ProSSpeC: an interpretable probabilistic model predicting protease specificity

Motivation

• Known: TEV 프로테아제(TEVp)를 포함한 3,800개 이상의 NIa 프로테아제가 존재하나, 대부분의 촉매 활성과 기질 특이성이 규명되지 않았다. DCA는 단백질 구조와 특이성 연구에 성공적으로 적용된 바 있다.
• Gap: 포티바이러스과(Potyviridae) 프로테아제들의 효율성과 기질 특이성이 포괄적으로 프로파일링되지 않았으며, 자연에 존재하는 3,800여 개 NIa 프로테아제의 기능적 특성이 미결정 상태이다.
• Why: 프로테아제는 단백질 정제, 산업 응용, 합성 생물학 회로의 핵심 도구이므로, 더 나은 특이성과 효율을 가진 프로테아제를 체계적으로 설계하고 발굴하는 것은 생명공학 및 생의학 응용에 필수적이다.
• Approach: 3,817쌍의 NIa 프로테아제-기질 시퀀스를 수집하여 DCA의 mean-field formulation(mfDCA)으로 공진화 패턴을 학습하고, Potts Hamiltonian 에너지 함수를 이용해 Hamiltonian specificity(Hspec) 스코어를 계산한다. 이를 인간 세포 기반 sfCherry 형광 재구성 어세이로 검증한다.

Achievement

Fig. 2 | Experimental validation of protease-substrate interactions. a Hspec dis-

• ProSSpeC 모델 개발: DCA 기반 공진화 모델로 프로테아제-기질 특이성을 정량적으로 예측 가능하게 하여 단일 아미노산 변화의 영향을 분해능 있게 추정
• TEVp 능가 프로테아제 발굴: 4개 프로테아제(PSp, KeuMV2p, ACPp, WMV2p)가 상용 TEVp보다 같거나 우수한 절단 유도 형광 강도 및 Hspec 스코어 보유
• 225쌍 직교성 검증: 15개 프로테아제 × 15개 기질 조합에서 Hspec 스코어와 절단 효율의 강한 상관관계 입증(ROC AUC = 0.878)
• 기질 맥락의 중요성: 7 아미노산 모티프에서 20 아미노산 천연 서열로 확장시 1.3~7.9배 절단 효율 증가로 생화학적 맥락의 중요성 증명
• 선택적 세포 사멸 엔지니어링: ProSSpeC 예측으로 설계한 프로테아제 크로스토크가 혼합된 세포 집단에서 변이체 세포만 선택적으로 유도 세포 사멸 가능

How

Fig. 1 | Overview of ProSSpeC and experimental design. a Phylogeny of the

• 3,817쌍의 NIa 프로테아제와 기질 시퀀스 데이터셋 구축(Supplementary Data 1)
• Mean-field DCA(mfDCA)로 Potts Hamiltonian의 커플링(eij)과 로컬 필드(hi) 추론
• 정준 프로테아제-기질 쌍의 Hamiltonian 에너지에서 무작위 쌍의 에너지를 차감하여 Hspec 계산(Eq. 1-3)
• 기질 모티프 주변 잔기 마스킹으로 masked Hspec 도입(Eq. 4)
• 인간 세포 내 sfCherry 형광 재구성 어세이로 절단 활성 정량화
• 31개 프로테아제-기질 쌍 초기 스크리닝 후 225쌍 직교성 평가
• 자가억제(autoinhibition) 해제 돌연변이와 천연 20 아미노산 기질 맥락 적용으로 절단 효율 최적화
• 5개 프로테아제의 단일 아미노산 돌연변이 ΔH 예측 및 검증
• 선택적 세포 사멸 회로 설계로 프로테아제 크로스토크 활용성 시연

Originality

• 프로테아제-기질 특이성 정량화에 DCA 기반 Hamiltonian 에너지 함수 처음 적용으로 기존 방법(경험적 모티프 기반 접근)과 차별화
• 정준 쌍 에너지에서 무작위 쌍 에너지를 차감하는 보정 방식으로 공진화 신호만 추출하는 독창적 설계
• 인간 세포 내 형광 어세이 기반 대규모 검증(225쌍)으로 시험관 외(in vitro) 연구를 체세포 환경으로 확장
• 포티바이러스과의 미규명 프로테아제 3,817쌍 데이터셋 최초 구축 및 공개

Limitation & Further Study

• 모델이 7 아미노산 기질 모티프 내 특이성에만 초점을 두었으나, 실제 절단은 20 아미노산 확장 맥락에서 크게 달라지므로 확장 맥락의 정량적 규칙화 필요
• 일부 프로테아제에서 자가억제가 영향을 미친 점을 사후에 발견했으므로, 초기 스크리닝 단계에서 자가억제 예측 모듈 통합 필요
• 225쌍 검증이 특정 프로테아제 계통에 편향되어 있을 가능성; 포티바이러스과 외 다른 단백질 분해효소 계열 확대 검증 요구
• 절단 속도론(kinetics)을 직접 측정하지 않아 절단 효율 대 기질 특이성의 분리 불완전
• 머신러닝 해석성: Hspec가 물리적으로 의미 있는가에 대한 검증 (AlphaFold와의 연관성 제시하나, 직접 구조 검증 부족)

Evaluation

총평: ProSSpeC는 공진화 기반의 정량적 모델로 미규명 프로테아제의 기능을 예측하고 단일 아미노산 해상도에서 조작할 수 있는 강력한 도구를 제시하며, 225쌍 검증과 합성 세포 사멸 회로 시현으로 실용성을 입증했다. 다만 확장 기질 맥락과 자가억제 예측의 통합, 그리고 타 단백질 분해효소계 확대 적용이 후속 과제이다.