Las proteínas son los caballos de batalla que mantienen nuestras células en funcionamiento, y hay muchos miles de tipos de proteínas en nuestras células, cada uno realizando una función especializada. Los investigadores han sabido durante mucho tiempo que la estructura de una proteína determina lo que puede hacer. Más recientemente, los investigadores están llegando a apreciar que la localización de una proteína también es crítica para su función. Las células están llenas de compartimentos que ayudan a organizar sus muchos habitantes. Junto con los orgánulos conocidos que adornan las páginas de los libros de texto de biología, estos espacios también incluyen una variedad de compartimentos dinámicos sin membrana que concentran ciertas moléculas para realizar funciones compartidas. Por lo tanto, saber dónde se localiza una proteína determinada y con quién se localiza conjuntamente puede ser útil para comprender mejor que la proteína y su papel en la célula sana o enferma, pero los investigadores han carecido de una forma sistemática de predecir esta información.
Mientras tanto, la estructura de proteínas se ha estudiado durante más de medio siglo, que culminó en la herramienta de inteligencia artificial Alfafold, que puede predecir la estructura de proteínas a partir del código de aminoácidos de una proteína, la cadena lineal de bloques de construcción dentro de ella que se pliega para crear su estructura. Alfafold y modelos como este se han convertido en herramientas ampliamente utilizadas en la investigación.
Las proteínas también contienen regiones de aminoácidos que no se pliegan en una estructura fija, sino que son importantes para ayudar a las proteínas a unir compartimentos dinámicos en la célula. El profesor del MIT Richard Young y sus colegas se preguntaron si el código en esas regiones podría usarse para predecir la localización de proteínas de la misma manera que otras regiones se usan para predecir la estructura. Otros investigadores han descubierto algunas secuencias de proteínas que codifican la localización de proteínas, y algunos han comenzado a desarrollar modelos predictivos para la localización de proteínas. Sin embargo, los investigadores no sabían si la localización de una proteína en cualquier compartimento dinámico podría predecirse en función de su secuencia, ni tenían una herramienta comparable para alfafold para predecir la localización.
Ahora, Young, también miembro del Instituto Whitehead para la Investigación Biológica; Young Lab Postdoc Henry Kilgore; Regina Barzilay, la profesora distinguida de la IA y la salud del MIT en el Laboratorio de Informática e Inteligencia Artificial del MIT (CSAIL); Y los colegas han construido un modelo de este tipo, que llaman protgps. En un artículo publicado el 6 de febrero en la revista CienciaCon los primeros autores Kilgore y los estudiantes graduados del laboratorio de Barzilay, Itamar Chinn, Peter Mikhael e Ilan Mitnikov, el equipo interdisciplinario debuta su modelo. Los investigadores muestran que PROGPP puede predecir cuáles de los 12 tipos conocidos de compartimentos se localizarán una proteína, así como si una mutación asociada a la enfermedad cambiará esa localización. Además, el equipo de investigación desarrolló un algoritmo generativo que puede diseñar nuevas proteínas para localizarse en compartimentos específicos.
«Espero que este sea un primer paso hacia una plataforma poderosa que permita a las personas que estudian proteínas hacer su investigación», dice Young, «y que nos ayuda a comprender cómo los humanos se desarrollan en los organismos complejos que son, cómo las mutaciones interrumpen aquellos que Procesos naturales y cómo generar hipótesis terapéuticas y diseñar medicamentos para tratar la disfunción en una célula ”.
Los investigadores también validaron muchas de las predicciones del modelo con pruebas experimentales en células.
«Realmente me emocionó poder pasar del diseño computacional hasta probar estas cosas en el laboratorio», dice Barzilay. “Hay muchos documentos emocionantes en esta área de IA, pero el 99.9 por ciento de ellos nunca se prueban en sistemas reales. Gracias a nuestra colaboración con el laboratorio joven, pudimos probar y realmente aprender qué tan bien está haciendo nuestro algoritmo «.
Desarrollar el modelo
Los investigadores capacitaron y probaron PROGPS en dos lotes de proteínas con localizaciones conocidas. Descubrieron que podía predecir correctamente dónde las proteínas terminan con alta precisión. Los investigadores también probaron qué tan bien PROGGP podría predecir cambios en la localización de proteínas basadas en mutaciones asociadas a la enfermedad dentro de una proteína. Se ha encontrado que muchas mutaciones, cambios en la secuencia de un gen y su proteína correspondiente, contribuyen o causan enfermedad en función de los estudios de asociación, pero las formas en que las mutaciones conducen a los síntomas de la enfermedad siguen siendo desconocidas.
Descubrir el mecanismo de cómo una mutación contribuye a la enfermedad es importante porque los investigadores pueden desarrollar terapias para fijar ese mecanismo, prevenir o tratar la enfermedad. Los jóvenes y sus colegas sospecharon que muchas mutaciones asociadas a la enfermedad podrían contribuir a la enfermedad al cambiar la localización de proteínas. Por ejemplo, una mutación podría hacer que una proteína no pueda unirse a un compartimento que contenga socios esenciales.
Probaron esta hipótesis alimentando a Protgos más de 200,000 proteínas con mutaciones asociadas a la enfermedad, y luego pidieron que predice dónde esas proteínas mutadas localizarían y medirían cuánto cambió su predicción para una proteína dada de la versión normal a la mutada. Un gran cambio en la predicción indica un cambio probable en la localización.
Los investigadores encontraron muchos casos en los que una mutación asociada a la enfermedad parecía cambiar la localización de una proteína. Probaron 20 ejemplos en las células, utilizando fluorescencia para comparar en qué parte de la célula una proteína normal y la versión mutada terminó. Los experimentos confirmaron las predicciones de ProTGPS. En total, los hallazgos respaldan la sospecha de los investigadores de que la localización errónea puede ser un mecanismo de enfermedad subestimado y demuestra el valor de PROGGP como una herramienta para comprender la enfermedad e identificar nuevas vías terapéuticas.
«La celda es un sistema tan complicado, con tantos componentes y redes complejas de interacciones», dice Mitnikov. «Es muy interesante pensar que con este enfoque, podemos perturbar el sistema, ver el resultado de eso y, por lo tanto, impulsar el descubrimiento de mecanismos en la célula o incluso desarrollar terapéuticas basadas en eso».
Los investigadores esperan que otros comiencen a usar PROGPS de la misma manera que usan modelos estructurales predictivos como Alfafold, avanzando varios proyectos sobre la función de proteínas, la disfunción y la enfermedad.
Ir más allá de la predicción a una generación novedosa
Los investigadores estaban entusiasmados con los posibles usos de su modelo de predicción, pero también querían que su modelo fuera más allá de predecir las localizaciones de las proteínas existentes y les permitiera diseñar proteínas completamente nuevas. El objetivo era que el modelo compensara secuencias de aminoácidos completamente nuevas que, cuando se forman en una célula, se localizarían en una ubicación deseada. Generar una proteína nueva que en realidad puede lograr una función, en este caso, la función de localizarse en un compartimento celular específico, es increíblemente difícil. Para mejorar las posibilidades de éxito de su modelo, los investigadores restringieron su algoritmo para diseñar solo proteínas como las que se encuentran en la naturaleza. Este es un enfoque comúnmente utilizado en el diseño de fármacos, por razones lógicas; La naturaleza ha tenido miles de millones de años para determinar qué secuencias de proteínas funcionan bien y cuáles no.
Debido a la colaboración con el laboratorio joven, el equipo de aprendizaje automático pudo probar si su generador de proteínas funcionaba. El modelo tuvo buenos resultados. En una ronda, generó 10 proteínas destinadas a localizarse en el nucleolo. Cuando los investigadores probaron estas proteínas en la célula, encontraron que cuatro de ellas fuertemente localizadas en el nucleolo, y otros también pueden haber tenido ligeros sesgos hacia esa ubicación.
«La colaboración entre nuestros laboratorios ha sido tan generativa para todos nosotros», dice Mikhael. “Hemos aprendido cómo hablar los idiomas de los demás, en nuestro caso aprendimos mucho sobre cómo funcionan las células y al tener la oportunidad de probar experimentalmente nuestro modelo, hemos podido descubrir qué debemos hacer para hacer realmente El modelo funciona y luego lo hace funcionar mejor «.
Ser capaz de generar proteínas funcionales de esta manera podría mejorar la capacidad de los investigadores para desarrollar terapias. Por ejemplo, si un medicamento debe interactuar con un objetivo que se localiza dentro de un cierto compartimento, los investigadores podrían usar este modelo para diseñar un medicamento para localizar también allí. Esto debería hacer que el medicamento sea más efectivo y disminuir los efectos secundarios, ya que el medicamento pasará más tiempo comprometiendo con su objetivo y menos tiempo interactuando con otras moléculas, causando efectos fuera del objetivo.
Los miembros del equipo de aprendizaje automático están entusiasmados con la posibilidad de usar lo que han aprendido de esta colaboración para diseñar proteínas novedosas con otras funciones más allá de la localización, lo que ampliaría las posibilidades de diseño terapéutico y otras aplicaciones.
«Muchos documentos muestran que pueden diseñar una proteína que se pueda expresar en una célula, pero no que la proteína tenga una función particular», dice Chinn. “En realidad teníamos un diseño de proteínas funcionales y una tasa de éxito relativamente grande en comparación con otros modelos generativos. Eso es realmente emocionante para nosotros, y algo en lo que nos gustaría construir «.
Todos los investigadores involucrados ven a Protgps como un comienzo emocionante. Anticipan que su herramienta se utilizará para aprender más sobre los roles de la localización en la función de proteínas y la localización errónea en la enfermedad. Además, están interesados en expandir las predicciones de localización del modelo para incluir más tipos de compartimentos, probar más hipótesis terapéuticas y diseñar proteínas cada vez más funcionales para terapias u otras aplicaciones.
«Ahora que sabemos que este código de proteína para la localización existe, y que los modelos de aprendizaje automático pueden dar sentido a ese código e incluso crear proteínas funcionales utilizando su lógica, que abre la puerta a tantos estudios y aplicaciones potenciales», dice Kilgore.
