ProteinDelta v4

Ejecuta ProteinDelta_ColabFold_WT_vs_MUT.ipynb en Google Colab con GPU Tesla T4. Descarga all_outputs.zip y carga los archivos aquí. Con los PDB opcionales, FractEngine v2 calculará FD_bc sobre puntos de superficie SASA reales → rango [2.0–2.6] en lugar de la estimación sintética de v1.

Este notebook genera los modelos tridimensionales WT y Mutante de cualquier proteína del panel oncológico (o de una secuencia personalizada), y calcula RMSD y SASA por residuo. La secuencia canónica se descarga automáticamente de UniProt; la estructura WT puede tomarse de AlphaFold DB (ahorra ~50 % del tiempo de cómputo). Solo se necesita configurar la CELDA 1 — el resto corre con "Ejecutar todo".

Instrucciones de uso:
1. Abre colab.research.google.com → Archivo → Subir notebook → selecciona el .ipynb descargado.
2. Entorno de ejecución → Cambiar tipo de entorno de ejecución → GPU (T4).
3. En CELDA 1: elige la proteína del menú desplegable, escribe la mutación (ej. R175H) y el perfil (accurate recomendado).
4. Entorno de ejecución → Ejecutar todo — no es necesario tocar ninguna otra celda.
5. Al terminar la CELDA 10, descarga all_outputs.zip desde el panel de archivos de Colab (icono de carpeta, a la izquierda).
6. Carga el ZIP en la sección 📂 Importar ColabFold de esta plataforma.

Qué muestra esto. Solo BRCA1 M1775R acierta en las 4 semillas (DE 0.11, la más estable): una señal desestabilizante real y reproducible. BRAF V600E acierta 1 de 4 — la primera corrida (semilla por defecto) dio Prob. Patogénica, las otras tres VUS o Prob. Benigna, así que una sola corrida de esta variante es casi una moneda al aire. El control benigno TP53 Y107H es el más estable después de BRCA1 (DE 0.01) y falla en las 4 — el score está seguro y consistentemente equivocado ahí, no solo ruidoso. EGFR L858R (siempre Benigna) falla del mismo modo estable. PTEN R130Q, IDH2 R172K, PIK3CA H1047R y KRAS G12D oscilan entre VUS y Prob. Benigna entre semillas (las cuatro son patogénicas, así que ninguna clase es correcta), con rangos de 0.13–2.55 unidades de PS_v4: estas variantes están en una región genuinamente inestable del score, no cerca de un valor fijo que solo cruza un umbral por poco. Es una extensión pequeña (n=3–4, 8 de las 33 variantes y controles reales) que no estima la varianza real del score, pero muestra que una clasificación de una sola semilla — el formato de todos los demás resultados de este proyecto — no suele representar lo que daría una segunda o tercera corrida: en 7 de estas 8 variantes, al menos una semilla da una clase distinta a otra.

Qué muestra esto. Solo TP53 N235S clasifica correctamente (Prob. Benigna); las otras nueve caen en VUS. Junto con TP53 Y107H, el score acierta en 1 de 11 controles benignos reales — una especificidad del mismo orden que la sensibilidad ya encontrada en el panel patogénico (2 de 21). PS_v4 no falla solo con variantes patogénicas: en esta muestra pequeña y elegida por una regla fija de variantes benignas confirmadas, también devuelve VUS casi siempre. VHL P25L (PS_v4 = +0.0155) cae dentro de la región desordenada N-terminal de VHL (pLDDT real 49–50 en el residuo, frente al ~90 del dominio plegado): un VUS sin señal ahí es lo esperable, no un fallo nuevo. PIK3CA I391M (PS_v4 = +0.060) tiene el mismo tipo de inflación de RMSD por la cola C-terminal que H1047R (5.97 Å en una corrida completa de 1068 residuos), así que su RMSD no debe leerse como efecto de la mutación. Es un conjunto pequeño y elegido por una regla, no por el resultado: no estima la especificidad en general, pero muestra que el 1 de 11 no es un artefacto de que Y107H fuera un solo caso inusual.

Réplicas con una segunda semilla de AlphaFold2 (las 22 variantes). Cada resultado de arriba es una predicción con la semilla por defecto (0). Las 22 variantes se repitieron con --random-seed 1. En las ventanas de dominio se predijeron WT y mutante; en KRAS, VHL y CTNNB1 también (sus corridas originales predijeron ambas estructuras); en NRAS, HRAS, CDKN2A, IDH1, IDH2 y PIK3CA el WT sigue siendo el de AlphaFold DB, así que solo se remuestreó el mutante.

Qué muestran estos resultados. Los fallos son sistemáticos, no aleatorios: (1) mutaciones activadoras, catalíticas o neomórficas que no alteran el pliegue (KRAS G12D, IDH1 R132H, PTEN R130Q, FGFR3 K650E, ALK F1174L, ERBB2 V777L, MET M1250T) no dejan firma en pLDDT ni SASA; (2) un artefacto de confianza de AlphaFold2 (EGFR L858R, ΔpLDDT +30.25) se lee como estabilización y da el PS_v4 más negativo de la serie (−6.889); (3) efectos que probablemente actúan por interacciones que un monómero no representa (SMAD4 R361H, VHL L158P, PIK3CA H1047R; consistente con las señales planas, no probado); (4) fragilidad cerca de un límite de clase (IDH1 e IDH2 difieren 0.38 unidades por ~1.3 unidades de pLDDT; NRAS, HRAS y PIK3CA quedan 0.05–0.16 por debajo de Prob. Patogénica); (5) segmentos desordenados que inflan el RMSD global; (6) etiquetas que no son binarias (RB1 R661W, BCR-ABL T315I).

Límites. Conjunto elegido a mano, un único control benigno, una predicción WT/MUT por variante (réplica con una 2ª semilla en las 22) y proteínas tratadas como monómeros aislados. Estos números describen este conjunto; no estiman el desempeño del score en general. Con la formulación actual, PS_v4 no es utilizable como evidencia de patogenicidad. Detalle por variante en el README y en el artículo.

Qué muestra esto. Con el panel completo curado por el profesor (no una selección ad hoc), el score sigue fallando sistemáticamente: solo 4 de 39 pares patogénicos reales quedan como Patogénica o Prob. Patogénica (BRAF V600E, BRCA1 G1738E, BRAF V600K, BRCA1 C61G — 10.3%). FGFR3 S249C tiene un RMSD global inusualmente alto (24.7 Å) que probablemente refleja incertidumbre en el empaquetamiento entre dominios de AlphaFold2 (pTM ≈ 0.45–0.50 en ambas corridas, típico de proteínas multidominio con enlazadores flexibles), no necesariamente el efecto de la mutación puntual — no se le atribuye significado biológico. BRCA1 C61G (‡) se corrió sobre un fragmento curado del dominio RING (residuos 1–300), no la proteína completa: tres intentos de correr los 1863 residuos completos —el último con el WT tomado de AlphaFold DB para predecir solo el mutante— no terminaron dentro de una sesión gratuita de Colab. Su RMSD global (27.7 Å) es probablemente el mismo artefacto de empaquetamiento de dominio aislado que FGFR3 S249C (pLDDT global ~52–56 en ambas corridas, muy por debajo de un dominio bien plegado), pero su caída de pLDDT en el punto mutado (−15.5) es real y grande: C61 es una de las dos cisteínas coordinadoras de zinc del dominio RING, y perderla es el mecanismo patogénico conocido de esta variante — es la única de las cuatro llamadas correctas con una señal local, y no solo global, detrás. BCR-ABL T315I no tiene etiqueta binaria (resistencia adquirida) y no se puntúa. Esta cobertura del panel completo reemplaza a la muestra de 22 variantes como la evidencia principal del proyecto: la conclusión no cambia (PS_v4 no es utilizable como evidencia de patogenicidad con la formulación actual), pero ahora se apoya en el conjunto de referencia que el profesor especificó, no en una selección hecha por el equipo.

Qué muestra esto. De las 7 réplicas que sí terminaron, 1 cambia de clase: BRAF V600K pasa de Prob. Patogénica (correcta) a Prob. Benigna (dirección equivocada) — el PS_v4 va de +1.329 a −1.201 cruzando dos umbrales, con la misma proteína, la misma mutación y el mismo pipeline, solo cambiando la semilla aleatoria de ColabFold. De las 4 llamadas correctas del panel de 40, esto deja solo 3 confirmadas como estables: BRCA1 G1738E y BRCA1 C61G se reproducen limpio — el ΔpLDDT local de BRCA1 C61G en particular casi no cambia (−15.5 → −14.88), aunque su RMSD global artefactual sí (27.7 Å → 16.9 Å, ambos grandes pero inconsistentes entre sí, como se espera de un artefacto). KRAS G12R (‡) no cambia de clase pero se mueve bastante (−0.099 → +0.810), acercándose al umbral de +1.2 sin cruzarlo. Este patrón de inestabilidad ya estaba documentado en el estudio de 22 variantes (5 de 22 cambian de clase con segunda semilla) y en BRAF V600E en particular (1 de 4 semillas acierta) — ahora se extiende también al panel de 40. No cambia el número principal (4/39 correctas, con la semilla 0 original), pero es razón para leer ese número como un límite superior optimista, no como un resultado firme: al menos una de las cuatro no es un acierto confiable.

Estadística descriptiva. El ΔFD medio entre WT y mutante es -0.030 (IC95% -0.123 a +0.064; t pareada p = 0.52; Wilcoxon p = 0.46). Las patogénicas muestran una tendencia a ΔFD positivo (18/27), pero la prueba binomial no es significativa (p = 0.12). Patogénicas frente a benignas: Mann–Whitney p = 0.47. El signo de ΔFD no separa las clases predichas (Fisher p = 1.00). El término no entra con signo en PS_v4, que usa |ΔFD|.

* Resultados no confiables: numeración con caveat o ventana desordenada (ver informe).

Guía paso a paso de cada módulo de ProteinDelta. El manual se muestra en el idioma seleccionado (ES / EN); también puedes abrirlo en una pestaña nueva o descargar cualquiera de las dos versiones.