Conjuntos de proteínas simétricas alucinantes

Área de la Ciencia:

• La bioquímica
• Biología estructural
• Biología computacional

Sus antecedentes:

• Los modelos generativos de aprendizaje profundo ofrecen nuevas vías para explorar el espacio de la estructura de las proteínas.
• Los métodos actuales se limitan a las secuencias y estructuras naturales de proteínas.

Objetivo del estudio:

• Para generar nuevos homo-oligómeros de proteínas simétricas usando alucinaciones de red profunda.
• Explorar el potencial del aprendizaje profundo en el diseño de arquitecturas complejas de proteínas.

Principales métodos:

• Se empleó la alucinación de red profunda para generar estructuras de proteínas.
• Las especificaciones incluían el número de protómeros y la longitud del protómero.
• Validación experimental mediante cristalografía de rayos X y microscopía criolectrónica.

Principales resultados:

• Se cristalizaron siete homooligómeros de proteínas diseñados, mostrando una alta similitud estructural con los modelos computacionales (mediana RMSD: 0,6 Å).
• Se determinaron tres estructuras de anillo gigante (diámetro de 10 nm) con hasta 1550 residuos y simetría C33 a través de cryo-EM.
• Las estructuras generadas difieren significativamente de las estructuras de proteínas conocidas anteriormente.

Conclusiones:

• El aprendizaje profundo permite la creación de estructuras de proteínas diversas y nuevas.
• Este enfoque abre posibilidades para diseñar nanomáquinas y biomateriales complejos basados en proteínas.