MEMPLEX: L’Intelligenza Artificiale che Svela i Segreti della Sintesi delle Proteine di Membrana!

Amici scienziati e curiosi della biologia, preparatevi a fare un tuffo in un mondo dove l’intelligenza artificiale e la biologia sintetica si incontrano per risolvere uno dei rompicapi più affascinanti della ricerca: la sintesi delle proteine di membrana. Vi siete mai chiesti come fanno le nostre cellule a comunicare con l’esterno, a trasportare nutrienti o a difendersi? Gran parte del merito va proprio a queste proteine, veri e propri guardiani e messaggeri incastonati nelle membrane cellulari. Studiarle è fondamentale, ma produrle in laboratorio… beh, quella è un’altra storia, spesso costellata di frustrazioni!

La Sfida Ardua della Sintesi Proteica Fuori dalla Cellula

Immaginate di dover costruire un macchinario complesso, con parti che devono incastrarsi alla perfezione in un ambiente molto specifico. Ecco, sintetizzare una proteina di membrana è un po’ così. All’interno delle cellule viventi, tutto un esercito di macchinari molecolari e ambienti chimici lavora in armonia per produrre e posizionare correttamente queste proteine. Replicare questa precisione in ambienti artificiali, soprattutto per le proteine di membrana che sono notoriamente “schizzinose” riguardo al loro ambiente lipidico, è una vera impresa.

Perché ci ostiniamo a volerle produrre fuori dalla cellula, in sistemi cosiddetti cell-free? I vantaggi sono enormi: possiamo controllare l’ambiente con precisione millimetrica, evitare la tossicità che a volte l’iperespressione di queste proteine causa alle cellule, e purificarle più facilmente. Pensate alle implicazioni: potremmo studiare meccanismi cellulari complessi, creare cellule sintetiche da zero e, non da ultimo, scoprire nuove terapie. Ma, come dicevo, la strada è in salita. Le interazioni tra ambiente chimico, lipidi (i grassi che formano le membrane) e la proteina stessa sono così intricate che spesso si procede per tentativi ed errori, con un dispendio enorme di tempo e risorse.

Entra in Scena MEMPLEX: Un Alleato Intelligente per la Sintesi

Ed è qui che la nostra storia prende una piega entusiasmante! Abbiamo sviluppato una piattaforma che abbiamo battezzato MEMPLEX (acronimo di Membrane Protein Learning and Expression). Cos’è MEMPLEX? È un sistema che combina la potenza del machine learning (una branca dell’intelligenza artificiale) con un reporter fluorescente ingegnoso per progettare rapidamente e in modo predittivo ambienti di sintesi artificiali ottimali per le proteine di membrana.

In pratica, MEMPLEX è come un investigatore super intelligente che impara dagli esperimenti. Abbiamo costruito un robot personalizzato capace di stampare goccioline nanolitriche, creando migliaia di diversi micro-ambienti chimico-proteici. In ciascuno di questi ambienti, tentiamo di sintetizzare una proteina di membrana. Come facciamo a sapere se la sintesi ha avuto successo e se la proteina si è correttamente inserita in una membrana artificiale (un liposoma, una sorta di bollicina di grasso)? Usiamo un trucco: attacchiamo alla proteina un pezzetto di una proteina fluorescente (GFP). Se la proteina di membrana si aggrega o non si inserisce correttamente, questo pezzetto rimane nascosto e non emette luce. Se invece si inserisce bene nel liposoma, il frammento di GFP diventa accessibile, si lega a un altro pezzo di GFP che aggiungiamo, e… voilà, la fluorescenza si accende, segnalandoci il successo!

Con MEMPLEX, abbiamo generato oltre 20.000 diversi ambienti artificiali, testando 28 proteine di membrana diverse. Questo ci ha permesso di capire l’impatto interdipendente di vari fattori: il tipo di lipidi usati, la composizione chimica dell’ambiente, la presenza di proteine “chaperone” (che aiutano altre proteine a piegarsi correttamente) e persino la struttura stessa della proteina di membrana.

L’Apprendimento Attivo: Quando l’IA Guida gli Esperimenti

La vera magia di MEMPLEX risiede nell’uso dell’apprendimento attivo. Invece di testare a caso tutte le combinazioni possibili (un’impresa titanica!), usiamo i dati dei primi esperimenti per addestrare una serie di reti neurali profonde. Questi modelli di intelligenza artificiale imparano a riconoscere quali condizioni sembrano favorire la sintesi di una particolare proteina. Poi, usiamo questi modelli per predire quali, tra le miriadi di condizioni non ancora testate, hanno la più alta probabilità di successo. In questo modo, ogni ciclo di esperimenti è più mirato ed efficiente del precedente.

I risultati sono stati sorprendenti! MEMPLEX è riuscito a creare nuovi ambienti artificiali che hanno permesso la sintesi di proteine di membrana di grande interesse, alcune delle quali erano considerate “intrattabili” con i metodi tradizionali. Pensate a proteine coinvolte nella comunicazione cellulare, nel trasporto di farmaci o bersagli di nuove terapie. Per esempio, siamo riusciti a produrre proteine come OR1A1 (un recettore olfattivo), CD47 e CD9 (importanti per il sistema immunitario e la comunicazione cellulare), che in precedenza non erano state sintetizzate con successo in sistemi cell-free con liposomi, o la cui sintesi era fallita.

Abbiamo scoperto che non esiste una “ricetta universale”: ogni proteina ha le sue preferenze! Alcune amano un certo tipo di lipidi, altre necessitano di concentrazioni specifiche di sali come il magnesio o il potassio, o di agenti che mimano l’affollamento molecolare della cellula (come il PEG). Le interazioni tra questi fattori sono complesse e non lineari. Per esempio, l’effetto del potassio sulla sintesi di una proteina chiamata CD9 dipende fortemente dalla concentrazione di magnesio. È proprio qui che l’IA ci dà una marcia in più, riuscendo a “vedere” questi pattern complessi che a noi umani sfuggirebbero.

Una Metrica per Predire il Successo: L’Idrofobicità Conta!

Ma non ci siamo fermati qui. Analizzando l’enorme mole di dati raccolta, abbiamo identificato una metrica quantitativa, basata sull’idrofobicità (la tendenza a “fuggire” l’acqua) degli amminoacidi che si trovano a contatto con la membrana, che ci aiuta a predire se una proteina di membrana potrà essere sintetizzata con successo in un ambiente artificiale. Abbiamo usato modelli strutturali predetti da AlphaFold (un altro potente strumento di IA!) per calcolare queste caratteristiche per migliaia di proteine.

Addestrando dei classificatori (altri algoritmi di machine learning) su questi dati strutturali, siamo riusciti a ottenere un’accuratezza dell’84.6% nel predire quali proteine del nostro set di test sarebbero state sintetizzate con successo. Questo è un passo enorme, perché significa che potremmo essere in grado di predire la “sintetizzabilità” di una nuova proteina di membrana ancor prima di iniziare gli esperimenti in laboratorio, semplicemente analizzando la sua struttura predetta!

Abbiamo esteso queste predizioni a un database di oltre 4600 proteine di membrana, identificando un gran numero di candidati promettenti per la sintesi. Per mettere alla prova il nostro modello, abbiamo selezionato tre proteine (AuxT1, FITM2, PPT1) che il sistema prediceva come “sintetizzabili” e, con grande soddisfazione, siamo riusciti a produrle con successo!

Prospettive Future: Verso la Conquista del “Proteoma Oscuro”

Il nostro lavoro con MEMPLEX apre la strada a un modo completamente nuovo di affrontare la sintesi delle proteine di membrana. Non si tratta solo di produrre proteine note in modo più efficiente, ma di poter finalmente studiare quelle parti del proteoma (l’insieme di tutte le proteine di un organismo) che sono rimaste “oscure” proprio a causa delle difficoltà di sintesi. Questo potrebbe accelerare enormemente la scoperta di nuovi bersagli terapeutici e lo sviluppo di farmaci innovativi.

Certo, la strada è ancora lunga. Vogliamo espandere il numero di parametri che MEMPLEX può ottimizzare, includendo ad esempio diversi tipi di membrane artificiali (come i nanodischi polimerici), o la presenza di molecole che aiutano la formazione di legami specifici nelle proteine. Inoltre, stiamo lavorando per integrare test funzionali direttamente nella piattaforma, per assicurarci che le proteine prodotte non solo si inseriscano correttamente nella membrana, ma siano anche attive.

In conclusione, MEMPLEX rappresenta una nuova frontiera negli approcci guidati dall’intelligenza artificiale per creare ambienti sintetici per la sintesi proteica. È la dimostrazione che, combinando robotica, biologia molecolare e machine learning, possiamo affrontare sfide che sembravano insormontabili. E chissà quali altre meraviglie ci riserverà il futuro dell’esplorazione delle intricate interazioni proteina-chimica-lipidi, sia negli ambienti naturali che in quelli che stiamo imparando a progettare con sempre maggiore maestria!

Fonte: Springer