Joint optimisation of amino acid and coding sequence for de novo designed proteins

No mundo silencioso e microscópico da vida, as instruções para construir uma proteína são escritas em uma linguagem dupla. A primeira linguagem é a própria proteína, uma cadeia de aminoácidos que se dobra em uma forma específica para realizar um trabalho, como uma chave que se encaixa em uma fechadura ou uma enzima que acelera uma reação química. A segunda linguagem é o gene, uma fita de DNA que atua como o projeto para essa proteína. Por milhões de anos, a natureza escreveu esses projetos, e cada proteína natural vem com um gene que foi testado e refinado pela evolução. Mas na ciência moderna, pesquisadores estão agora projetando proteínas inteiramente novas do zero, criando formas que a natureza nunca fez. O desafio é que, embora os cientistas tenham se tornado muito bons em imaginar essas novas formas, eles frequentemente lutam para construir os genes necessários para criá-las. Um gene não é apenas uma cópia passiva da proteína; é um conjunto de instruções complexo onde a escolha específica das letras importa para o quão bem o gene é lido, quão estável é a mensagem e se a célula pode realmente produzir a proteína sem sufocar com ela.

Para uma proteína natural, o gene é uma quantidade conhecida, um parceiro confiável que sobreviveu ao teste do tempo. Para uma proteína inteiramente nova, projetada, não há tal parceiro. Os cientistas devem inventar o gene do nada. Até agora, a abordagem padrão tem sido tratar essas duas tarefas como etapas separadas. Primeiro, um computador projeta a forma perfeita da proteína. Depois, um programa de computador diferente pega essa forma fixa e tenta encontrar o melhor gene possível para construí-la, assumindo que a sequência da proteína não pode ser alterada. Este artigo argumenta que essa separação é um erro. Os pesquisadores mostram que a sequência da proteína não é um alvo fixo, mas sim um alvo flexível, e que ao permitir que a sequência da proteína mude ligeiramente enquanto projetam o gene, eles podem resolver problemas que um designer de genes padrão não consegue tocar. Eles desenvolveram um novo método que projeta a proteína e seu gene juntos, encontrando uma solução que é melhor para a célula, mais fácil de fabricar e mais propensa a funcionar no laboratório.

Os pesquisadores começaram olhando para uma coleção massiva de 862 estruturas proteicas (backbones), incluindo centenas de novos designs criados por outros cientistas. Eles fizeram uma pergunta simples: quanta liberdade realmente temos ao projetar um gene para uma forma específica? Eles descobriram que, para quase todas as posições nessas novas proteínas, existem vários aminoácidos diferentes que se encaixariam tão bem quanto o original. Na verdade, os modelos computacionais mostraram que, para um design típico, existe uma vasta quantidade de flexibilidade oculta, uma espécie de "margem de manobra" onde a proteína poderia ser construída com diferentes blocos de construção sem perder sua forma. O método padrão joga essa flexibilidade fora, escolhendo uma sequência e travando-a antes mesmo de o gene ser considerado. A nova abordagem, que os autores chamam de JANUS, mantém essa flexibilidade aberta. Ela trata a proteína e o gene como um quebra-cabeça único e conectado, buscando a melhor combinação de ambos ao mesmo tempo.

Quando testaram essa abordagem conjunta em 447 designs de proteínas publicados, os resultados foram impressionantes. Eles descobriram que 99,1% desses designs carregavam pelo menos uma falha oculta, uma "responsabilidade" (liability) que poderia fazer a proteína falhar quando a célula tenta produzi-la. Essas falhas incluíam sequências que eram muito repetitivas, regiões que eram muito pegajosas e propensas a aglomeração, ou sinais que diziam à célula para destruir a proteína. Um otimizador de genes padrão, que só pode alterar as letras do gene mantendo a proteína fixa, não conseguia corrigir esses problemas. Era como tentar consertar um telhado com vazamento apenas rearranjando os móveis dentro de casa; a estrutura em si era o problema. Ao permitir que a sequência da proteína mudasse ligeamente, o novo método podia remover essas falhas. Para três dos cinco tipos de falhas que eles analisaram, o custo de corrigi-las era incrivelmente pequeno, exigindo apenas uma mudança mínima no design geral.

A descoberta mais surpreendente e prática não foi sobre a biologia da proteína, mas sobre a logística de fabricá-la. Empresas comerciais que sintetizam genes para cientistas têm regras estritas sobre o que irão construir. Elas não podem fabricar genes com certos padrões de letras porque esses padrões são difíceos de fabricar ou propensos a erros. Os pesquisadores descobriram que, quando usavam o método antigo de projetar primeiro a proteína e depois o gene, os genes resultantes violavam essas regras de fabricação mais da metade das vezes. Quando usaram o novo método conjunto, o número de violações caiu mais da metade. Isso significa que um gene que um fornecedor anteriormente se recusaria a fabricar poderia agora ser encomendado e construído. Este é um gargalo crítico; se um gene não pode ser encomendado, o projeto para antes mesmo da biologia ser testada. O novo método essencialmente limpa o caminho para que essas novas proteínas saiam do computador e entrem no mundo real.

O estudo também analisou o quanto a sequência da proteína realmente precisava mudar para obter esses benefícios. Eles descobriram que, para a grande maioria dos designs, o método só precisava trocar alguns poucos aminoácidos para alcançar um resultado muito melhor. Na verdade, eles mostraram que uma quantidade muito pequena de flexibilidade era suficiente para capturar quase todas as melhorias possíveis. Isso sugere que a sequência "perfeita" da proteína não é um ponto único e rígido, mas sim uma paisagem com muitas boas opções. O método conjunto simplesmente encontra o ponto nessa paisagem onde a proteína é estável, o gene é fácil de ler e as regras de fabricação são satisfeitas. Eles também testaram se essa abordagem funcionava melhor em diferentes tipos de células, como bactérias versus células humanas, e descobriram que o método se adaptou com sucesso a ambas, embora as mudanças específicas necessárias fossem diferentes para cada hospedeiro.

Apesar desses sucessos, os pesquisadores foram cuidadosos ao notar onde seu método não trazia uma vantagem massiva. Para uma parte específica do gene que controla a velocidade com que a produção de proteína começa, eles descobriram que a maior parte da melhoria poderia ser alcançada apenas mudando as letras do gene sem tocar na proteína. Isso confirma que, para algumas tarefas, a antiga maneira de fazer as coisas ainda é muito boa. No entanto, para o conjunto mais amplo de problemas que envolvem a estabilidade da proteína e sua interação com os sistemas de limpeza da célula, a abordagem conjunta é essencial. O estudo conclui que o campo do design de proteínas tem tratado o gene como um pensamento secundário, mas para proteínas de novo, o gene é uma restrição primária. Ao resolver o problema da proteína e do gene juntos, os cientistas podem criar designs que não são apenas teoricamente sólidos, mas praticamente viáveis, transformando mais de suas criações digitais em moléculas reais e funcionais.