Diseñan un nuevo algoritmo para predecir el lenguaje móvil de las proteínas
Los investigadores han elaborado el primer método computacional basado en principios evolutivos.
Investigadores del Grupo de Biología Computacional Estructural del Centro Nacional de Investigaciones Oncológicas (CNIO), que dirigeAlfonso Valencia, en colaboración con el grupo de Francesco Gervasio del University College London (Reino Unido), han elaborado el primer método computacional basado en principios evolutivos. Este método trata de 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 es un importante avance para el estudio computacional de la dinámica de proteínas, es decir, de sus movimientos, crucial para el diseño de fármacos y la investigación de enfermedades genéticas.
Los resultados se publicarán esta semana en la revista Proceedings of the National Academy of Sciences (PNAS). “Creamos un modelo en el que los aminoácidos que tienen una fuerte relación coevolutiva se atraen, sin más datos adicionales. 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 a diferentes niveles de complejidad”, ha señaladoSimone Marsili, investigadorque también ha participado en el trabajo. 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.
El trabajo ha sido financiado por el Ministerio de Economía y Competitividad y elEngineering and Physical Sciences Research Council de Reino Unido. Este nuevo método computacional integra 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. Esta área de conocimiento es fundamental para el estudio de enfermedades genéticas, como el cáncer, o para el diseño de fármacos, entre otras aplicaciones.
.png)
No hay comentarios:
Publicar un comentario