PUBLICADO EN 'PROCEEDINGS OF THE NATIONAL ACADEMY OF SCIENCES'

Científicos del CNIO diseñan un nuevo algoritmo para predecir el lenguaje móvil de las proteínas

JANO.es · 23 octubre 2015

El trabajo supone un importante avance para el estudio computacional de los movimientos de las proteínas, crucial para el diseño de fármacos y la investigación de enfermedades genéticas como el cáncer.

Investigadores del Centro Nacional de Investigaciones Oncológicas (CNIO) y el University College de Londres, Reino Unido, han elaborado el primer método computacional basado en principios evolutivos para predecir la dinámica de proteínas, que explica los cambios en la forma o estructura tridimensional que éstas experimentan para interactuar con otros compuestos o acelerar reacciones químicas.

El trabajo, cuyos resultados ha publicado la revista Proceedings of the National Academy of Sciences, supone un importante avance para el estudio computacional de los movimientos de las proteínas, 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 el que permiten los métodos actuales.

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 el estudio de la coevolución de aminoácidos permite reconstruir la forma o estructura de estos compuestos biológicos en la naturaleza. "Los aminoácidos de una proteína pueden coevolucionar, es decir, mudar de forma coordinada", ha explicado Alfonso Valencia, director del Grupo de Biología Computacional Estructural del CNIO que ha liderado la investigación.

"Analizando las secuencias de una misma 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", ha añadido.

Sin embargo, esta estructura no permanece estática sino que experimenta cambios de forma que, como en 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 una gran dificultad tanto con observaciones experimentales como con herramientas computacionales.

La duda que tenían los investigadores al inicio del estudio, cuando Francesco Gervasio, ahora en el University College, dirigía el grupo de Biofísica Computacional del CNIO, era si, a partir de los estudios coevolutivos, se podían predecir los cambios de forma de las proteínas y, en consecuencia, los lenguajes que establecen con su entorno.

Aminoácidos que se atraen

Para ello, crearon un modelo en el que los aminoácidos que tienen una fuerte relación coevolutiva se atraen, "sin más datos adicionales", ha apuntado Simone Marsili, investigador que también ha participado en el trabajo.

Primero simularon el proceso de plegado y, a continuación, comprobaron cómo a partir de ahí las simulaciones eran capaces de predecir los cambios conformacionales de las proteínas a diferentes niveles de complejidad, incluidos aquellos necesarios para el funcionamiento de las quinasas, proteínas fundamentales en procesos metabólicos y de señalización y transporte 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 en 3D. Además, demuestra que los datos genómicos pueden ser una fuente de información de gran utilidad para complementar las herramientas actuales para el estudio de la estructura y dinámica de proteínas.

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