Clear Sky Science
הסברים מבוססי ראיות, עם מעט ז'רגון

Clear Sky Science · he

פיענוח אילוצים קואבולטיביים למידול הטרוגניות קונפורמציונית של חלבונים

· חזרה לאינדקס

חלבונים כמכונות המשתנות בצורתן

חלבונים הם המכונות הקטנות שמאפשרות את החיים, ורבים מהם פועלים על ידי שינוי עדין במבנה שלהם. שינויים אלה יכולים להפעיל או לכבות אותות, לפתוח או לסגור שערים מולקולריים, או לשנות כיסי קשר שאליהם מכוונים תרכיבים. עם זאת, רוב כלי המחשב עדיין מנסים להקצות לכל חלבון רק מבנה "נכון" אחד, ומסתירים את הגמישות שביסוד הבריאות והמחלה. מאמר זה מציג את EvoSplit, שיטה חדשה לקריאת הרשומה האבולוציונית המוצפנת ברצפי חלבון כדי לחשוף מספר צורות פונקציונליות חשובות — כולל חלקן שמעולם לא נצפו בניסויים ועלולות לפתוח נתיבים חדשים לגילוי תרופות.

Figure 1
Figure 1.

מדוע גמישות חלבונית חשובה לרפואה

בתוך התאים שלנו, חלבונים נדירים נשארים ללא תזוזה. הם מתעקלים, מתעוותים ולפעמים אף מתקפלים מחדש בתגובת שינויים בטמפרטורה, בחומציות, בשותפים לקשירה או בשינויים כימיים. תנועות כאלה יכולות להיות קטנות, כמו הזזה של כמה שרשראות צדדיות, או דרמטיות, כמו החלפה של מקטעים שלמים מאלפא-הליקס לבטא-שיטון. שינויים אלה מרכזיים לאופן שבו קולטים חלבונים רצפטורים הורמונים, איך מובילים ממברנות מולקולות, ואיך חלבוני אונקוס לוקחים חלק בסרטן. אם נכיר רק תמונה אחת של חלבון, אנו עלולים לפספס את הצורה הפעילה, את הכיס שניתן לתקוף בתרופה, או את הקונפורמציה שמובילה למחלה. לכן, לכידת "רשימת שחקנים" מדויקת של הצורות היציבות של חלבון היא חיונית להבנת הביולוגיה ולעיצוב טיפולים ממוקדים.

קריאת התווים הנסתרים של האבולוציה

במהלך מיליוני שנים, רצפי החלבון השתנו תחת לחץ לשמר לא רק מבנה יחיד, אלא לעתים מספר צורות רלוונטיות ביולוגית. כאשר שתי חומצות אמינו נוטות למוטציה באופן מתואם בקרב חלבונים קרובים, זה מרמז שעליהן להישאר בקשר לפחות בקונפורמציה אחת. מערכות למידת-עמק מודרניות כגון AlphaFold2 מצטיינות מכיוון שהן חוצבות דפוסים קואבולוציוניים כאלה ממשפחות גדולות של רצפים קשורים, המכונות יישור רצפים מרובים. עם זאת, כאשר חלבון יכול לאמץ יותר מקיפול אחד, האותות של מצבים שונים מתערבבים יחד, ושיטות סטנדרטיות בדרך כלל מדחסות אותם למבנה אחד ממוצע. שיטות מוקדמות ניסו להפריד זאת על ידי אשכול רצפים בהתבסס על דמיון כולל, אך גישות אלה התעלמו ברובן מהדפוסים הזוגיים שמקודדים בפועל את ההעדפות המבניות.

איך EvoSplit מפריד צורות חופפות

המחברים מתבססים על מודל שפת חלבון בשם MSA Transformer, שמשתמש במנגנון תשומת לב כדי ללמוד אילו רצפים ובאילו שיירים "שמים לב" זה לזה. הם מראים שבעבור חלבונים עם מספר מבנים ידועים, דפוס התשומת לב של כל רצף בודד נוטה להידמות למפת הקשרים של קונפורמציה ספציפית יותר מאשר לאחרת. במילים אחרות, כל רצף נושא טביעת אצבע של הצורה המועדפת עליו. EvoSplit מנצלת זאת על ידי שימוש במטריצות התשומת לב — לא בדמיון הרצפי הגולמי — כמאפיינים לאשכול את היישור לתת-קבוצות. כל אשכול מוזן בנפרד ל-AlphaFold2, ובכך מקבל מנבא המבנה רמז אבולוציוני נקי יותר וספציפי לקונפורמציה. ב-85 חלבונים הידועים כמחליפים קיפול, EvoSplit מייצרת מודלים שמתאימים טוב יותר למבנים ניסויים ובעלי ביטחון גבוה יותר משיטה מובילה המבוססת על אשכול רצפים, במיוחד עבור המצב הנדיר יותר שנמדד.

מציאת מצבים חדשים מעבר לנתוני האימון

חשש מרכזי עם רשתות עצביות חזקות הוא שהן עלולות פשוט "לזכור" מבנים מערכות האימון שלהן במקום לגלות חדשים. כדי לבדוק האם EvoSplit אכן מוסיפה מידע, המחברים פונים לקבוצת נשאים ורצפטורים שמצבי החלופה שלהם לא נכללו באימון המקורי של AlphaFold2. גם כאן, EvoSplit משחזרת צורות הפונות פנימה והחוצה, כמו גם צורות פעילות ולא-פעילות מובחנות, בדמיון מבני גבוה למודלים ניסיוניים. השיטה גם מתקדמת למשימות חקרניות יותר: כשהוחלה על יותר ממאה חלבונים המקושרים לסרטן האנושי, היא מסמנת 54 מועמדים שכנראה יאמצו קונפורמציות מרובות. עבור כמה מהם, כגון קינאזת LCK ומווסת מחזור התא ציקלין D1, EvoSplit מציעה סידורים מוצעים של דומיינים ההדומים למבנים ידועים מחלבונים קרובים, ומרמזת על מצבים שלא נצפו אך סבירים ביופיזיקלית.

Figure 2
Figure 2.

קיפול חדש מפתיע במתגים מקושרי סרטן

אולי התוצאה המסקרנת ביותר עוסקת ב-GTPases הקטנים כגון HRAS ו-KRAS, מתגי מולקולריים קלאסיים שלרוב עוברים מוטציות בגידולים. חלבונים אלה בדרך כלל מתחלפים בין "פעיל" ל"לא פעיל" על ידי ארגונומים עדינים בסמוך לאתר קשירת הנוקלאוטיד תוך שמירה על שאר הקיפול. EvoSplit, עם זאת, חוזה שוב ושוב קונפורמציה אלטרנטיבית שבה הליקס אחד בתחילת החלבון הופך לשיטון, ומשנה את הטופולוגיה הכוללת. הדפוס הזה מופיע בחמשת GTPases הקרובים, מה שמציע כי אינו מקרה מקרי. סימולציות של מצב יוצא דופן זה נשמרות יציבות לאורך מאות ננו-שניות, וניתוחים של קשירות אבולוציוניות מראים אותות קשר ייחודיים שמתיישבים עם קשרי השיטון הייחודיים לו. כאשר המחברים מדמים אינטראקציות בין HRAS לבין מספר שותפים מוכרים, הן הקונפורמציה הקלאסית והן זו החדשה יוצרות קומפלקסים יציבים, אך עם ממשקי קשר משתנים, מה שמעיד כי הקיפול החלופי עשוי לתמוך בהתנהגויות איתות שונות.

מה המשמעות לכך עבור עיצוב תרופות בעתיד

לעיני הלא-מומחה, המסר המרכזי הוא שחלבונינו עשויים להכיל יותר צורות — ובהתאם לכך יותר אפשרויות פונקציונליות — ממה שחיזוי מבנים מסורתי חשף. EvoSplit משתמש בזיהוי דפוסים מונחה אבולוציה כדי להפריד מצבים חבויים אלה במקום לממנם. בהתעלות על שיטות קודמות בחלבוני החלפת קיפול ידועים, בגילוי מצבים אלטרנטיביים בקולטים ונשאים שנחקרו היטב, ובהצעת קיפול חדש ויציב למתגים הקשורים לסרטן כגון HRAS, עבודה זו טוענת כי מודלינג רב-מצבי צריך להפוך לשגרתי. במונחים מעשיים, קטלוגים מבניים עשירים יותר יכולים להדגיש כיסים חדשים לתרופות, להסביר מדוע מוטציות מסוימות מזיקות, ולהצביע על מסלולים שמופיעים רק כשמבט עליו מעבר למבנה סטטי בודד.

ציטוט: Li, S., Zhang, C., Kong, L. et al. Disentangling coevolutionary constraints for modeling protein conformational heterogeneity. Commun Chem 9, 146 (2026). https://doi.org/10.1038/s42004-026-01940-9

מילות מפתח: דינמיקה קונפורמציונית של חלבונים, אותות קואבולוציוניים, AlphaFold2, חלבונים הקשורים לסרטן, מעבר קיפול ב-GTPase