Enhebrado (secuencia de proteínas)

Un paradigma general de enhebrado de proteínas consta de los siguientes cuatro pasos:

1. La construcción de una base de datos de plantillas estructurales : Seleccionar estructuras de proteínas de las bases de datos de estructuras de proteínas como plantillas estructurales. Esto generalmente implica seleccionar estructuras de proteínas de bases de datos como Protein Data Bank (PDB), Families of Structural Similar Proteins (FSSP), Structural Classification of Proteins (SCOP) o CATH , después de eliminar las estructuras de proteínas con alta similitud de secuencia.
2. Diseño de la función de puntuación: Diseñe una función de puntuación adecuada para medir la compatibilidad entre secuencias objetivo y plantillas, basándose en el conocimiento de las relaciones conocidas entre las estructuras y las secuencias. Una buena función de puntuación debe incluir el potencial de mutación, el potencial de compatibilidad ambiental, el potencial de interacción por pares, la compatibilidad de la estructura secundaria y las penalizaciones por huecos. La calidad de la función de energía está estrechamente relacionada con la precisión de la predicción, especialmente con la precisión de la alineación.
3. Alineación de secuencias: Alinea la secuencia objetivo con cada una de las plantillas de estructura optimizando la función de puntuación diseñada. Este paso es una de las tareas principales de todos los programas de predicción de estructuras basados ​​en alineamiento que tienen en cuenta el potencial de contacto entre pares; de lo contrario, un algoritmo de programación dinámica puede realizarlo.
4. Predicción de alineación: Seleccione la alineación que sea estadísticamente más probable como predicción de alineación. Luego, construya un modelo estructural para la secuencia objetivo colocando los átomos del esqueleto de la secuencia objetivo en sus posiciones alineadas con la plantilla estructural seleccionada.

El modelado por homología y el alineamiento de proteínas son métodos basados ​​en plantillas y no existe una distinción rigurosa entre ellos en cuanto a técnicas de predicción. Sin embargo, las estructuras proteicas de sus objetivos son diferentes. El modelado por homología se utiliza para aquellos objetivos que tienen proteínas homólogas con estructura conocida (generalmente/posiblemente de la misma familia), mientras que el alineamiento de proteínas se utiliza para aquellos objetivos en los que solo se ha encontrado homología a nivel de plegamiento. En otras palabras, el modelado por homología se utiliza para objetivos más "fáciles" y el alineamiento de proteínas para objetivos más "difíciles".

El modelado por homología trata la plantilla en un alineamiento como una secuencia, y solo se utiliza la homología de secuencia para la predicción. El enhebrado de proteínas trata la plantilla en un alineamiento como una estructura, y tanto la información de secuencia como la de estructura extraídas del alineamiento se utilizan para la predicción. Cuando no se encuentra una homología significativa, el enhebrado de proteínas puede realizar una predicción basada en la información de la estructura. Esto también explica por qué el enhebrado de proteínas puede ser más eficaz que el modelado por homología en muchos casos.

En la práctica, cuando la identidad de secuencia en un alineamiento de secuencias es baja (es decir, <25%), el modelado por homología puede no generar una predicción significativa. En este caso, si se encuentra una homología distante para la secuencia objetivo, el enhebrado de proteínas puede generar una buena predicción.

Los métodos de reconocimiento de plegamiento se pueden dividir en dos tipos principales: aquellos que derivan un perfil unidimensional para cada estructura en la biblioteca de plegamiento y alinean la secuencia objetivo con estos perfiles; y aquellos que consideran la estructura tridimensional completa de la proteína plantilla. Un ejemplo sencillo de representación de perfil sería tomar cada aminoácido en la estructura y simplemente etiquetarlo según esté enterrado en el núcleo de la proteína o expuesto en la superficie. Los perfiles más elaborados podrían tener en cuenta la estructura secundaria local (por ejemplo, si el aminoácido forma parte de una hélice alfa ) o incluso información evolutiva (cuán conservado está el aminoácido). En la representación tridimensional, la estructura se modela como un conjunto de distancias interatómicas, es decir, las distancias se calculan entre algunos o todos los pares de átomos en la estructura. Esta es una descripción mucho más rica y flexible de la estructura, pero es mucho más difícil de usar para calcular un alineamiento. El método de reconocimiento de plegamiento basado en perfiles fue descrito por primera vez por Bowie, Lüthy y David Eisenberg en 1991. ^{[ 1 ]} El término «enhebrado» fue acuñado por primera vez por David Jones , William R. Taylor y Janet Thornton en 1992, ^{[ 2 ]} y originalmente se refería específicamente al uso de una representación atómica de la estructura 3D completa de la plantilla de proteína en el reconocimiento de plegamiento. Hoy en día, los términos «enhebrado» y «reconocimiento de plegamiento» se usan frecuentemente (aunque de forma algo incorrecta) indistintamente.

Los métodos de reconocimiento de plegamiento proteico son ampliamente utilizados y eficaces porque se cree que existe un número estrictamente limitado de plegamientos proteicos diferentes en la naturaleza, principalmente como resultado de la evolución, pero también debido a las restricciones impuestas por la física y la química básicas de las cadenas polipeptídicas. Por lo tanto, existe una alta probabilidad (actualmente del 70-80%) de que una proteína con un plegamiento similar a la proteína objetivo ya haya sido estudiada mediante cristalografía de rayos X o espectroscopia de resonancia magnética nuclear (RMN) y se encuentre en la base de datos PDB. Actualmente se conocen cerca de 1300 plegamientos proteicos diferentes, pero cada año se siguen descubriendo nuevos plegamientos, en gran parte gracias a los proyectos de genómica estructural en curso .

Se han propuesto numerosos algoritmos para determinar la correcta alineación de una secuencia en una estructura, aunque muchos utilizan programación dinámica de alguna forma. Para la alineación tridimensional completa, identificar la mejor alineación resulta muy difícil (es un problema NP-difícil para algunos modelos de alineación). Los investigadores han empleado diversos métodos de optimización combinatoria, como campos aleatorios condicionales , recocido simulado , ramificación y acotación , y programación lineal , en busca de soluciones heurísticas. Es interesante comparar los métodos de alineación con los que intentan alinear dos estructuras proteicas ( alineación estructural de proteínas ), y de hecho, muchos de los mismos algoritmos se han aplicado a ambos problemas.