Diseño de novo de las interacciones de proteínas con huellas dactilares de superficie aprendidas

Área de la Ciencia:

• Biología computacional
• Biología estructural
• La bioquímica

Sus antecedentes:

• Las interacciones proteína-proteína son fundamentales para los procesos biológicos.
• Comprender los determinantes moleculares de estas interacciones es crucial pero desafiante.
• Las limitaciones de datos existentes dificultan el análisis exhaustivo de la red y el diseño de nuevos enlaces.

Objetivo del estudio:

• Desarrollar un nuevo marco computacional para comprender y diseñar las interacciones proteína-proteína.
• Para crear un nuevo paradigma en el diseño computacional de los aglutinantes de proteínas.
• Demostrar la eficacia de un enfoque geométrico de aprendizaje profundo centrado en la superficie.

Principales métodos:

• Utilizó un marco geométrico de aprendizaje profundo que opera en superficies de proteínas.
• Generar huellas dactilares superficiales que capturen las características geométricas y químicas de las interacciones.
• Enlazadores de proteínas de novo diseñados por computación para objetivos específicos (pico de SARS-CoV-2, PD-1, PD-L1, CTLA-4).

Principales resultados:

• Enlaces a proteínas diseñados con afinidad nanomolar para las proteínas diana.
• Experimentalmente optimizado varios diseños, con otros generados puramente en silico.
• La caracterización estructural y mutacional confirmó predicciones muy precisas.
• El enfoque centrado en la superficie captura efectivamente los determinantes del reconocimiento molecular.

Conclusiones:

• El marco de aprendizaje profundo geométrico desarrollado permite el diseño de novo de las interacciones de las proteínas.
• Este enfoque representa un avance significativo para la biología sintética y la medicina traslacional.
• El método facilita la creación de proteínas artificiales con las funciones deseadas.