Un marco de IA generativa consciente de la estructura para revelar relaciones funcionales en familias de proteínas

Área de la Ciencia:

• Biología Computacional
• Bioinformática Estructural
• Ciencia de Proteínas

Sus antecedentes:

• Las bases de datos de secuencias de proteínas crecen más rápido que la determinación experimental de estructuras, dejando muchas secuencias sin anotar.
• Los pliegues de proteínas son más conservados e informativos que las secuencias, ofreciendo una poderosa herramienta de análisis.

Objetivo del estudio:

• Desarrollar un marco generativo consciente de la estructura para mapear, agrupar y diseñar secuencias de proteínas.
• Aprovechar la codificación geométrica y las restricciones coevolutivas para mejorar el análisis de proteínas.

Principales métodos:

• Empleo del alfabeto de interacción 3D (3Di) para la representación geométrica discreta de estructuras locales de proteínas.
• Utilización de ProstT5 para la traducción bidireccional entre secuencias de aminoácidos y representaciones 3Di.
• Integración de alineaciones 3Di con Análisis de Acoplamiento Directo (DCA) y Autoencoders Variacionales (VAE) dentro de un paisaje generativo latente.

Principales resultados:

• Logró una detección sensible de homología y generación de secuencias de proteínas guiada por la estructura.
• Mejoró la detección de señales coevolutivas y el muestreo racional de variantes estructurales.
• Demostró una mejora en la predicción de contactos, la inferencia de homología y la generación de secuencias en diversas familias de proteínas.

Conclusiones:

• El marco integrador proporciona una visión cuantitativa y generativa del espacio de estructuras de proteínas.
• Avanza en los estudios de evolución y diseño de proteínas al incorporar información estructural.
• Permite un análisis y diseño sensibles incluso para homólogos remotos con baja identidad de secuencia.