Diseño de proteínas de novo por alucinación de red profunda

Área de la Ciencia:

• Biología computacional
• Ingeniería de proteínas
• Aprendizaje profundo

Sus antecedentes:

• Las redes neuronales profundas han avanzado en la predicción de la estructura de proteínas mediante el análisis de secuencias de aminoácidos.
• El potencial de estas redes para generar secuencias y estructuras de proteínas completamente nuevas sigue siendo en gran medida inexplorado.

Objetivo del estudio:

• Investigar si las redes neuronales profundas entrenadas para la predicción de la estructura de proteínas pueden usarse para diseñar nuevas proteínas funcionales.
• Explorar el diseño de novo de proteínas con secuencias no relacionadas con las proteínas naturales conocidas.

Principales métodos:

• Utilizó la red trRosetta para predecir mapas de distancia entre residuos de secuencias de aminoácidos al azar.
• Empleado el muestreo de espacio de secuencia de Monte Carlo para optimizar las distribuciones de distancia previstas con respecto a los promedios de fondo.
• Sintetizó genes para secuencias diseñadas, expresó proteínas en E. coli y analizó sus estructuras.

Principales resultados:

• Se generaron nuevas secuencias de proteínas con diversas estructuras previstas.
• Expresó y purificó con éxito 27 de 129 proteínas diseñadas, obteniendo muestras monodispersas.
• Determinó las estructuras 3D de tres proteínas diseñadas (a través de cristalografía de rayos X y RMN), que coincidían estrechamente con los modelos computacionales.

Conclusiones:

• Las redes neuronales profundas entrenadas para la predicción de la estructura se pueden invertir para el diseño de proteínas de novo.
• Este enfoque ofrece un poderoso complemento a los métodos tradicionales basados en la física para crear proteínas con nuevas funciones.