El nuevo método computacional, publicado en Nature Communications, podría ayudar a diseñar nuevas proteínas con diferentes aplicaciones biotecnológicas y biomédicas
AlphaFold2, la herramienta de inteligencia artificial (IA) desarrollada por la compañía DeepMind de Google que permite realizar modelos realistas de las proteínas, los componentes fundamentales de los sistemas celulares, ha generado toda una revolución de la que se benefician distintos campos de la ciencia, desde el diseño de fármacos hasta el estudio de la evolución.
Ahora, un equipo de investigadores del Barcelona Supercomputing Center – Centro Nacional de Supercomputación (BSC-CNS) se ha beneficiado de la capacidad de AlphaFold para predecir todas las estructuras de las miles de proteínas que componen distintas familias de proteínas para desarrollar un método computacional que analiza el grado de conservación a lo largo de la evolución – y por tanto su importancia – de regiones críticas para la estructura y función de cada familia de proteínas (denominadas regiones energéticamente frustradas).
El nuevo método computacional y los resultados obtenidos permiten contribuir al conocimiento básico sobre la evolución de esas proteínas y podrían ayudar en el diseño de nuevas proteínas con diferentes aplicaciones biotecnológicas y biomédicas.
Los científicos, que forman parte del departamento de Ciencias de la Vida del BSC que dirige el profesor ICREA Alfonso Valencia, se han beneficiado igualmente de la gran capacidad de computación del superordenador MareNostrum para realizar este estudio, que ha sido liderado por el investigador Gonzalo Parra, del grupo de Biología Computacional. Los resultados de la investigación, en la que también han colaborado grupos de Argentina, Chile y Estados Unidos. han sido publicados en la revista Nature Communications.
“Estas nuevas condiciones nos permiten, por primera vez, afrontar grandes preguntas sobre la relación entre la estructura tridimensional de las proteínas y sus capacidades funcionales, con la conservación evolutiva y las estructuras de proteínas como guía. Un tema que aúna el interés científico con implicaciones directas en biotecnología para el diseño racional de proteínas con nuevas propiedades”, asegura Alfonso Valencia.
Vigilancia epidemiológica de patógenos emergentes
La aún reciente pandemia del coronavirus puso en evidencia la importancia de comprender los mecanismos de evolución detrás de patógenos con potencial infectividad en humanos. Por ello, uno de los casos que se ha estudiado en detalle en la investigación es el de las proteínas del SARSCov2, todavía muy poco caracterizadas a nivel de sus propiedades funcionales. Se analizaron todas las proteínas codificadas por el genoma del SARSCov2 en el contexto de las proteínas codificadas por los cientos de genomas de coronavirus conocidos, tanto aquellos que infectan a humanos como a otras especies.
Los análisis en la proteína PLPro, de interés directo para el desarrollo de antivirales, mostraron que la historia evolutiva de los 124 coronavirus relacionados puede dar muchos indicios en cuanto a cómo estos se adaptan a sus huéspedes y mejoran sus estrategias de infectividad. “En concreto, se detectaron cambios en el sitio catalítico que son potencialmente responsables de la adaptación del virus a distintos hospedadores, abriendo nuevas puertas para el desarrollo de compuestos dirigidos a esos sitios”, indica Valencia.
Figura: Mapa de frustración energética de PLPro donde se muestran las restricciones evolutivas a diferentes niveles (todos los coronavirus, sarbecoronavirus, SARSCov2). En verde las regiones importantes para la estabilidad, en rojo las regiones importantes para la función. Se destacan las regiones más importantes.
Este análisis requirió menos de una semana de cómputo en el supercomputador MareNostrum del BSC. Estrategias similares pueden aplicarse en el futuro para analizar la evolución de nuevos patógenos de interés epidemiológico tan pronto como el genoma de estos esté disponible. Dichos análisis podrían ayudar a generar al desarrollo de vacunas u otras estrategias para luchar contra este tipo de virus.
Referencia: “Local energetic frustration conservation in protein families and superfamilies” https://www.nature.com/articles/s41467-023-43801-2
Foto: Grupo de Biología Computacional del BSC