Agrupación de estructuras previstas a la escala del universo de proteínas conocido

Área de la Ciencia:

• Biología estructural
• La bioinformática
• Biología computacional

Sus antecedentes:

• Las proteínas son fundamentales para los procesos celulares, y comprender su estructura es crucial para la función y la evolución.
• La base de datos AlphaFold ahora contiene más de 214 millones de estructuras de proteínas predichas, lo que requiere métodos de análisis eficientes.
• Estudiar las estructuras de proteínas a esta escala masiva requiere herramientas computacionales avanzadas.

Objetivo del estudio:

• Desarrollar y aplicar un algoritmo eficiente para agrupar datos de estructura de proteínas a gran escala.
• Identificar nuevas estructuras de proteínas y analizar sus orígenes evolutivos dentro de la base de datos AlphaFold.
• Demostrar la utilidad de las comparaciones estructurales para predecir familias de dominios de proteínas y homologías remotas.

Principales métodos:

• Desarrollo del clúster Foldseek, un algoritmo de agrupación basado en la alineación estructural.
• Agrupación de todas las estructuras dentro de la base de datos AlphaFold.
• Análisis evolutivo de los grupos estructurales identificados.
• Identificación de similitudes estructurales remotas y posibles familias de proteínas nuevas.

Principales resultados:

• El agrupamiento de 214 millones de estructuras de proteínas identificó 2.30 millones de agrupaciones estructurales no individuales.
• El 31% de estos grupos carecía de anotaciones, lo que sugiere estructuras de proteínas potencialmente nuevas.
• El análisis evolutivo indicó que la mayoría de los grupos son antiguos, con un 4% que parece específico de la especie.
• Se identificaron similitudes estructurales remotas, incluidos los vínculos potenciales entre las proteínas inmunes humanas y las especies procariotas.

Conclusiones:

• El clúster Foldseek proporciona un método eficiente para analizar grandes conjuntos de datos de estructura de proteínas.
• El estudio descubrió un número significativo de estructuras de proteínas no anotadas, ampliando nuestro conocimiento de la diversidad de proteínas.
• Las comparaciones estructurales ofrecen información valiosa sobre la evolución, la función y la homología de las proteínas en diversas especies.