Pesquisadores aplicam métodos de computação quântica à previsão da estrutura de proteínas

Visão geral do pipeline do PSP. Após o sequenciamento genômico, a sequência primária de aminoácidos é determinada. O método experimental começa então com a expressão desta proteína através da modificação genética de outro organismo com esta nova sequência. Este organismo irá então traduzir essas proteínas, e a nova proteína de interesse pode ser isolada, purificada e então resolvida usando cristalografia de raios X, RMN ou CryoEM. Os métodos in silico, por outro lado, simplesmente tomam a sequência primária de aminoácidos como entrada e a estrutura é prevista por um método baseado na física (onde a biofísica subjacente é de alguma forma simulada) ou um método baseado em modelo (onde algoritmos de aprendizado de máquina prever estruturas com base em padrões encontrados em um conjunto de treinamento de modelos experimentais). O método que adotamos neste trabalho se enquadra na categoria de algoritmos baseados em física. Como exemplo ilustrado, um modelo in silico e uma estrutura cristalina de raios X da helicase SARS-CoV2 NSP13 (PDB:7NN0) são sobrepostos, juntamente com um inibidor conhecido acoplado (colorido em magenta). Crédito:Journal of Chemical Theory and Computation (2024). DOI:10.1021/acs.jctc.4c00067

Pesquisadores da Cleveland Clinic e da IBM publicaram recentemente descobertas no Journal of Chemical Theory and Computation isso poderia estabelecer as bases para a aplicação de métodos de computação quântica à previsão da estrutura de proteínas.

Durante décadas, os pesquisadores aproveitaram abordagens computacionais para prever estruturas proteicas. Uma proteína se dobra em uma estrutura que determina como ela funciona e se liga a outras moléculas do corpo. Essas estruturas determinam muitos aspectos da saúde e da doença humana.

Ao prever com precisão a estrutura de uma proteína, os investigadores podem compreender melhor como as doenças se espalham e, assim, como desenvolver terapias eficazes. O pós-doutorado da Cleveland Clinic, Bryan Raubenolt, Ph.D. e o pesquisador da IBM Hakan Doga, Ph.D. liderou uma equipe para descobrir como a computação quântica pode melhorar os métodos atuais.

Nos últimos anos, as técnicas de aprendizado de máquina fizeram progressos significativos na previsão da estrutura de proteínas. Esses métodos dependem de dados de treinamento (um banco de dados de estruturas proteicas determinadas experimentalmente) para fazer previsões. Isso significa que eles são limitados pela quantidade de proteínas que foram ensinados a reconhecer. Isto pode levar a níveis mais baixos de precisão quando os programas/algoritmos encontram uma proteína que sofre mutação ou é muito diferente daquelas nas quais foram treinados, o que é comum em doenças genéticas.

O método alternativo é simular a física do enovelamento de proteínas. As simulações permitem aos pesquisadores observar as várias formas possíveis de uma determinada proteína e encontrar a mais estável. A forma mais estável é crítica para o desenvolvimento de medicamentos.

O desafio é que estas simulações são quase impossíveis num computador clássico, além de um determinado tamanho de proteína. De certa forma, aumentar o tamanho da proteína alvo é comparável a aumentar as dimensões de um cubo de Rubik. Para uma pequena proteína com 100 aminoácidos, um computador clássico precisaria de um tempo igual à idade do universo para pesquisar exaustivamente todos os resultados possíveis, diz o Dr. Raubenolt.

Para ajudar a superar essas limitações, a equipe de pesquisa aplicou uma combinação de métodos de computação quântica e clássica. Esta estrutura poderia permitir que algoritmos quânticos abordassem as áreas que são desafiadoras para a computação clássica de última geração, incluindo tamanho de proteínas, desordem intrínseca, mutações e a física envolvida no enovelamento de proteínas. A estrutura foi validada prevendo com precisão o dobramento de um pequeno fragmento de uma proteína do vírus Zika em um computador quântico, em comparação com métodos clássicos de última geração.

Os resultados iniciais da estrutura híbrida quântica clássica superaram tanto um método clássico baseado na física quanto o AlphaFold2. Embora este último seja projetado para funcionar melhor com proteínas maiores, ainda assim demonstra a capacidade desta estrutura de criar modelos precisos sem depender diretamente de dados de treinamento substanciais.

Os pesquisadores usaram um algoritmo quântico para primeiro modelar a conformação de energia mais baixa para a espinha dorsal do fragmento, que normalmente é a etapa do cálculo mais exigente em termos computacionais. Abordagens clássicas foram então utilizadas para converter os resultados obtidos no computador quântico, reconstruir a proteína com suas cadeias laterais e realizar o refinamento final da estrutura com campos de força da mecânica molecular clássica.

O projeto mostra uma das maneiras pelas quais os problemas podem ser desconstruídos em partes, com métodos de computação quântica abordando algumas partes e a computação clássica, outras, para aumentar a precisão.

“Uma das coisas mais singulares deste projeto é o número de disciplinas envolvidas”, diz o Dr. Raubenolt. "A experiência de nossa equipe varia de biologia computacional e química, biologia estrutural, engenharia de software e automação, até física experimental atômica e nuclear, matemática e, claro, computação quântica e design de algoritmos. Foi necessário o conhecimento de cada uma dessas áreas para criar um estrutura computacional que pode imitar um dos processos mais importantes para a vida humana."

A combinação da equipe de métodos de computação clássica e quântica é um passo essencial para avançar nossa compreensão das estruturas proteicas e como elas afetam nossa capacidade de tratar e prevenir doenças. A equipe planeja continuar desenvolvendo e otimizando algoritmos quânticos que possam prever a estrutura de proteínas maiores e mais sofisticadas.

“Este trabalho é um passo importante na exploração de onde as capacidades da computação quântica podem mostrar pontos fortes na previsão da estrutura de proteínas”, diz o Dr. "Nosso objetivo é projetar algoritmos quânticos que possam descobrir como prever estruturas de proteínas da forma mais realista possível."

Mais informações: Hakan Doga et al, A Perspective on Protein Structure Prediction Using Quantum Computers, Journal of Chemical Theory and Computation (2024). DOI:10.1021/acs.jctc.4c00067
Fornecido pela Clínica Cleveland

Combinando microscopia eletrônica e simulações para obter uma compreensão completa de uma liga de ferro e alumínio

Um novo método húngaro pode ajudar na pesquisa de proteínas

Química