ESMDynamic: Predicción rápida y precisa de mapas de contacto dinámico de proteínas a partir de secuencias únicas

Área de la Ciencia:

• Biología estructural
• Biología computacional
• La biofísica

Sus antecedentes:

• Comprender la dinámica conformacional de las proteínas es crucial para la función, pero es difícil de predecir.
• Los modelos actuales de aprendizaje profundo a menudo predicen estructuras de proteínas estáticas, descuidando el comportamiento dinámico.

Objetivo del estudio:

• Introducir ESMDynamic, un nuevo modelo de aprendizaje profundo para predecir mapas dinámicos de probabilidad de contacto entre residuos directamente a partir de secuencias de proteínas.
• Permitir la predicción basada en la secuencia de la variabilidad estructural de las proteínas sin múltiples alineaciones de secuencias.

Principales métodos:

• ESMDynamic se basa en la arquitectura de ESMFold.
• El modelo está entrenado en fluctuaciones de contacto de conjuntos de estructuras experimentales y simulaciones de dinámica molecular (DM).
• Se compararon los conjuntos de datos mdCATH y ATLAS con modelos de predicción de conjunto de última generación.

Principales resultados:

• ESMDynamic coincide o supera a los modelos existentes en la predicción de contactos transitorios.
• Alcanza órdenes de magnitud más rápidas de inferencia en comparación con otros métodos.
• Demuestra una aplicación exitosa a transportadores, proteínas diseñadas y mediadores de proteínas virales, recuperando contactos dinámicos validados.

Conclusiones:

• ESMDynamic ofrece un método rápido, interpretable y basado en secuencias para caracterizar la dinámica conformacional de las proteínas.
• El modelo facilita la construcción de modelos cinéticos a partir de simulaciones de MD.
• Las amplias aplicaciones incluyen la ingeniería de proteínas, el análisis funcional y el descubrimiento guiado por simulación.