Predicción de la estructura de proteínas de alta precisión para el proteoma humano

Área de la Ciencia:

• Biología estructural
• Biología computacional
• La genómica

Sus antecedentes:

• Las estructuras de proteínas experimentales cubren sólo el 17% de las secuencias de proteínas humanas.
• Comprender la estructura de la proteína es crucial para las ideas biológicas y el desarrollo terapéutico.

Objetivo del estudio:

• Ampliar la cobertura estructural del proteoma humano mediante el aprendizaje automático avanzado.
• Proporcionar un conjunto de datos completo de las estructuras de proteínas humanas previstas para la investigación.

Principales métodos:

• Aplicación del modelo de aprendizaje automático AlphaFold para predecir estructuras para el 98,5% de las proteínas humanas.
• Desarrollo y aplicación de nuevas métricas para evaluar la confianza en las predicciones e interpretar las características estructurales.

Principales resultados:

• Estructuras previstas para el 98,5% de las proteínas humanas, cubriendo el 58% de los residuos con predicciones seguras.
• Regiones identificadas con alta confianza (36% de residuos) y regiones con probabilidades de desorden.
• Utilidad demostrada de las predicciones a través de estudios de casos para generar hipótesis biológicas.

Conclusiones:

• La predicción de la estructura de proteínas a gran escala y de alta precisión ahora es factible y accesible.
• El conjunto de datos generado mejora significativamente la cobertura estructural, permitiendo nuevas vías de investigación.
• Las predicciones de libre acceso capacitarán a la comunidad científica en la investigación basada en la estructura.