Le PottsMPNN du MIT a amélioré la conception de protéines au-delà des séquences natives

Les pipelines de conception de protéines fixent souvent une structure cible, puis demandent à un modèle de générer des séquences d'acides aminés qui s'y replient. Le domaine avait souvent évalué le résultat par la récupération de la séquence native — la capacité du modèle à reproduire la séquence choisie par l'évolution. Cette métrique récompense la ressemblance avec la nature, mais elle échoue pour des protéines véritablement nouvelles dont les structures n'ont pas de séquence native.

Le département de biologie du MIT a développé PottsMPNN pour modéliser plutôt le paysage séquence-énergie : la relation entre l'identité des acides aminés et la stabilité des protéines. La recette d'entraînement ajoute du bruit aux structures protéiques afin de réduire l'imitation de la séquence native, modélise les interactions par paires entre les 20 acides aminés et intègre des ensembles de séquences apparentées sur le plan évolutif afin que le modèle apprenne que différentes séquences peuvent adopter le même repliement.

Le résultat rapporté est une meilleure cible de conception et un meilleur comportement : PottsMPNN réduit l'imitation de la séquence native tout en améliorant la prédiction de la compatibilité structurelle et de l'énergie, y compris pour de nouvelles protéines, et améliore la prédiction des effets des mutations sur la stabilité. La recherche fait passer la conception de protéines de la question « a-t-elle copié l'évolution ? » à « se repliera-t-elle et restera-t-elle stable ? ».

Optimiser la capacité de repliement, pas la récupération de la séquence native

Les nouvelles structures n'ont pas de séquence native à copier, donc la récupération ne peut pas être le test de réussite.

Le bruit dissuade le modèle de surajuster aux séquences sélectionnées par l'évolution.

Les interactions par paires entre acides aminés modélisent les dépendances physiques qui déterminent la stabilité.

Les familles de séquences apparentées enseignent que plusieurs séquences peuvent réaliser un même repliement.

Si un benchmark récompense la ressemblance avec l'histoire, il peut pénaliser une nouveauté utile. Remplacez-le par une contrainte causale — ici, la capacité de repliement et l'ajustement séquence-énergie — et entraînez le modèle à l'explorer.

Les auteurs affirment que le cadre pourrait être affiné pour des tâches spécifiques, comme la prédiction de la conséquence d'une mutation. Sa promesse plus large est un pipeline de conception capable de proposer de nouvelles protéines utiles pour la nature sans avoir besoin d'une séquence naturelle comme modèle.