KinoPlex ile insan proteomunda kinazların “ulaşabildiği” fosforilasyon alanları haritalandı

Hücre içi sinyalleşmenin çoğu, proteinlerdeki belirli bölgelerin fosforillenmesiyle açılıp kapanır. Ancak insan proteomunda yaklaşık 1,8 milyon serin, treonin ve tirozin kalıntısı bulunsa da bunların yalnızca küçük bir kısmı deneysel olarak fosforillenmiş kabul ediliyor. Daha da önemlisi, fosforilasyon gösterilen bu konumların ancak bir kısmı hangi kinaz tarafından işlendiğini güvenle söyleyecek düzeyde netleştirilebiliyor. Bu belirsizlik, yalnızca bir kalıntının kimyasal olarak “fosforilasyona uygun” olup olmadığını tahmin etmenin ötesinde, kinazın protein içindeki üç boyutlu yapıda o bölgeye gerçekten erişip erişemeyeceğini ve tanıyıp tanımayacağını belirleme zorluğundan kaynaklanıyor.

Yeni bir çalışmada Vanderwall, Huttlin, Mintseris ve arkadaşları, proteom ölçeğinde kinaz özgüllüğünü çözmeye odaklanan KinoPlex adlı yapay zekâ destekli bir hesaplama çerçevesini tanıtıyor. Araştırmacılar, sorun alanını iki parçaya ayırıyor: Birincisi, proteinlerin bağlanma ve fosforilasyon potansiyelini etkileyen katlanmış, yerel benzeri üç boyutlu konumlarını modellemek; ikincisi ise kinazların tanıdığı kısa motif desenlerini bu yapısal bağlama yerleştirerek, belirli bir kalıntının “reachability” yani erişilebilirlik ve tanınabilirlik koşullarını sağlayıp sağlamadığını tahmin etmek.

KinoPlex’in yaklaşımı, tahmin edilen protein yapıları ile kinazların tanıma motiflerini birleştiriyor. Çerçeve, proteindeki her olası hedef kalıntı için, ilgili kinazın tanıma kalıbının yapısal ortamla uyum gösterip göstermediğine ve kinazın bu kalıntıyı işleyebilmesi için gereken erişimin sağlanıp sağlanmadığına ilişkin bir fosforilasyon potansiyeli skorlaması yapmayı amaçlıyor. Böylece araştırmacıların tarif ettiği “bottleneck” aşılmaya çalışılıyor: Sadece fosforilasyonun teorik olarak mümkün olduğunu söylemek yerine, kinazın gerçekçi bir üç boyutlu bağlamda hedefi tanıyıp tanıyamayacağını tahmin etmek.

Çalışmanın vurguladığı kritik nokta, fosfosit haritalamasında eksik kalan bilginin, deneysel verinin azlığından olduğu kadar, kinaz-alt hedef eşleştirmesinin zorluğundan da beslenmesi. İnsan proteomunda deneysel fosforilasyon kanıtlarının oranı yaklaşık yüzde 6 düzeyinde ifade ediliyor; bunun da önemli bir bölümü için kinaz ataması netleştirilemeyebiliyor. KinoPlex gibi hesaplama yaklaşımları, deneysel çabanın yerini almak iddiasında bulunmaktan ziyade, fosforilasyonun ve kinaz özgüllüğünün sistematik olarak önceliklendirilmesine yardımcı olmayı hedefliyor. Bu önceliklendirme, hangi kinazların hangi protein bölgelerini daha olası şekilde düzenlediğine dair aday listelerin daha verimli biçimde oluşturulmasını sağlayabilir.

Modelin omurgasında, AlphaFold protein yapısı modelleriyle uyumlu bir yapı tahmin yaklaşımı kullanıldığı belirtiliyor. Bu, uzun menzilli bir biyolojik gerçekliği hesaba katmaya yönelik bir adım: Proteinlerin hücre içindeki katlanma durumu, belirli bir kalıntının yüzeyde olup olmaması, çevre kalıntıların yönelimi ve yerel mikro çevre gibi etmenler, kinazın tanıma etkileşiminin sonucunu etkiler. KinoPlex’in kinaz tanıma motif analizi ile bu yapısal bağlamı bir araya getirmesi, “ulaşılabilirlik” ve “tanınabilirlik” kavramlarının sayısallaştırılması açısından dikkat çekiyor.

Sonuç olarak çalışmanın ortaya koyduğu çerçeve, insan proteomunda kinaz-özgül fosforilasyon olasılıklarının daha sistemli bir biçimde haritalanmasına yönelik bir yapay zekâ yolu sunuyor. Bu tür proteom ölçeğinde öngörülerin, sonraki deneysel doğrulamalar için adayların seçilmesini kolaylaştırabileceği düşünülüyor. Bununla birlikte, hesaplamadan deneysel doğrulamaya giden süreçte her zaman belirsizlik payı bulunduğu; yeni modellerin bulgularının ancak laboratuvar testleriyle pekiştirilebileceği de göz önünde bulundurulmalı.

Kaynak: https://scienmag.com/ai-structural-atlas-reveals-kinase-specificity-across-the-human-proteome/