O PottsMPNN do MIT aprimorou o design de proteínas para além das sequências nativas

Os pipelines de design de proteínas costumam fixar uma estrutura-alvo e então pedir a um modelo que gere sequências de aminoácidos que se dobrem nela. A área frequentemente avaliava o resultado pela recuperação da sequência nativa — se o modelo conseguia reproduzir a sequência que a evolução escolheu. Essa métrica recompensa a semelhança com a natureza, mas falha para proteínas genuinamente inéditas cujas estruturas não têm sequência nativa.

O Departamento de Biologia do MIT desenvolveu o PottsMPNN para modelar a paisagem sequência-energia: a relação entre a identidade dos aminoácidos e a estabilidade da proteína. A receita de treinamento adiciona ruído às estruturas proteicas para reduzir a imitação da sequência nativa, modela interações par a par entre os 20 aminoácidos e fornece conjuntos de sequências evolutivamente relacionadas para que o modelo aprenda que sequências diferentes podem adotar o mesmo enovelamento.

O resultado relatado é um alvo de design melhor e um comportamento melhor: o PottsMPNN reduz a imitação da sequência nativa ao mesmo tempo que melhora a compatibilidade estrutural e a previsão de energia, inclusive para proteínas inéditas, e melhora a previsão dos efeitos de mutações sobre a estabilidade. A pesquisa desloca o design de proteínas de perguntar ‘ele copiou a evolução?’ para perguntar ‘ele vai se dobrar e permanecer estável?’

Otimizar a capacidade de enovelamento, não a recuperação da sequência nativa

Estruturas inéditas não têm sequência nativa a copiar, então a recuperação não pode ser o teste de sucesso.

O ruído desencoraja o modelo de sobreajustar às sequências selecionadas pela evolução.

As interações par a par entre aminoácidos modelam as dependências físicas que determinam a estabilidade.

Famílias de sequências relacionadas ensinam que múltiplas sequências podem realizar um mesmo enovelamento.

Se um benchmark recompensa a semelhança com a história, ele pode punir a novidade útil. Substitua-o por uma restrição causal — aqui, a capacidade de enovelamento e o ajuste sequência-energia — e treine o modelo para explorá-la.

Os autores afirmam que a estrutura pode ser ajustada finamente para tarefas específicas, como prever a consequência de uma mutação. Sua promessa maior é um pipeline de design capaz de propor proteínas novas para a natureza e úteis sem precisar de uma sequência natural como modelo.