Hispanopedia Wiki
Articulo de referencia

Predictores basados ​​en secuencias de separación de fases líquido-líquido

La separación de fases líquido-líquido (LLPS) suele implicar regiones de secuencia con características funcionales únicas, así como la presencia de dominios similares a priones ...

Hispanopedia WikiContenido en espanolLectura gratuita

La separación de fases líquido-líquido (LLPS) suele implicar regiones de secuencia con características funcionales únicas, así como la presencia de dominios similares a priones y de unión a ARN. Actualmente, existen pocos métodos para predecir la propensión de una proteína a inducir LLPS. La diversidad de mecanismos biológicos implicados, el conocimiento limitado sobre estos mecanismos y el importante componente contextual de la LLPS hacen que este problema sea complejo. En los últimos años, a pesar de los avances en este campo, se han desarrollado pocos predictores específicos para LLPS, que intenten comprender la relación entre las propiedades de la secuencia proteica y su capacidad para inducir LLPS. En este trabajo, revisaremos los predictores de LLPS basados ​​en secuencias más avanzados, presentándolos brevemente y explicando las características proteicas individuales que identifican en el contexto de la LLPS.

Simulaciones LLPS

Otro recurso computacional importante en el campo de la separación de fases líquido-líquido (LLPS) son las simulaciones teóricas de proteínas, en particular las proteínas intrínsecamente desordenadas (IDP), que impulsan la LLPS. Estas simulaciones complementan los experimentos y proporcionan información valiosa sobre los mecanismos moleculares de las proteínas individuales que impulsan la LLPS. Una revisión de Dignon et al. [ 10 ] analizó cómo se pueden aplicar estas simulaciones para interpretar los resultados experimentales, explicar el comportamiento de fase y proporcionar marcos predictivos para diseñar proteínas con propiedades de transición de fase ajustables. El desafío radica en encontrar el equilibrio entre la resolución del modelo y la eficiencia computacional, ya que las simulaciones de todos los átomos de sistemas grandes que involucran IDP aún son difíciles de realizar. Además, las interacciones moleculares entre las IDP en el estado de gota todavía se comprenden poco, y la combinación de datos experimentales y simulaciones es indispensable para dilucidarlas. Es posible que en los próximos años se produzcan mejoras en los métodos de muestreo y simulación para esclarecer estos mecanismos. [ 11 ]

Véase también

Referencias

  1. 1 2 Orlando, Gabriele; Raimondi, Daniele; Tabaro, Francesco; Codicè, Francesco; Moreau, Yves; Vranken, Wim F (2019-04-17). "Identificación computacional de proteínas de unión a ARN similares a priones que forman condensados ​​líquidos separados en fases" (PDF) . Bioinformatics . 35 (22): 4617– 4623. doi : 10.1093/bioinformatics/btz274 . ISSN 1367-4803 . PMID 30994888 .  
  2. 1 2 Lancaster, AK; Nutter-Upham, A.; Lindquist, S.; King, OD (2014-05-13). "PLAAC: una aplicación web y de línea de comandos para identificar proteínas con composición de aminoácidos similar a la de los priones" . Bioinformatics . 30 ( 17): 2501– 2502. doi : 10.1093/bioinformatics/btu310 . ISSN 1367-4803 . PMC 4147883. PMID 24825614 .   
  3. 1 2 Vernon, Robert McCoy; Chong, Paul Andrew; Tsang, Brian; Kim, Tae Hun; Bah, Alaji; Farber, Patrick; Lin, Hong; Forman-Kay, Julie Deborah (2018-02-09). Shan, Yibing (ed.). " Los contactos Pi-Pi son una característica proteica pasada por alto relevante para la separación de fases" . eLife . 7 e31486. ​​doi : 10.7554/eLife.31486 . ​​ISSN 2050-084X . PMC 5847340. PMID 29424691 .   
  4. 1 2 Bolognesi, Benedetta; Gotor, Nieves Lorenzo; Dhar, Riddhiman; Cirillo, Davide; Baldrighi, Marta; Tartaglia, Gian Gaetano; Lehner, Ben (2016-06-28). "Una separación de fase líquida dependiente de la concentración puede causar toxicidad al aumentar la expresión de proteínas" . Cell Reports . 16 (1): 222– 231. doi : 10.1016/j.celrep.2016.05.076 . ISSN 2211-1247 . PMC 4929146. PMID 27320918 .   
  5. ^ Ambadipudi, Susmitha; Biernat, Jacek; Riedel, Dietmar; Mandelkow, Eckhard; Zweckstetter, Markus (17 de agosto de 2017). "Separación de fases líquido-líquido de las repeticiones de unión a microtúbulos de la proteína Tau relacionada con el Alzheimer" . Comunicaciones de la naturaleza . 8 (1): 275. Código Bib : 2017NatCo...8..275A . doi : 10.1038/s41467-017-00480-0 . ISSN 2041-1723 . PMC 5561136 . PMID 28819146 .   
  6. ^ Sol , Tanlin; Li, Qian; Xu, Youjun; Zhang, Zhuqing; Lai, Luhua; Pei, Jianfeng (15 de noviembre de 2019). "Predicción de proteínas de separación de fases líquido-líquido mediante aprendizaje automático". bioRxiv 10.1101/842336 . 
  7. 1 2 Mierlo, Guido van; Jansen, Jurriaan RG; Wang, Jie; Poser, Ina; Heeringen, Simon J. van; Vermeulen, Michiel (2 de febrero de 2021). "Predecir la formación de condensados ​​​​de proteínas mediante aprendizaje automático" . Informes celulares . 34 (5) 108705. doi : 10.1016/j.celrep.2021.108705 . hdl : 2066/231424 . ISSN 2211-1247 . PMID 33535034 . S2CID 231804701 .   
  8. 1 2 Hardenberg, Maarten; Horvath, Attila; Ambrus, Viktor; Fuxreiter, Monika; Vendruscolo, Michele (2020-12-29). " Ocurrencia generalizada del estado de gota de proteínas en el proteoma humano" . Actas de la Academia Nacional de Ciencias . 117 (52): 33254– 33262. Bibcode : 2020PNAS..11733254H . doi : 10.1073/pnas.2007670117 . ISSN 0027-8424 . PMC 7777240. PMID 33318217 .   
  9. 1 2 Ibrahim, Ayyam; Khaodeuanepheng, Nathan; Amarasekara, Dhanush; Correia, John; Lewis, Karen; Fitzkee, Nicholas; Hough, Loren; Whitten, Steven (2023-01-01). "Las regiones intrínsecamente desordenadas que impulsan la separación de fases forman una clase de proteínas robustamente distinta" . Journal of Biological Chemistry . 299 (1) 102801. doi : 10.1016/j.jbc.2022.102801 . ISSN 0021-9258 . PMC 9860499. PMID 36528065 .   
  10. ↑ Dignon, Gregory L; Zheng, Wenwei; Mittal, Jeetain (2019-03-01). "Métodos de simulación para la separación de fases líquido-líquido de proteínas desordenadas" . Current Opinion in Chemical Engineering . Frontiers of Chemical Engineering: Molecular Modeling. 23 : 92–98 . Bibcode : 2019COCE...23...92D . doi : 10.1016/j.coche.2019.03.004 . ISSN 2211-3398 . PMC 7426017. PMID 32802734 .   
  11. ↑ Shea, Joan-Emma; Best, Robert B; Mittal, Jeetain (2021-04-01). "Enfoques teóricos y computacionales basados ​​en la física para proteínas intrínsecamente desordenadas" . Current Opinion in Structural Biology . Theory and Simulation/Computational Methods ● Macromolecular Assemblies. 67 : 219–225 . doi : 10.1016/j.sbi.2020.12.012 . ISSN 0959-440X . PMC 8150118. PMID 33545530 .