Toward a Transferable Representation of Protein Dynamics for Functional Prediction and Mechanistic Discovery

As proteínas são as ferramentas de trabalho da vida, pequenas máquinas moleculares que constroem células, digerem alimentos e transportam sinais. Durante décadas, os cientistas entenderam as proteínas primariamente como esculturas estáticas, focando em suas formas tridimensionais para explicar como funcionam. Embora a forma seja essencial, ela não é a história completa. As proteínas não são estátuas rígidas; elas estão constantemente mudando, respirando e flexionando. Esses movimentos, que ocorrem em diferentes velocidades e distâncias, são frequentemente a chave para como uma proteína realiza seu trabalho. Uma proteína pode precisar abrir um portão para deixar uma molécula entrar, ou torcer seu corpo para desencadear uma reação química. Para ver essas ações, os pesquisadores utilizam simulações computacionais poderosas que rastreiam a posição de cada átomo ao longo do tempo, criando um filme da vida da molécula. No entanto, esses filmes são incrivelmente complexos, contendo milhões de quadros de dados que são difíceis de comparar de uma proteína para outra, especialmente quando as proteínas têm tamanhos ou formas diferentes.

O desafio reside em encontrar uma maneira de descrever esses movimentos em uma linguagem que funcione para todas as proteínas, não apenas para um tipo específico. Se um cientista deseja prever o que uma nova proteína desconhecida faz, ele precisa de um método que possa reconhecer os padrões de movimento que definem uma função, independentemente da história ou estrutura específica da proteína. Esta é a questão que Nahid Monowar e sua equipe no Instituto de Ciência e Tecnologia de Dhaka se propuseram a responder. Eles desenvolveram um novo sistema computacional projetado para observar esses filmes moleculares e extrair um resumo único e compacto do comportamento da proteína. Eles chamam esse resumo de uma "assinatura de movimento". O objetivo era ver se essa assinatura poderia dizer o que uma proteína faz, mesmo que a proteína fosse muito diferente das que o computador havia aprendido anteriormente.

Para testar essa ideia, os pesquisadores alimentaram seu sistema com uma biblioteca massiva de dados: 1.250 filmes diferentes de proteínas em movimento, representando 1.120 proteínas únicas. Essas proteínas variavam muito em tamanho, variando de pequenas com 50 blocos de construção até grandes com 600. As simulações cobriram uma ampla gama de tempo, de 100 nanossegundos a 10 microssegundos, capturando aproximadamente 12,5 milhões de instantâneos das formas das proteínas. A equipe treinou seu sistema para procurar padrões específicos em como as partes da proteína se moviam juntas. Em vez de apenas observar o quão próximos os átomos estavam uns dos outros em um único momento, o sistema prestava atenção em como o movimento de uma parte estava ligado ao movimento de outra parte ao longo do tempo. Ele combinou essa informação dinâmica com a sequência química da proteína e sua forma geral para criar uma descrição unificada.

Os resultados mostraram que essa abordagem funcionou de forma notável. Quando o sistema foi solicitado a adivinhar a categoria ampla do trabalho de uma proteína — como se ela atua como uma quinase, uma transferase ou uma hidrolase — ele foi significamente mais preciso do que métodos antigos que dependiam apenas da sequência ou da forma estática da proteína. Em um teste rigoroso onde o sistema teve que adivinhar a função de proteínas que nunca tinha visto antes, e que compartilhavam menos de 30% de sua composição química com os exemplos de treinamento, o sistema alcançou um AUC de 0,88. Isso representou uma melhoria clara sobre outros métodos, que pontuaram entre 0,65 e 0,81. O estudo sugere que a maneira como uma proteína se move contém pistas vitais sobre sua função que ficam ocultas se você olhar apenas para sua forma ou seu código químico.

Os pesquisadores também queriam saber até onde esse conhecimento poderia se estender. Eles testaram o sistema em proteínas que eram cada vez mais diferentes das que haviam estudado. Quando as proteínas de teste pertenciam à mesma família das de treinamento, o sistema desempenhou muito bem. À medida que as proteínas se tornavam mais distantes, pertencendo a diferentes famílias ou até mesmo a diferentes dobras estruturais, a precisão caiu, mas não desapareceu. Mesmo quando as proteínas de teste compartilhavam quase nenhuma similaridade estrutural com o conjunto de treinamento, o sistema ainda desempenhou melhor do que o acaso. Isso indica que o sistema aprendeu regras gerais sobre como o movimento molecular se relaciona com a função, em vez de apenas memorizar exemplos específicos. No entanto, a queda na precisão também mostrou que o sistema não é perfeito; ele ainda depende de algum nível de similaridade entre as proteínas para fazer suas melhores suposições.

Para garantir que o sistema estava realmente olhando para as coisas certas, a equipe o desmembrou para ver quais partes importavam mais. Eles descobriram que o sistema precisava de todos os seus componentes para funcionar melhor: o mapa de como os átomos estão conectados, os dados sobre como diferentes partes se movem juntas, a descrição simplificada do movimento geral e a sequência química. Remover qualquer uma dessas peças tornou o sistema pior em seu trabalho. Isso confirmou que o poder do método vinha da combinação desses diferentes tipos de informação. Além disso, quando os pesquisadores olharam de perto para uma proteína específica chamada adenilato quinase, o sistema destacou as regiões exatas da molécula conhecidas por estarem envolvidas em seu movimento. Eram as partes da proteína que abrem e fecham como uma tampa durante seu ciclo de trabalho. Esse alinhamento entre o foco do computador e os fatos biológicos conhecidos sugere que o sistema está capturando dinâmicas reais e significativas, em vez de apenas ruído.

O estudo não afirma ter resolvido inteiramente o mistério da função proteica, nem sugere que o computador tenha descoberto novas leis biológicas. Em vez disso, oferece uma nova ferramenta para compreender a ligação entre movimento e função. Os pesquisadores enfatizam que, embora seu sistema possa identificar quais partes de uma proteína são importantes para seu movimento, isso não prova que essas partes causem a função; isso exigiria mais experimentos físicos. O trabalho também tem limites, pois depende de ter filmes gerados por computador das proteínas para começar, e ainda não foi testado em todos os tipos de proteínas, como aquelas que flutuam em membranas celulares ou aquelas que são completamente desordenadas. No entanto, a capacidade de traduzir o comportamento complexo e mutável das moléculas em uma assinatura transferível representa um passo significativo à frente. Ela oferece uma maneira de conectar a dança invisível dos átomos às tarefas visíveis que as proteínas realizam nos sistemas vivos, oferecendo um caminho mais claro para prever como novas proteínas podem se comportar.