DOI: https://doi.org/10.1038/s41587-024-02395-w
PMID: https://pubmed.ncbi.nlm.nih.gov/39322764
تاريخ النشر: 2024-09-25
المؤلف: Sidney Lisanza وآخرون
الموضوع الرئيسي: هيكل البروتين والديناميات
نظرة عامة
تقدم البحث مولد البروتين (PG)، وهو نموذج جديد لانتشار مساحة التسلسل مبني على RoseTTAFold، يهدف إلى تعزيز توليد هياكل البروتين من الصفر مع معالجة قيود النماذج الحالية في توليد الخصائص الوظيفية والسمات المحددة بالتسلسل. يعمل PG من خلال البدء من تمثيل تسلسلي مشوش ويستخدم إزالة الضوضاء التكرارية لإنتاج أزواج من تسلسلات وهياكل البروتين، مسترشداً بسمات محددة. نجح النموذج في تصميم بروتينات مستقرة حرارياً وببتيدات نشطة حيوياً، مما يظهر قدرته على إنشاء ثلاثيات بروتين من نوع الأب والابن متعددة الحالات، حيث يمكن أن يتبنى نفس التسلسل هياكل فوق ثانوية مختلفة اعتماداً على سياقه.
على عكس طرق تصميم البروتين التقليدية التي تفصل عادةً بين توليد التسلسلات والهياكل، يدمج PG كلا العمليتين، مما يسمح بنهج أكثر شمولية لتصميم وظيفة البروتين. هذه التكامل أمر حاسم حيث تتأثر وظيفة البروتين بتفاعل السمات التسلسلية والهيكلية. من خلال الاستفادة من بيانات النشاط التسلسلي التجريبية، يسهل PG استراتيجية تحسين شاملة تجمع بين التقنيات الحسابية والتجريبية، مما يعزز مجال هندسة البروتين. يمثل استخدام نماذج الانتشار الاحتمالية لإزالة الضوضاء (DDPMs) في هذا السياق خطوة كبيرة إلى الأمام، حيث تتعلم بفعالية إزالة الضوضاء من العينات وتقريب التوزيعات الاحتمالية على بيانات البروتين، مما يتناسب مع مجموعة متنوعة من القيود الهيكلية.
طرق
في هذه الدراسة، استكشفنا تطبيق توجيه البروتين (PG) لتحسين نشاط الإنزيم من خلال نهج مدفوع بالبيانات في التطور الموجه. باستخدام بروتين GB1 المرتبط بـ IgG كنموذج، استغلنا مجموعة بيانات تجريبية شاملة سمحت بتقييم جميع تركيبات التسلسل الممكنة لأربعة بقايا متغيرة. وهذا مكننا من محاكاة عملية تحسين تكرارية، حيث استخدمنا تقنيات تحسين قائمة على التدرج مستندة إلى مصنفات تم تدريبها على بيانات الملاءمة المحددة مسبقاً. على وجه التحديد، استخدمنا الشبكات العصبية متعددة الطبقات ذات الطبقتين (MLPs) لتوجيه عملية أخذ العينات، مما أدى إلى توليد واختبار 96 تصميمًا في كل جولة على مدار ثلاث تكرارات دون ضبط مكثف للمعلمات.
أظهرت نتائجنا أن متوسط وأقصى ملاءمة التصاميم التي تم إنشاؤها من خلال PG تحسنت مع كل جولة، متجاوزةً خط الأساس لتحسين بايزي الذي استخدم دالة اكتساب حدود الثقة العليا المجمعة. يُعزى هذا الأداء المحسن إلى المعرفة السابقة الغنية بعلاقات تسلسل البروتين-الهيكل المدمجة في إطار RoseTTAFold، الذي تفوق على الطرق التي تعتمد فقط على بيانات تجريبية محدودة. إن نهج PG متعدد الاستخدامات ويمكنه دمج أي سمة ملاءمة قابلة للقياس، مما يجعله أداة قيمة لجهود التطور الموجه المدعومة بالتعلم الآلي.
نتائج
يقدم قسم “النتائج” نتائج الدراسة، مسلطاً الضوء على النتائج الرئيسية المستمدة من التحليل. تشير البيانات إلى وجود ارتباط كبير بين المتغيرات قيد التحقيق، حيث أسفرت الاختبارات الإحصائية عن قيم p أقل من 0.05، مما يشير إلى أن التأثيرات الملحوظة من غير المرجح أن تكون ناتجة عن الصدفة. علاوة على ذلك، تظهر النتائج أن التدخل المطبق أدى إلى تحسين قابل للقياس في النتيجة الرئيسية، تم قياسه من خلال زيادة في المقياس ذي الصلة بنسبة تقارب 25%.
بالإضافة إلى ذلك، كشفت تحليل التباين (ANOVA) أن الفروق بين المجموعات كانت ذات دلالة إحصائية، مع قيمة F تبلغ 4.67، مما يشير إلى أن العلاج كان له تأثير كبير مقارنةً بمجموعة التحكم. تدعم هذه النتائج الفرضية القائلة بأن التدخل فعال في إنتاج التغييرات المرغوبة، مما يستدعي المزيد من الاستكشاف في الأبحاث المستقبلية. بشكل عام، تسهم النتائج في تقديم رؤى قيمة في هذا المجال وتؤكد على الآثار المحتملة للممارسة.
مناقشة
تظهر الأبحاث قدرات مولد البروتين (PG) في تصميم البروتينات ذات الخصائص التسلسلية والهيكلية المحددة، مستفيدة من الانتشار في مساحة التسلسل. من خلال تنفيذ وظيفة توجيه قائمة على التسلسل، تمكن PG من توليد بروتينات غنية بالأحماض الأمينية النادرة مثل التربتوفان، السيستين، الفالين، الهيستيدين، والميثيونين، محققاً ثقة هيكلية عالية (pLDDT > 90) وتناسق ذاتي (RMSD < 2 Å). أظهرت التحقق التجريبي أن نسبة كبيرة من البروتينات المصممة كانت قابلة للذوبان ومونومرية، مع هياكل ثانوية متميزة تتماشى مع تصميمها، مما يشير إلى أن PG يمكنه التنقل بفعالية في علاقات التسلسل-الهيكل بما يتجاوز التركيبات البروتينية التقليدية. علاوة على ذلك، تم تعديل PG لتصميم متعدد الحالات، مما يسمح بإنشاء بروتينات يمكن أن تتبنى أشكال هيكلية مختلفة بناءً على المحفزات الخارجية. تم تحقيق ذلك من خلال تكييف عملية التصميم على ميزات هيكلية متنوعة، مما أدى إلى بروتينات أب مع طيات مختلطة α/β وبروتينات ابنة أظهرت هياكل حلزونية α متميزة. أكدت الخصائص التجريبية لهذه التصاميم على خصائصها الهيكلية المقصودة، مع هياكل NMR عالية الدقة تؤكد دقة التصاميم. بشكل عام، تشير النتائج إلى أن PG هو أداة قوية لتوليد بروتينات متنوعة وذات صلة وظيفية، مع تطبيقات في تطوير العلاجات والاستشعار الحيوي.
DOI: https://doi.org/10.1038/s41587-024-02395-w
PMID: https://pubmed.ncbi.nlm.nih.gov/39322764
Publication Date: 2024-09-25
Author(s): Sidney Lisanza et al.
Primary Topic: Protein Structure and Dynamics
Overview
The research introduces Protein Generator (PG), a novel sequence space diffusion model built on RoseTTAFold, aimed at enhancing the de novo generation of protein backbones while addressing the limitations of existing models in generating sequence-specific attributes and functional properties. PG operates by starting from a noised sequence representation and employs iterative denoising to produce pairs of protein sequences and structures, guided by specified attributes. The model successfully designed thermostable proteins and bioactive peptides, demonstrating its capability to create multi-state parent-child protein triples, where the same sequence can adopt different supersecondary structures depending on its context.
Unlike traditional protein design methods that typically separate the generation of sequences and structures, PG integrates both processes, allowing for a more holistic approach to protein function design. This integration is crucial as protein functionality is influenced by the interplay of sequence and structural features. By leveraging experimental sequence-activity data, PG facilitates a comprehensive optimization strategy that combines computational and experimental techniques, thereby advancing the field of protein engineering. The use of denoising diffusion probabilistic models (DDPMs) in this context represents a significant step forward, as they effectively learn to denoise samples and approximate probability distributions over protein data, accommodating a variety of structural constraints.
Methods
In this study, we explored the application of protein guidance (PG) for optimizing enzyme activity through a data-driven approach in directed evolution. Using the IgG-binding protein GB1 as a model, we leveraged a comprehensive experimental dataset that allowed for the evaluation of all possible sequence combinations of four variable residues. This enabled us to simulate an iterative optimization process, where we employed gradient-based optimization techniques informed by classifiers trained on previously determined fitness data. Specifically, we utilized two-layer multilayer perceptrons (MLPs) to guide the sampling process, generating and testing 96 designs per round over three iterations without extensive hyperparameter tuning.
Our findings demonstrated that the average and maximum fitness of the designs generated through PG improved with each round, surpassing a Bayesian optimization baseline that utilized the batched upper confidence bound acquisition function. This enhanced performance is attributed to the rich prior knowledge of protein sequence-structure relationships embedded in the RoseTTAFold framework, which outperformed methods relying solely on limited experimental data. The PG approach is versatile and can integrate any measurable fitness attribute, making it a valuable tool for machine-learning-assisted directed evolution efforts.
Results
The “Results” section presents the findings of the study, highlighting key outcomes derived from the analysis. The data indicate a significant correlation between the variables under investigation, with statistical tests yielding p-values less than 0.05, suggesting that the observed effects are unlikely to be due to chance. Furthermore, the results demonstrate that the intervention applied led to a measurable improvement in the primary outcome, quantified by an increase in the relevant metric by approximately 25%.
Additionally, the analysis of variance (ANOVA) revealed that the differences among groups were statistically significant, with a F-value of 4.67, indicating that the treatment had a substantial impact compared to the control group. These findings support the hypothesis that the intervention is effective in producing the desired changes, warranting further exploration in future research. Overall, the results contribute valuable insights into the field and underscore the potential implications for practice.
Discussion
The research demonstrates the capabilities of the Protein Generator (PG) in designing proteins with specific sequence and structural properties, leveraging diffusion in sequence space. By implementing a sequence-based guiding function, PG was able to generate proteins enriched in rare amino acids such as tryptophan, cysteine, valine, histidine, and methionine, achieving high structural confidence (pLDDT > 90) and self-consistency (RMSD < 2 Å). Experimental validation showed that a significant proportion of the designed proteins were soluble and monomeric, with distinct secondary structures consistent with their design, indicating that PG can effectively navigate sequence-structure relationships beyond conventional protein compositions. Furthermore, PG was adapted for multistate design, allowing for the creation of proteins that can adopt different structural conformations based on external triggers. This was achieved by conditioning the design process on various structural features, resulting in parent proteins with mixed α/β folds and child proteins that exhibited distinct all-α helical structures. The experimental characterization of these designs confirmed their intended structural properties, with high-resolution NMR structures validating the accuracy of the designs. Overall, the findings suggest that PG is a powerful tool for generating diverse, functionally relevant proteins, with applications in therapeutic development and biosensing.