Ads-728

Ads-728

Psicología

Astrofísica

Genética

Neurociencia

» » » » Un nuevo algoritmo para predecir el lenguaje dinámico de las proteínas

Referencia: EurekAlert.org, 23 octubre 2015
***********************************************
Investigadores del Grupo Biología Computacional Estructural del Centro Nacional de Investigaciones Oncológicas (CNIO), dirigido por Alfonso Valencia, en colaboración con el grupo de Francesco Gervasio  del University College  London (Reino Unido), han elaborado el primer método de cálculo basado en la evolución principios para predecir la dinámica de proteínas, que explica los cambios en la forma o estructura tridimensional que experimentan con el fin de interactuar con otros compuestos o acelerar las reacciones químicas. El estudio constituye un gran paso adelante para el estudio computacional de dinámica de proteínas (es decir, sus movimientos), crucial para el diseño de fármacos y la investigación de enfermedades genéticas, como el cáncer, y que así podrá realizarse con un mayor nivel de complejidad que lo que permiten por los métodos corrientes. Los resultados se publican esta semana en las Actas de revista de la Academia Nacional de Ciencias (PNAS).
Perfil predictivo de la dinámica conformacional de la familia de proteínas tirosina quinasa. Las regiones marcadas en rojo corresponden a importantes elementos estructurales involucrados en la activación de la proteína. Crédito CNIO
Las proteínas son macromoléculas que protagonizan las miles de funciones celulares que ocurren en un organismo vivo. Están formadas por cadenas de moléculas más pequeñas llamadas aminoácidos que se pliegan formando una estructura tridimensional. Recientemente se ha descubierto que mediante el estudio de la coevolución de aminoácidos podemos reconstruir la forma o estructura de estos compuestos biológicos en naturaleza. "Los aminoácidos de una proteína pueden coevolucionar, es decir, mudar de forma coordinada", dice Alfonso Valencia. "Analizando las secuencias de una determinada familia de proteínas, se pueden predecir contactos físicos entre aminoácidos con gran precisión, en número suficiente para reconstruir con exactitud el plegamiento de una proteína y, por ende, su estructura o forma."

Sin embargo, esta estructura no permanece estática, sino que experimenta cambios de forma que, como una especie de baile en el que cada uno de los bailarines se adapta a su pareja, le permiten interactuar con otros compuestos biológicos o con fármacos. Es la llamada dinámica de proteínas, cuyo estudio muestra gran dificultad tanto con observaciones experimentales como con herramientas computacionales.

La pregunta que se hicieron los investigadores al inicio del estudio, cuando Francesco Gervasio encabezó el Grupo de Biofísica Computacional del CNIO, era más compleja: ¿podemos, a partir de los estudios coevolutivos, predecir cambios de forma de las proteínas y, en consecuencia, el lenguaje que establecen con su entorno?

"Creamos un modelo en el que los aminoácidos que tienen una fuerte relación coevolutiva se atraen, sin más datos adicionales", dice Simone Marsili, investigador que también ha participado en el proyecto. "Primero simulamos el proceso de plegado y a continuación comprobamos cómo, a partir de ahí, las simulaciones eran capaces de predecir los cambios conformacionales de las proteínas en los diferentes niveles de complejidad, incluídos aquellos necesarios para el funcionamiento de las quinasas [proteínas fundamentales en procesos metabólicos y de señalización y transporte celular celular, entre otros]".

Este nuevo método computacional integra con facilidad datos experimentales y genómicos mediante el uso de tecnologías punteras de análisis de secuencias y de modelado 3D. Además, demuestra que los datos genómicos pueden ser una fuente de información de gran utilidad para complementar las herramientas actuales para el estudio la estructura y dinámica de las proteínas.

"La capacidad de predecir las características clave de proteínas a este nivel de complejidad ayudará a comprender cómo la secuencia de una proteína determina su dinámica y, por lo tanto, sus funciones", concluye Valencia. Este campo de conocimiento es fundamental para el estudio de enfermedades genéticas, como el cáncer, o el diseño de fármacos, entre otros aplicaciones.

###
- Fuente: Centro Nacional de Investigaciones Oncologicas (CNIO)
- Publicación: From residue coevolution to protein conformational ensembles and functional dynamics. Ludovico Sutto, Simone Marsili, Alfonso Valencia, Francesco Luigi Gervasio. PNAS (2015). doi: 10.1073/pnas.1508584112
- El estudio ha sido financiado por el Ministerio español de Economía y Competitividad y el Engineering and Physical Sciences Research Council (Reino Unido).

,

,

«
Next
Entrada más reciente
»
Previous
Entrada antigua
Editor del blog Pedro Donaire

Filosofía

Educación

Deporte

Tecnología

Materiales