AI-model verenigt vorm en volgorde van eiwitten in één kaart

Eiwitten vormen de bouwstenen van bijna elk proces in levende cellen. Ze ontstaan uit een keten van aminozuren die zich opvouwt tot een specifieke driedimensionale vorm. Beide aspecten, de volgorde en de vorm, vertellen iets anders over een eiwit. Toch behandelden AI-modellen die twee bronnen van informatie tot nu toe grotendeels los van elkaar. Een internationaal team van onderzoekers, onder wie wetenschappers van het Earth-Life Science Institute (ELSI) aan het Institute of Science Tokyo, de University of Haifa en Tel Aviv University, presenteert nu een model dat dit probleem oplost.

Het model heet Contrastive Learning Sequence-Structure, afgekort CLSS. Het zet eiwitten om in een soort digitale postcode, een eiwitconformatie-representatie die bekendstaat als een embedding. Eiwitten met vergelijkbare eigenschappen krijgen een vergelijkbare code, waardoor wetenschappers relaties tussen eiwitten kunnen visualiseren als een soort wereldkaart. Het probleem bij eerdere modellen was dat de kaart gebaseerd op aminozuurvolgorde er totaal anders uitzag dan de kaart gebaseerd op structuur, ook al ging het om hetzelfde eiwit.

Eén kaart voor twee soorten informatie

CLSS gebruikt een trainingsmethode die contrastive learning heet. Tijdens het trainen krijgt het model steeds een aminozuurvolgorde en de bijbehorende structuur te zien, en leert het om daarvoor gelijkende codes te produceren, terwijl ongerelateerde paren juist ver van elkaar worden geplaatst. Het resultaat is een kaart waarin een eiwit ongeveer op dezelfde plek terechtkomt, of je nu naar zijn volgorde of naar zijn vorm kijkt. Getest tegen bestaande topmodellen bleek CLSS die twee werelden inderdaad samen te brengen. Bovendien kwamen de resultaten sterk overeen met de indeling van eiwitten in twee gerenommeerde, door experts samengestelde classificatiesystemen, ECOD en CATH, ondanks dat het model daar tijdens de training geen toegang tot had.

Fragmenten als sporen van evolutie

Een opvallende eigenschap van CLSS is dat het ook losse stukjes van eiwitten, fragmenten, betekenisvol kan plaatsen naast complete eiwitten. Dat is belangrijk voor evolutieonderzoek: kleine eiwitfragmenten zijn in de loop van miljarden jaren steeds opnieuw gebruikt en verknipt, en sommige dienden mogelijk als bouwstenen voor de allereerste eiwitdomeinen. Wanneer een gelijkend fragment opduikt in verder totaal verschillende eiwitten, kan dat wijzen op een oeroude gemeenschappelijke oorsprong.

De onderzoekers zagen ook grotere patronen op hun kaart. Eiwitten die samenwerken met organische hulpmolecules bleken op specifieke plekken geclusterd te liggen, terwijl eiwitten die metalen binden veel breder over de kaart verspreid lagen. "Dit geeft ons een manier om naar het eiwituniversum te kijken via volgorde en structuur tegelijk, in plaats van ze als twee gescheiden werelden te behandelen", zegt onderzoeker Liam Longo van ELSI. Volgens hem biedt de methode kansen om grootschalige evolutionaire patronen te ontdekken die met klassieke technieken moeilijk te herkennen zijn.

De onderzoekers, gepubliceerd in Proceedings of the National Academy of Sciences, denken dat hun aanpak op termijn ook nuttig is voor het doorzoeken van eiwitdatabases, het ontwerpen van nieuwe eiwitten en het reconstrueren van evolutionaire ontwikkelingslijnen. Zo kan de bijna vier miljard jaar oude geschiedenis van het leven op aarde stukje bij beetje verder worden blootgelegd.