Predicción de estructura de novo de alta resolución a partir de la secuencia primaria

Resumen Los recientes avances han utilizado el aprendizaje profundo para explotar la información evolutiva en alineamientos de secuencias múltiples (MSAs) para predecir con precisión las estructuras de proteínas. Sin embargo, los MSAs de proteínas homólogas no siempre están disponibles, como sucede con proteínas huérfanas o proteínas de rápida evolución como los anticuerpos, y una proteína generalmente se pliega en un entorno natural a partir de su secuencia primaria de aminoácidos en su estructura tridimensional, lo que sugiere que la información evolutiva y los MSAs no deberían ser necesarios para predecir la forma plegada de una proteína. Aquí, introducimos OmegaFold, el primer método computacional que predice con éxito la estructura de proteínas de alta resolución a partir de una sola secuencia primaria. Usando una nueva combinación de un modelo de lenguaje de proteínas que nos permite hacer predicciones a partir de secuencias individuales y un modelo transformer inspirado en la geometría entrenado en estructuras de proteínas, OmegaFold supera a RoseTTAFold y logra una precisión de predicción similar a AlphaFold2 en estructuras recientemente publicadas. OmegaFold permite predicciones precisas sobre proteínas huérfanas que no pertenecen a ninguna familia de proteínas caracterizadas funcionalmente y anticuerpos que tienden a tener MSAs ruidosos debido a la rápida evolución. Nuestro estudio llena un vacío frecuentemente encontrado en la predicción de estructuras y nos acerca un paso más a entender el plegamiento de proteínas en la naturaleza.