemas poderosos e pré-treinados. O primeiro é um modelo que leu milhões de sequências de proteínas, aprendendo a linguagem da biologia de forma muito semelhante a como um humano aprende uma língua falada. O segundo é um modelo originalmente projetado para fazer o oposto do que é usualmente esperado: em vez de prever uma forma a partir de uma sequência, foi treinado para adivinhar a sequência que criaria uma forma específica. Este segundo modelo, conhecido como PeTriBERT, é excepcionalmente bom em entender as regras geométricas que governam como as partes das proteínas se encaixam no espaço tridimensional.

Os pesquisadores perceberam que, embora o PeTriBERT tivesse sido construído para uma tarefa diferente, sua profunda compreensão da geometria proteica poderia ser incrivelmente útil para prever interações. Eles fundiram este modelo geométrico com o modelo de leitura de sequência, criando um sistema híbrido. Em sua configuração, as duas proteínas a serem testadas são inseridas no sistema de duas maneiras. Um caminho envia a sequência bruta de aminoácidos através do modelo de linguagem para capturar as instruções químicas. O outro caminho envia a estrutura tridimensional das proteínas através do modelo geométrico. O sistema então observa como esses dois fluxos de informação se alinham. Ele questiona se as instruções químicas e as formas físicas das duas proteínas são compatíveis o suficiente para formar uma ligação estável.

Para testar se essa abordagem funcionava, a equipe treinou seu novo modelo em um conjunto massivo de dados contendo mais de 1,6 milhão de pares de proteínas, metade dos quais eram conhecidos por interagir e metade que não eram. Eles então colocaram o modelo à prova em um grupo separado de 2.342 pares de proteínas que ele nunca havia visto antes. Os resultados foram fortes. O modelo identificou corretamente os pares que interagem com um alto grau de precisão, alcançando uma pontuação de 0,898. Mais importante ainda, quando dizia que duas proteínas interagiriam, ele estava certo 91,7 por cento das vezes. Esse alto nível de precisão significa que o modelo é muito bom em evitar alarmes falsos, uma característica crítica para pesquisadores que precisam de pistas confiáveis para seguir no laboratório.

O estudo também revelou algo interessante sobre como o modelo funciona ao testar o que acontece quando partes dele são removidas. Quando os pesquisadores bloquearam o modelo de visualizar a informação da sequência, sua capacidade de prever interações caiu significamente. Quando bloquearam a informação estrutural, a precisão do modelo caiu para 0,523 e seu escore F1 para 0,118, performando apenas ligeiramente acima de um palpite aleatório. Isso confirmou que tanto a sequência química quanto a forma física são essenciais para o funcionamento do sistema. O modelo não está apenas memorizando padrões; ele está genuinamente usando a combinação de ambos os tipos de dados para tomar suas decisões.

Quando comparado a outros métodos líderes, o PeTriPPI2 mostrou uma força distinta. Foi mais preciso que um modelo híbrido semelhante chamado SpatialPPIv2, o que significa que cometeu menos erros ao prever que uma interação ocorreria. No entanto, foi ligeiramente menos sensível, capturando menos das interações totais possíveis. Isso sugere que o PeTriPPI2 opera com um padrão mais rigoroso, preferindo ter certeza antes de fazer uma afirmação. Para os cientistas, esse equilíbrio pode ser valioso. Em muitos cenários de pesquisa, é melhor ter uma lista menor de candidatos altamente confiáveis do que uma lista longa de possibilidades que inclui muitas pistas falsas.

O trabalho demonstra que modelos de inteligência artificial treinados para uma tarefa biológica específica podem ser adaptados com sucesso para outra. Ao pegar um modelo projetado para fazer a engenharia reversa de formas de proteínas e ensiná-lo a reconhecer interações, os pesquisadores mostraram que o conhecimento geométrico subjacente é transferível. Embora o modelo ainda dependa de ter uma boa previsão da forma da proteína para funcionar, o sucesso desta abordagem sugere que o futuro da ciência das proteínas pode residir nestes sistemas híbridos. Eles combinam o vasto conhecimento das sequências de proteínas com a lógica precisa da geometria física, oferecendo uma imagem mais completa de como o mundo molecular se conecta.