Anthropic ha presentato i risultati di un progetto di ricerca biologica condotto con il supporto di Claude che ha permesso di identificare proteine appartenenti alla famiglia delle major vault proteins in organismi procarioti e batteriofagi e di dimostrare sperimentalmente la loro capacità di assemblarsi in particelle cave denominate vault. Queste strutture, già conosciute nelle cellule eucariotiche, sono grandi complessi proteici caratterizzati da una geometria simile a un contenitore chiuso, la cui funzione biologica rimane ancora sconosciuta. La ricerca ha dimostrato che alcune proteine omologhe presenti in batteri e virus che infettano i batteri possono produrre particelle vault quando vengono espresse in Escherichia coli, fornendo un sistema sperimentale alternativo agli organismi eucariotici per studiarne l’assemblaggio, l’architettura e le possibili funzioni. Una delle strutture ottenute, denominata L05 e derivata da una proteina di origine fagica, è stata ricostruita tridimensionalmente mediante microscopia crioelettronica con una risoluzione nominale di 3,2 ångström. Anthropic descrive questo risultato come la prima struttura tridimensionale di una particella vault riconducibile a proteine procariotiche, pur precisando che la capacità di assemblaggio negli organismi di origine non è stata ancora verificata.
La ricerca è iniziata con l’utilizzo di Claude Science per esplorare un database contenente circa 15 miliardi di sequenze proteiche predette. Attraverso l’analisi delle omologie con le major vault proteins conosciute, il gruppo ha individuato proteine correlate distribuite in 29 phyla batterici e quattro phyla di archei, sebbene la loro presenza sia stata rilevata in meno dell’1% delle specie dotate di un genoma sequenziato. La distribuzione suggerisce quindi una famiglia proteica relativamente rara ma diffusa in gruppi evolutivi differenti. I ricercatori hanno selezionato 44 proteine per una fase iniziale di verifica mediante sistemi di espressione acellulare, individuando successivamente i candidati più promettenti da trasferire in Escherichia coli. Tra 24 candidati analizzati in questa fase, 15 hanno prodotto proteine solubili e sette di queste hanno mostrato la formazione di strutture compatibili con particelle vault all’osservazione mediante microscopia elettronica. La microscopia crioelettronica ha successivamente confermato la geometria vault per quattro candidati, due di origine batterica e due derivati da batteriofagi. La selezione della particella L05 per l’analisi dettagliata è stata motivata dalla capacità di formare strutture complete e chiuse con una frequenza adeguata alla ricostruzione strutturale.
La particella L05 è costituita da 96 copie della stessa proteina, organizzate in due metà comprendenti ciascuna 48 subunità. Le vault dei mammiferi, al contrario, sono formate da 78 copie della major vault protein, distribuite in due metà da 39 subunità. Ogni proteina della struttura L05 presenta sette segmenti ripetuti nella parete laterale, mentre la corrispondente proteina umana ne comprende nove. Questa differenza produce una particella più corta e larga rispetto alla vault umana, con un volume interno superiore di circa il 25%. La chiusura delle estremità avviene mediante una particolare organizzazione delle subunità proteiche: all’interno di gruppi di tre copie adiacenti, una termina al primo livello della struttura di chiusura, la seconda al livello successivo e la terza raggiunge l’estremità. Le proteine sono identiche nella composizione, ma assumono conformazioni differenti nella regione terminale, consentendo la formazione della geometria complessiva. L’analisi tridimensionale ha permesso di identificare le interazioni tra subunità responsabili della stabilità dell’involucro, offrendo una base strutturale per modificarne sperimentalmente le dimensioni e le proprietà.
Per verificare quali regioni fossero necessarie all’assemblaggio, il gruppo ha prodotto 15 varianti modificate della proteina L05, intervenendo soprattutto sui punti di contatto tra subunità. Alcune singole sostituzioni di amminoacidi nelle regioni di giunzione della parete o del cappuccio hanno determinato la formazione di aggregati oppure di particelle aperte, con una disposizione simile a una rosetta, anziché di strutture completamente chiuse. Questi risultati hanno consentito di identificare interazioni essenziali per la stabilità della particella. In un secondo esperimento, i ricercatori hanno duplicato due segmenti ripetuti della parete proteica, aumentando il numero delle ripetizioni da sette a nove. La variante ottenuta ha conservato la capacità di assemblarsi in particelle chiuse, ma ha prodotto un aumento del volume interno di circa il 20%. La possibilità di modificare le dimensioni della struttura senza comprometterne l’assemblaggio rappresenta un risultato sperimentale rilevante per lo studio di nanocapsule proteiche. Le eventuali applicazioni nel trasporto di molecole o nell’incapsulamento di materiali rimangono tuttavia ipotesi di sviluppo: gli esperimenti dimostrano la possibilità di controllare la geometria delle particelle, non la loro capacità già verificata di trasportare specifici carichi biologici.
Claude è stato utilizzato in numerose fasi del lavoro, mantenendo la selezione dei candidati e le decisioni scientifiche sotto la responsabilità dei ricercatori. Dopo l’identificazione delle proteine da studiare, il sistema ha convertito le sequenze proteiche in progetti di DNA adattati agli organismi di espressione, aggiungendo gli elementi necessari alla regolazione dei geni e preparando i costrutti per la sintesi. Un contributo operativo ha riguardato la purificazione delle particelle, tradizionalmente effettuata mediante gradienti di zucchero e procedure che, nei protocolli sviluppati per le vault eucariotiche, potevano richiedere circa tre giorni. Il gruppo ha invece adottato una procedura di cromatografia per esclusione dimensionale che ha ridotto il tempo necessario per passare dalle cellule al campione predisposto per la microscopia a circa 90 minuti. In questa tecnica, le particelle più grandi delle porosità del materiale cromatografico vengono escluse dai pori ed emergono prima delle molecole più piccole. Claude aveva inizialmente espresso perplessità sulla procedura, poiché anche gli aggregati proteici possono essere esclusi dalle porosità e comparire nelle stesse frazioni. Successivamente ha contribuito a definire la scelta della colonna, i controlli per verificare la presenza delle particelle e la possibilità di introdurre direttamente il contenuto delle cellule lisate senza una purificazione preliminare.
Per la ricostruzione tridimensionale, Claude ha operato in un ambiente multiagente interno dotato di risorse computazionali dedicate, predisponendo ed eseguendo un flusso di elaborazione basato sul software open source RELION. I ricercatori hanno continuato a guidare le decisioni analitiche e a verificare la qualità dei risultati. Secondo Anthropic, il primo modello strutturale completo è stato ottenuto dopo 34 ore e le mappe finali circa una settimana dopo l’avvio dell’elaborazione, mentre l’intero progetto è stato completato in meno di quattro mesi. L’azienda ritiene che una prima ricostruzione realizzata mediante procedure tradizionali avrebbe potuto richiedere diverse settimane. L’elaborazione parallela dei dati crioelettronici ha tuttavia utilizzato centinaia di GPU, una disponibilità di calcolo superiore a quella di numerosi laboratori accademici. Diversi modelli e interfacce Claude, compresi Claude Science e Claude Code, hanno inoltre contribuito alla scrittura del codice e alle analisi computazionali, sotto la supervisione degli autori.
L’impiego dell’intelligenza artificiale non ha eliminato errori e difficoltà sperimentali. Un protocollo preparato da Claude prevedeva l’aggiunta di un componente al terreno di crescita che interferiva con l’introduzione del DNA nelle cellule, provocando un ritardo di circa due settimane. In una delle prime elaborazioni crioelettroniche, il sistema ha omesso un passaggio standard e ha generato una mappa strutturale errata, contenente una sovrapposizione della particella con la sua immagine speculare. Gli errori sono stati individuati e corretti attraverso la verifica sperimentale e computazionale dei ricercatori. Anthropic ha condiviso le registrazioni del lavoro con i gruppi impegnati nell’addestramento dei modelli e riferisce miglioramenti successivi nella progettazione del DNA e nell’individuazione di criticità nei protocolli.
La ricostruzione della proteina L05 ha inoltre evidenziato una cavità in ciascuna subunità, contenente una densità strutturale non attribuita con certezza a una molecola conosciuta. Una ricerca computazionale su circa 25.000 composti ha individuato il coenzima A, o un suo derivato, come possibile candidato, senza fornire una conferma sperimentale della sua identità o del suo ruolo biologico. Rimane sconosciuto anche se le particelle osservate in Escherichia coli si formino effettivamente nei batteri e nei batteriofagi dai quali derivano le rispettive sequenze. Il rapporto tecnico è stato sottoposto a bioRxiv e Anthropic prevede di rendere disponibili le strutture e ulteriori dati sperimentali. Il risultato documentato riguarda quindi l’identificazione, la produzione, la ricostruzione strutturale e la modifica geometrica di una famiglia di particelle proteiche, mentre la loro funzione naturale e le possibili applicazioni rimangono oggetto di ricerca.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)