Avances para 'decodificar' las proteínas

El trabajo de los bioinformáticos que experimentan simulando el comportamiento de las proteínas en ordenador, resulta incomprensible para la bioquímica que, tradicionalmente, trabaja con datos termodinámicos procedentes de experimentos con las proteínas (empíricos) en un laboratorio.

Con este nuevo algoritmo, el “gap”, o hueco, que existe entre los diferentes lenguajes bioquímico y bioinformático, se rompe y la compresión entre ambos campos será mucho mayor que hasta ahora. A través de la construcción de una red compleja, que viene directamente de la simulación computacional, se analiza y se aplica un algoritmo inspirado en herramientas usadas para la detección de conjuntos o comunidades de individuos en sistemas sociales. De esta manera, podemos obtener grupos de microestados proteínicos que correspondan a un sólo macroestado fácilmente de identificar bioquímicamente. De esta manera, podemos obtener magnitudes bioquímicas, y confrontarlas con los experimentos que no se entiendan bien, y aplicar este sistema a orientarlos o verificarlos.

Nuevos retos
Por lo tanto, en este trabajo se presenta un nuevo marco para desvelar la respuesta a cuestiones como: ¿Cuántas estructuras metaestables hay en una proteína? ¿Cómo son las relaciones jerárquicas que existen entre las diferentes estructuras?, ¿Cómo se relacionan entre ellas?, y lo que es más importante, ¿es posible diseñar una secuencia de aminoácidos de tal manera que se cree una proteína con la función deseada?

Este nuevo sistema de muestreo del paisaje de energía libre, permitirá que los investigadores conozcan, de forma mucho más rápida y efectiva, las estructuras de las proteínas y sus problemas, es decir, saber con más claridad si una secuencia de aminoácidos finalizará siendo una estructura estable u oscilará entre varios estados metaestables, y detectar las mutaciones o cambios en el entorno celular que producen un mal funcionamiento, y por lo tanto, el desarrollo de una enfermedad.

En realidad, este avance abre paso al análisis de muchos problemas relacionados con reacciones biomoleculares (como la actividad de las enzimas, la disposición proteínica de las enfermedades, el plegamiento de las proteínas), que a partir de ahora, pueden ser abordados de una manera más rápida y eficaz. De  manera más ambiciosa, es una avance hacia el diseño de péptidos biológicamente funcionales: Un hecho fundamental para, además de poder entender las enfermedades,  llegar a diseñar fármacos a partir de proteínas con una estructura, y por tanto una función, configurada a priori.

Inmediato y fiable
Hasta ahora la eficacia de este sistema ha sido probada en proteínas pequeñas donde es más sencillo conocer todas sus posibles conformaciones. Ha funcionado y los científicos que trabajan detrás de este trabajo, han demostrado que es una técnica mucho más rápida y fiable que el resto de las que existen a día de hoy en el mercado de la biología computacional.

Ahora, el siguiente paso será su aplicación en proteínas cada vez más grandes, donde tener un algoritmo eficaz y veloz para el análisis de los resultados computacionales es crucial para obtener información biológicamente relevante, lo que ahora será menos complicado gracias a este avance que vislumbra un camino prometedor para describir la bioquímica de las proteínas.

Este trabajo ha sido llevado a cabo por Físicos y Matemáticos, su aplicación está orientada a la Biología,  por lo que será publicado próximamente en la prestigiosa revista PLoS Computational Biology, bajo el título: “Exploring the free energy landscape: from dynamics to Networks and back” y coautorado por el Dr. Jesús Gómez Gardeñes del Departamento de Matemática Aplicada de la Universidad Rey Juan Carlos.