Een algoritme dat een revolutie teweegbrengt in het ontdekken van 3D-eiwitstructuren

Een van de grote uitdagingen in de moleculaire biologie is het bepalen van de driedimensionale structuur van grote biomoleculen zoals eiwitten. Maar dit is een beroemde moeilijke en tijdrovende taak.

De standaardtechniek is röntgenkristallografie, waarbij het röntgendiffractiepatroon van een kristal van het onderzochte molecuul wordt geanalyseerd. Dat werkt goed voor moleculen die gemakkelijk kristallen vormen.

Maar veel eiwitten, misschien wel de meeste, vormen niet gemakkelijk kristallen. En zelfs als ze dat doen, nemen ze vaak onnatuurlijke configuraties aan die niet lijken op hun natuurlijke vorm.

Dus het vinden van een andere betrouwbare manier om de 3D-structuur van grote biomoleculen te bepalen, zou een enorme doorbraak zijn. Vandaag zeggen Marcus Brubaker en een paar vrienden van de Universiteit van Toronto in Canada dat ze een manier hebben gevonden om een ​​3D-beeldvormingstechniek drastisch te verbeteren die nooit helemaal overeenkwam met het nut van röntgenkristallografie.

De nieuwe techniek is gebaseerd op een beeldvormingsproces dat elektronencryomicroscopie wordt genoemd. Dit begint met een gezuiverde oplossing van het doelmolecuul dat wordt ingevroren tot een dunne film van slechts één molecuul dik.

Deze film wordt vervolgens gefotografeerd met behulp van een proces dat bekend staat als transmissie-elektronenmicroscopie - het wordt gebombardeerd met elektronen en de elektronen die er doorheen gaan worden opgenomen. In wezen produceert dit tweedimensionale schaduwgrammen van de moleculen in de film. Onderzoekers kiezen vervolgens elk schaduwgram en gebruiken ze om de driedimensionale structuur van het doelmolecuul uit te werken.

Dit proces is om een ​​aantal redenen moeilijk. Ten eerste is er een enorme hoeveelheid ruis in elke afbeelding, dus zelfs de tweedimensionale schaduw is moeilijk te onderscheiden. Ten tweede is er geen manier om de oriëntatie van het molecuul te weten toen de schaduw werd genomen, dus het bepalen van de 3D-vorm is een enorme onderneming.

De standaardaanpak om dit probleem op te lossen is niet meer dan giswerk. Bedenk een mogelijke 3D-structuur voor het molecuul en draai het om te zien of het alle schaduwgrammen in de dataset kan genereren. Zo niet, verander dan de structuur, test het, enzovoort.

Uiteraard is dit een tijdrovend proces. Het huidige ultramoderne algoritme dat op 300 kernen draait, heeft twee weken nodig om de 3D-structuur van een enkel molecuul te vinden uit een dataset van 200.000 afbeeldingen.

Brubaker en co hebben een veel snellere methode ontwikkeld die hetzelfde werk kan doen in slechts 24 uur op één werkstation. De techniek is gebaseerd op twee algoritmische innovaties.

De eerste maakt gebruik van het feit dat de afbeeldingen ruis bevatten en dus enorme hoeveelheden overtollige informatie bevatten. Het team omzeilt dit met behulp van een algoritme dat veel van deze redundantie verwijdert, waardoor er slechts een subset van de originele gegevens overblijft. De truc is natuurlijk om de nutteloze gegevens kwijt te raken en de nuttige dingen te behouden, iets wat ze beheren met behulp van een machine learning-aanpak.

Dat vermindert de hoeveelheid gegevens die moet worden verwerkt, maar de belangrijkste versnelling komt van de tweede innovatie, een statistische techniek die belangrijkheidssteekproef wordt genoemd.

Het belangrijkste idee hier is dat bepaalde stukjes gegevens belangrijker zijn dan andere bij het bepalen van de uiteindelijke 3D-structuur. Dus het vinden van een manier om je daarop te concentreren, kan het proces drastisch versnellen.

Brubaker en co hebben precies zo'n aanpak gevonden. Het blijkt dat grote, tot dunne films ingevroren moleculen bijna altijd op hun zij komen te liggen. Dus de schaduwgrammen laten bijna altijd de moleculen in deze pose zien in plaats van op hun hoofd of billen te staan.

Door deze kennis in het algoritme in te bouwen, wordt de snelheid waarmee het zich vestigt op een potentiële 3D-structuur drastisch verhoogd, omdat het de mogelijkheid kan negeren dat de afbeeldingen het molecuul van boven of van onderaf laten zien.

De resulterende verbetering is enorm. Dit leidt tot versnellingen van 100.000 keer of meer, waardoor structuren op een moderne werkplek in een dag kunnen worden bepaald, aldus Brubaker en co.

Het team demonstreert vervolgens hun techniek op een reeks schaduwgrammen van twee bekende biomoleculen. De eerste dataset bestaat uit meer dan 46.000 afbeeldingen van een groot transmembraanmolecuul genaamd ATP-synthase uit de thermus thermophilus bacteriën. De tweede bestaat uit bijna 6000 beelden van mitochondriaal ATP-synthase van runderen.

Het team synthetiseerde ook een derde dataset door 40.000 willekeurige schaduwgrammen van GroEL-GroES-(ADP)7 te nemen, een biomolecuul met een bekende structuur. Vervolgens gebruikten ze hun algoritme om achteruit te werken om de oorspronkelijke structuur opnieuw te creëren.

Ten slotte vergelijkt het team zijn aanpak met andere state-of-the-art modellen en laat het zien dat het nieuwe algoritme aanzienlijk beter presteert dan deze standaardmethoden.

Dat is een indrukwekkend resultaat dat de potentie heeft om het landschap drastisch te veranderen voor moleculair biologen die jarenlang hebben geworsteld om betrouwbare nieuwe methoden te vinden om de structuur van grote biomoleculen te bepalen.

Elektronencryomicroscopie lijkt deze rol op zich te nemen. En de techniek zal waarschijnlijk beter worden naarmate de resolutie van deze vorm van microscopie de komende jaren verbetert.

Ref: een rxiv.org/abs/1504.03573 : Eiwitten opbouwen in een dag: efficiënte 3D-moleculaire reconstructie

zich verstoppen