Accorciare una proteina è solitamente un’operazione disastrosa. La forma di una proteina – e quindi la sua capacità di svolgere la sua funzione – dipende dalla sequenza di amminoacidi che la compongono: modificarne anche solo pochi può essere sufficiente a degradarne la struttura e, di conseguenza, la funzione. Per questo motivo, l’ingegneria proteica è andata avanti per decenni con modifiche minime, un amminoacido alla volta, verificando ogni passaggio.
Un team della Duke University School of Medicine ha presentato su Nature uno strumento che opera su una scala completamente diversa. Chiamato Raygun, è in grado di accorciare le proteine del 10-25% – in alcuni casi anche di oltre il 50% – o di allungarle oltre le loro dimensioni naturali, mantenendo intatte la struttura e i siti funzionali desiderati.
L’idea: rappresentare le proteine in modo che siano confrontabili
Il punto di partenza sono i modelli di linguaggio proteico, sistemi addestrati su milioni di sequenze naturali che hanno appreso una sorta di grammatica evolutiva: quali combinazioni di amminoacidi si ripetono, quali sono impossibili, quali regioni tollerano modifiche e quali no. Raygun si basa su ESM-2, uno dei modelli più utilizzati.
L’innovazione concettuale, tuttavia, risiede altrove. La maggior parte di questi sistemi rappresenta una proteina come una sequenza di lunghezza variabile, rendendo difficile confrontare proteine di dimensioni diverse o modificarne la lunghezza senza perdere l’architettura complessiva.
Raygun, invece, codifica ogni proteina non come una sequenza, ma come una distribuzione di probabilità in uno spazio a dimensione fissa. La conseguenza è che le proteine di qualsiasi lunghezza diventano direttamente commensurabili: possono essere confrontate, accorciate, allungate o riscritte all’interno della stessa rappresentazione matematica. Questo è ciò che gli autori definiscono uno spazio in cui la funzione è codificata indipendentemente dalla lunghezza.
Per l’utente, tutto ciò si riduce a due parametri: uno regola quanto viene modificata la sequenza, l’altro se la proteina si accorcia o si allunga.
Cosa hanno verificato in laboratorio
In questo campo, le previsioni computazionali hanno un’importanza limitata. La parte più convincente dello studio è rappresentata dai test su cellule vive.
Il team ha miniaturizzato le proteine fluorescenti, quelle utilizzate come marcatori per l’imaging biologico: EGFP e mCherry sono state ridotte del 10-15% pur mantenendo l’emissione di luce sotto eccitazione. Due delle varianti risultanti erano il 96% più piccole delle proteine fluorescenti presenti nel database di riferimento del settore.
Lo strumento ha funzionato anche su TurboID, un enzima sintetico ampiamente utilizzato negli studi di proteomica, e – in senso inverso – sul fattore di crescita epidermico (EGF). In questo caso, Raygun ha generato varianti espanse di EGF che si legano al loro recettore con un’affinità maggiore rispetto alla proteina naturale.
Rohit Singh, biologo computazionale alla Duke University e coautore corrispondente insieme a Scott Soderling, sottolinea un immediato vantaggio pratico della miniaturizzazione: un marcatore fluorescente più piccolo interferisce meno con ciò che dovrebbe segnalare, il che significa che causa meno danni durante l’osservazione.
Perché non è “l’ennesimo modello che progetta proteine”
Vale la pena distinguere questo lavoro dal filone del design de novo, quello che genera proteine inesistenti in natura partendo da zero. Sono due strategie diverse rispetto allo stesso problema: restare all’interno dello spazio delle proteine realizzabili mentre lo si esplora il più ampiamente possibile.
Il design de novo parte da molto lontano da quello spazio e cerca di raggiungerlo. Raygun parte da una proteina che già funziona ed esplora il territorio circostante. Secondo Singh le due cose non si escludono: si può progettare una proteina da zero e poi usare Raygun per esplorarne i dintorni.
È anche il motivo per cui questo approccio interessa chi lavora su applicazioni concrete. Un ricercatore raramente vuole una proteina completamente nuova, di cui non conosce nulla. Vuole una versione più piccola, più grande o più adattabile di una proteina di cui si fida già — e questa, secondo un esperto di modelli linguistici per le proteine dell’Università di Westlake non coinvolto nello studio, è precisamente la richiesta che il campo aveva lasciato scoperta.
Dove potrebbe servire
L’applicazione più citata è la terapia genica. I vettori virali usati per veicolare materiale genetico nelle cellule hanno una capacità di carico limitata, e questo esclude a priori i geni troppo grandi: poter ridurre una proteina mantenendone la funzione significa poter far entrare nel vettore ciò che prima non ci stava.
A seguire, troviamo l’imaging biomedico, con marcatori meno invasivi; la biotecnologia industriale, dove gli enzimi più compatti sono più facili da gestire; e la ricerca di base sull’evoluzione delle proteine.
Un dettaglio illustra lo stato attuale di questo campo: una dottoranda dell’Università della California, San Diego, ha utilizzato lo strumento, reso disponibile prima della pubblicazione, per partecipare a una competizione di progettazione di proteine, classificandosi tra i primi dieci con due proteine potenzialmente rilevanti per la chemioterapia. Questo ha portato a una collaborazione con il gruppo della Duke University.
I limiti da tenere presenti
L’integrità strutturale, nello studio, è in larga parte prevista computazionalmente: i test su cellule confermano il funzionamento in alcuni casi specifici, non su tutte le classi di proteine. Le proteine fluorescenti e gli enzimi verificati sono sistemi relativamente ben caratterizzati, e nulla garantisce che il metodo si comporti allo stesso modo su bersagli terapeutici complessi, dove contano stabilità, immunogenicità e comportamento in un organismo.
Anche la capacità di espansione, che è la parte più originale, è per ammissione degli stessi autori ancora in sviluppo.
Resta il risultato di fondo, che è un’idea prima ancora che uno strumento: se la funzione di una proteina può essere rappresentata in uno spazio indipendente dalla sua lunghezza, allora la dimensione smette di essere un vincolo di progetto e diventa un parametro come gli altri.
