Familia de proteínas

Una familia de proteínas es un grupo de proteínas relacionadas evolutivamente . En muchos casos, una familia de proteínas tiene una familia de genes correspondiente , en la que cada gen codifica una proteína correspondiente con una relación 1:1. El término "familia de proteínas" no debe confundirse con " familia " tal como se usa en taxonomía.

Las proteínas de una familia descienden de un ancestro común y suelen tener estructuras tridimensionales , funciones y similitud de secuencia significativas similares . ^{[ 1 ] [ 2 ]} La similitud de secuencia (generalmente de aminoácidos) es uno de los indicadores más comunes de homología o ascendencia evolutiva común. ^{[ 3 ] [ 4 ]} Algunos marcos para evaluar la significancia de la similitud entre secuencias utilizan métodos de alineación de secuencias . Es poco probable que las proteínas que no comparten un ancestro común muestren una similitud de secuencia estadísticamente significativa, lo que convierte a la alineación de secuencias en una herramienta poderosa para identificar a los miembros de familias de proteínas. ^{[ 3 ] [ 4 ]} A veces, las familias se agrupan en clados más grandes llamados superfamilias en función de la similitud estructural, incluso si no hay homología de secuencia identificable.

Actualmente, se han definido más de 60.000 familias de proteínas, ^{[ 5 ]} aunque la ambigüedad en la definición de "familia de proteínas" lleva a diferentes investigadores a cifras muy variables.

El término familia de proteínas tiene un uso amplio y puede aplicarse a grandes grupos de proteínas con una similitud de secuencia apenas detectable, así como a grupos reducidos de proteínas con secuencia, función y estructura casi idénticas. Para distinguir entre estos casos, se utiliza una terminología jerárquica. En el nivel más alto de clasificación se encuentran las superfamilias de proteínas , que agrupan proteínas distantemente relacionadas, a menudo en función de su similitud estructural. ^{[ 6 ] [ 7 ] [ 8 ] [ 9 ]} A continuación están las familias de proteínas, que se refieren a proteínas con un origen evolutivo compartido exhibido por una similitud de secuencia significativa . ^{[ 2 ] [ 10 ]} Se pueden definir subfamilias dentro de las familias para denotar proteínas estrechamente relacionadas que tienen funciones similares o idénticas. ^{[ 11 ]} Por ejemplo, una superfamilia como el clan PA de proteasas tiene menos conservación de secuencia que la familia C04 dentro de ella.

Arriba, conservación de secuencia de 250 miembros de las proteasas del clan PA ( superfamilia ). Abajo, conservación de secuencia de 70 miembros de la familia de proteasas C04: las flechas indican residuos de la tríada catalítica , alineados en base a la estructura por DALI .

Las familias de proteínas se reconocieron por primera vez cuando la mayoría de las proteínas cuya estructura se comprendía eran pequeñas y de un solo dominio, como la mioglobina , la hemoglobina y el citocromo c . Desde entonces, se han descubierto muchas proteínas con múltiples unidades estructurales y funcionales independientes llamadas dominios . Debido a la reorganización evolutiva, los diferentes dominios de una proteína han evolucionado de forma independiente. Esto ha llevado a centrarse en las familias de dominios proteicos. Existen varios recursos en línea dedicados a la identificación y catalogación de estos dominios. ^{[ 12 ] [ 13 ]}

Different regions of a protein have differing functional constraints. For example, the active site of an enzyme requires certain amino-acid residues to be precisely oriented. A protein–protein binding interface may consist of a large surface with constraints on the hydrophobicity or polarity of the amino-acid residues. Functionally constrained regions of proteins evolve more slowly than unconstrained regions such as surface loops, giving rise to blocks of conserved sequence when the sequences of a protein family are compared (see multiple sequence alignment). These blocks are most commonly referred to as motifs, although many other terms are used (blocks, signatures, fingerprints, etc.). Several online resources are devoted to identifying and cataloging protein motifs.^[14]

According to current consensus, protein families arise in two ways. First, the separation of a parent species into two genetically isolated descendant species allows a gene/protein to independently accumulate variations (mutations) in these two lineages. This results in a family of orthologous proteins, usually with conserved sequence motifs. Second, a gene duplication may create a second copy of a gene (termed a paralog). Because the original gene is still able to perform its function, the duplicated gene is free to diverge and may acquire new functions (by random mutation).

Certain gene/protein families, especially in eukaryotes, undergo extreme expansions and contractions in the course of evolution, sometimes in concert with whole genome duplications. Expansions are less likely, and losses more likely, for intrinsically disordered proteins and for protein domains whose hydrophobic amino acids are further from the optimal degree of dispersion along the primary sequence.^[15] This expansion and contraction of protein families is one of the salient features of genome evolution, but its importance and ramifications are currently unclear.

A medida que aumenta el número total de proteínas secuenciadas y crece el interés en el análisis del proteoma , se está trabajando para organizar las proteínas en familias y describir sus dominios y motivos componentes. La identificación fiable de familias de proteínas es fundamental para el análisis filogenético , la anotación funcional y la exploración de la diversidad de la función proteica en una rama filogenética determinada. La Iniciativa de Función Enzimática utiliza familias y superfamilias de proteínas como base para el desarrollo de una estrategia basada en secuencia/estructura para la asignación funcional a gran escala de enzimas de función desconocida. ^{[ 16 ]} Los métodos algorítmicos para establecer familias de proteínas a gran escala se basan en una noción de similitud.

Muchas bases de datos biológicas catalogan familias de proteínas y permiten a los usuarios relacionar secuencias de consulta con familias conocidas. Estas incluyen:

• Pfam - Base de datos de familias de proteínas con alineamientos y HMM
• PROSITE - Base de datos de dominios, familias y sitios funcionales de proteínas
• PIRSF - Sistema de Clasificación de Superfamilias
• PASS2 - Alineación de proteínas como superfamilias estructurales v2 - PASS2@NCBS ^{[ 17 ]}
• SUPERFAMILIA - Biblioteca de HMM que representan superfamilias y base de datos de anotaciones (de superfamilia y familia) para todos los organismos completamente secuenciados.
• SCOP y CATH : clasificaciones de estructuras proteicas en superfamilias, familias y dominios.

Del mismo modo, existen muchos algoritmos de búsqueda en bases de datos, por ejemplo:

• BLAST - Búsqueda de similitud de secuencias de ADN
• BLASTp - Búsqueda de similitud de secuencias de proteínas
• OrthoFinder - Método para agrupar proteínas en familias (ortogrupos) ^{[ 18 ] [ 19 ]}

• Contenido multimedia relacionado con las familias de proteínas en Wikimedia Commons.