Saltar al contenido

Proteínas: ¿es posible predecir su forma?

Las proteínas son uno de los bloques esenciales que necesita nuestro organismo para funcionar correctamente, junto a otras moléculas de vital importancia como por ejemplo el ADN. Pero, ¿sabes cómo se organizan? Estas biomoléculas son muy exigentes y necesitan plegarse de maneras muy concretas para cumplir su función sin ningún problema. En este artículo te revelamos un método que se ha desarrollado muy recientemente y que permite predecir cómo son dichas estructuras partiendo de información básica.

¿Cómo se organizan las proteínas?

Nuestras proteínas están compuestas por moléculas llamadas aminoácidos, que funcionan como los ladrillos de una casa, de forma que un conjunto de aminoácidos unidos entre sí forman una proteína. Sin embargo, no basta con conocer qué aminoácidos tiene una proteína y en qué orden se encuentran para obtener información de interés sobre el papel que juega en nuestro organismo.

Tras sintetizarse en el interior de nuestras células, las proteínas sufren una serie de cambios que resultan en su plegamiento tridimensional. Estas variaciones conducen a la obtención de una estructura óptima que permiten a las proteínas llevar a cabo su función o funciones biológicas adecuadamente, la cual se denomina estructura nativa. Cuando éstas conformaciones se ven alteradas, pueden aparecer pérdidas de funciones que si no se solucionan conducen en ocasiones a la aparición de enfermedades.

La aparición de una herramienta muy útil

Mediante las técnicas disponibles hoy en día, determinar la secuencia de aminoácidos presentes en una proteína es relativamente sencillo. Sin embargo, obtener información sobre su plegamiento y su estructura 3D es algo mucho más complejo. Determinar estas estructuras es interesante porque pueden ser muy útiles para diversas aplicaciones como la predicción de función de la proteína, de su localización o también la comprensión de su funcionamiento.

Imagen que ilustra la estructura 3D de proteínas, en este caso la hemoglobina
Estructura tridimensional de la proteína hemoglobina. El análisis estructural de las proteínas es un proceso complejo y siempre ha supuesto uno de los mayores retos en el estudio de estas biomoléculas. Imagen extraída de https://upload.wikimedia.org.

Precisamente con el objetivo de intentar solucionar este problema se presentó en el año 2018 la herramienta AlphaFold, desarrollada por Google. Se trata de un programa que emplea la inteligencia artificial para predecir la estructura tridimensional de proteínas partiendo únicamente de la cadena de aminoácidos. Esto supone un avance enorme, ya que durante décadas la única vía para conocer estas estructuras era hacer experimentos de laboratorio empleando técnicas como los rayos X. 

Por el contrario, la aparición de AlphaFold y su implementación gradual está permitiendo conocer estructuras de las cuales apenas se tenía información hasta el momento. No sólo eso, sino que también ha permitido conocer estructuras que llevaban años estudiándose pero que, debido a su complejidad, no se habían podido analizar desde el punto de vista estructural.

Una de las ventajas más grandes que proporciona esta herramienta bioinformática es la precisión que presenta, ya que aunque los errores son inevitables, se ha demostrado que al menos dos tercios de los resultados que facilita son de una calidad equiparable a la de aquellos obtenidos mediante experimentos manuales de laboratorio.

No obstante, como cualquier método, AlphaFold también tiene sus inconvenientes. Por ejemplo, no es del todo fiable a la hora de predecir estructuras individuales de proteínas que se encuentran formando agrupaciones o complejos, donde la interacción de unas con otras altera su orientación espacial. En el año 2020 se lanzó AlphaFold 2, una versión mejorada del algoritmo que trató de solucionar algunos de los problemas observados.

El futuro de la predicción de estructuras proteicas

A pesar de que la aparición de herramientas como AlphaFold ha supuesto una revolución en el estudio de las proteínas, sus desarrolladores afirman que su implementación no reemplazará a las técnicas que se han venido empleando hasta el momento. En resumen, su uso servirá como apoyo a los investigadores para poder obtener resultados de manera más rápida y partiendo de muestras de las que se conoce una información menos completa.

Se espera que en los próximos años, algunas aplicaciones directas de este programa como el análisis evolutivo de proteínas, comiencen a desarrollarse debido a las posibilidades que ofrece su uso. Como perspectiva de futuro, es interesante lo que comenta Andrei Lupas, biólogo evolutivo del Instituto Max Planck, quien está seguro de que “esto va a provocar que los investigadores se planteen cuestiones más avanzadas, ya que se requerirá que se utilice más el pensamiento y menos las manos”.

Conclusión

Las proteínas son un grupo de moléculas esenciales para el funcionamiento correcto del cuerpo humano. Para poder desempeñar su rol biológico sin inconvenientes, necesitan adquirir una estructura tridimensional muy específica. Hasta hace unos pocos años, la determinación de estas estructuras era muy complicada y requería el empleo de técnicas laboriosas. La aparición de algoritmos bioinformáticos como AlphaFold permiten en la actualidad obtener información de calidad de forma rápida, aunque de momento no es viable que sustituyan por completo a los experimentos tradicionales debido a que también presentan ciertas limitaciones.

Artículo editado por Cristina Zamorano

Bibliografía

1. Callaway E. (2020). ‘It will change everything’: DeepMind’s AI makes gigantic leap in solving protein structures. Nature588 (7837), 203–204. doi: 10.1038/d41586-020-03348-4

2. Web oficial de la AlphaFold Structure Database. Último acceso febrero 2023

Carlos García Gredilla

Carlos García Gredilla

WhatsApp
Twitter
Facebook
LinkedIn
Telegram

Únete como institución:

Permite a toda tu institución divulgar aquí

Únete como grupo:

Divulga las investigaciones de tu grupo de investigación

Únete a la plataforma:

Empieza a divulgar ciencia sin límites