Diseño de proteínas escalable utilizando optimización en un espacio de secuencia relajado

Área de la Ciencia:

• Biología computacional
• Ingeniería de proteínas

Sus antecedentes:

• Los métodos de aprendizaje automático (ML), en particular los modelos de difusión, están avanzando en el diseño de proteínas de novo.
• Los métodos existentes a menudo requieren la capacitación para diferentes tareas de diseño.

Objetivo del estudio:

• Desarrollar un nuevo enfoque de diseño de proteínas sin reentrenamiento utilizando "alucinaciones" en un espacio de secuencia relajado.
• Permitir el diseño eficiente de columnas vertebrales de proteínas de alta calidad y las interacciones proteína-proteína en varias escalas.

Principales métodos:

• Un enfoque generativo basado en "alucinaciones" que opera en un espacio de secuencia relajado.
• Producción experimental y caracterización de más de 100 proteínas diseñadas.
• Validación mediante estructuras cristalinas de alta resolución y microscopía criolectrónica (crio-EM).

Principales resultados:

• Proteínas de cadena única diseñadas y validadas con éxito hasta 1000 aminoácidos.
• Se ha demostrado el diseño preciso de las interacciones proteína-proteína sintéticas, incluidos los heterodimeros.
• Logró un alto rendimiento en diseño, alcance y escalabilidad.

Conclusiones:

• El método basado en la "alucinación" ofrece una alternativa eficiente y versátil a las actuales tuberías de diseño de proteínas.
• La optimización de secuencia relajada proporciona una poderosa estrategia para el diseño e ingeniería de proteínas de novo.
• El enfoque es escalable y aplicable a diversos problemas de diseño de proteínas.