Diseño de proteínas controlable mediante análisis de acoplamiento directo autorregresivo condicionado por componentes...

Área de la Ciencia:

• Biología computacional
• Ingeniería de proteínas
• Modelado estadístico

Sus antecedentes:

• El Análisis de Acoplamiento Directo (DCA) es un método estadístico para la modelización de secuencias de proteínas.
• Los modelos generativos existentes pueden carecer de contexto biológico o control detallado.
• El diseño de proteínas requiere métodos que equilibren la precisión generativa con la relevancia biológica.

Objetivo del estudio:

• Introducir FeatureDCA, un marco estadístico novedoso para la modelización y generación de secuencias de proteínas.
• Extender DCA incorporando condicionamiento biológicamente significativo para mejorar el diseño de proteínas.
• Demostrar la capacidad de FeatureDCA para guiar la generación de secuencias hacia propiedades funcionales o estructurales específicas.

Principales métodos:

• FeatureDCA extiende el Análisis de Acoplamiento Directo (DCA) con condicionamiento en información biológica (por ejemplo, filogenia, temperatura, componentes principales).
• Se desarrolló una implementación autorregresiva de FeatureDCA para la generación de secuencias.
• Las secuencias generadas se validaron utilizando herramientas de predicción estructural (AlphaFold, ESMFold) y se compararon con datos experimentales (escaneo de mutagénesis profunda).

Principales resultados:

• FeatureDCA iguala o supera a los modelos establecidos en precisión generativa para estadísticas de secuencias de orden superior en múltiples familias de proteínas.
• Las secuencias generadas mantienen una diversidad sustancial y adoptan pliegues biológicamente plausibles consistentes con los objetivos de tipo salvaje.
• En un estudio de caso de Reguladores de Respuesta, FeatureDCA reprodujo con precisión las arquitecturas específicas de la clase cuando se condicionó en componentes principales específicos del subtipo.
• Las predicciones de FeatureDCA mostraron una precisión comparable a la de los modelos no condicionados para datos de escaneo de mutagénesis profunda, lo que indica la captura de restricciones funcionales locales.

Conclusiones:

• FeatureDCA ofrece un enfoque flexible y transparente para la generación dirigida de secuencias de proteínas.
• El marco une eficazmente la fidelidad estadística, el realismo estructural y la interpretabilidad en el diseño de proteínas.
• FeatureDCA demuestra potencial para el control estructural detallado y la modelización precisa de restricciones funcionales en la ingeniería de proteínas.