Skip to content

¿Cómo se llega a esa imagen tan bella de una proteína?

Por estos días, las personas están aprendiendo sobre la estructura de las proteínas más de lo que nunca se imaginaron o quisieron, pero la vida no nos da otra opción: necesitamos saber sobre el virus covid-19, sus picos y la proteína humana que usa para ingresar a la célula, Receptor ACE2. También necesitamos saber cómo los anticuerpos, que también son proteínas, nos defienden del virus.

Hay muy buenas noticias sobre la estructura de las proteínas. ¿Por qué son importantes estas buenas noticias? Porque la estructura de las proteínas determina su función, y que la función sea buena significa buena salud (y mucho más).

Seguramente habrás visto esas imágenes multicolores que usamos para representar proteínas. Estuve involucrada en una pequeña parte del trabajo que se necesita para obtener una de esas figuras y puedo decirte que se requieren años de arduo trabajo por parte de muchas personas (¡además de buena suerte y bigotes de gato!) para obtener una. Entonces, ¿cuáles son las buenas noticias? Lo que sigue: los científicos han adquirido (de la manera más ardua) suficiente comprensión de cómo las proteínas se pliegan y funcionan, y en base a ello, en la actualidad un sistema de inteligencia artificial desarrollado en el Reino Unido ha “aprendido” a predecir, con gran precisión, la estructura de una proteína a partir tan solo de su estructura primaria. Creeme, ¡esto es algo DESCOMUNAL!

Empecemos por el principio

La función de una proteína es posible gracias a la forma en que se pliega en el espacio. Si una mutación cambia un aminoácido en el lugar correcto (o en el lugar equivocado!), la forma tridimensional puede cambiar de tal manera que la proteína ya no esté en condiciones de hacer su trabajo. Cuando la proteína que resultó cambiada por una mutación genética es muy importante para la vida, la vida deja de ser posible o se produce una enfermedad grave. Esas mutaciones pueden ocurrir en cualquier momento, cuando se está produciendo el esperma (condiciones genéticas) o cuando ya estamos completamente desarrollados (cáncer).

Figura: modelo del receptor del factor de crecimiento epidermico  (Boghog – Own work, Public Domain, https://commons.wikimedia.org/w/index.php?curid=45709050)

 

¿Qué se necesita para averiguar la forma de una proteína? ¿Por qué es importante?

Considerando solo los humanos, se conocen más de 10,000 proteínas, pero aún es pequeña la fracción de aquellas cuyas estructuras 3D son conocidas. Es relativamente fácil descubrir la secuencia de aminoácidos en una proteína, lo que llamamos estructura primaria. De hecho, en la actualidad, se puede predecir la estructura primaria de una proteína si conoce el gen que la codifica. Sin embargo, lo que es difícil es determinar la estructura 3D, es decir, cómo se pliega en el espacio la proteína para alcanzar su forma final. Tradicionalmente, las formas se descubrían a través de un meticuloso trabajo de laboratorio que puede llevar años e implica la purificación de una proteína, su caracterización, cristalización, etc. ¿Por qué esto no es tan sencillo? Después de todo, solo hay una estructura 3D para el ADN. Cadenas de aminoácidos que pueden torcerse y doblarse (en teoría) en una gran cantidad de formas. Sin embargo, dentro de la célula, la proteína se pliega en la única forma que la hará funcional. Si cambia la forma de una enzima, ésta no podrá hacer su trabajo.

Para las/los bioquímicas/os, la tarea monumental es conocer la estructura 3D de todas las proteínas que “importan” para el problema particular que están estudiando, ya sea una enfermedad o la síntesis de almidón.

Conocer la estructura 3D de las proteínas facilitará la comprensión de los mecanismos que impulsan algunas enfermedades, lo que permitirá a los científicos diseñar nuevos medicamentos, semillas para cultivos que resulten más nutritivos y enzimas sintéticas que puedan descomponer la contaminación plástica. La buena noticia es que en el Reino Unido un grupo dedicado a la inteligencia artificial denominado DeepMind ha logrado enseñar a las computadoras cómo predecir una estructura 3D en base a la secuencia de aminoácidos. ¿El material de aprendizaje? Una base de datos pública que contiene aproximadamente 170.000 secuencias de proteínas y sus formas, obtenida por bioquímicas/os que han trabajado duro durante muchas décadas.

¿Significa esto que los científicos ahora pueden dejar de cristalizar proteínas y analizar los cristales para deducir sus estructuras? ¿O que ahora podemos dejar de intentar localizar los sitios activos de una enzima o incluso purificar y caracterizar proteínas? De ningún modo. Pero supongo que DeepMind ayudará a que se encuentren las condiciones adecuadas para acelerar la investigación que corresponde a cada uno de estos pasos. De hecho, el programa ya se ha utilizado para resolver estructuras que hasta el momento habían “derrotado” a los bioquímicos. Además, será posible estudiar cómo se combinan las proteínas para formar “complejos” más grandes y cómo interactúan con otras moléculas en los organismos vivos.

Me alegra saber que, con inteligencia artificial o no, los bioquímicos seremos necesarios durante mucho tiempo.

Referencia

Ewen Callaway (2020) ‘It will change everything’: DeepMind’s AI makes gigantic leap in solving protein structures. Google’s deep-learning program for determining the 3D shapes of proteins stands to transform biology, say scientists. (“Lo cambiará todo”: la IA de DeepMind da un salto gigantesco en la resolución de estructuras de proteínas. El programa de aprendizaje profundo de Google para determinar las formas 3D de las proteínas puede transformar la biología, dicen los científicos). Nature.NEWS, 30 November 2020, https://doi.org/10.1038/d41586-020-03348-4

 

Traducido por la Dra Cecilia Hidalgo