Predicción de conformaciones múltiples a través de la agrupación de secuencias y AlphaFold2

Área de la Ciencia:

• Biología estructural
• Biología computacional
• La biofísica

Sus antecedentes:

• La función de las proteínas se basa en múltiples estados conformacionales.
• Las mutaciones puntuales pueden alterar la población de estos estados.
• AlphaFold2 predice con precisión las estructuras de una sola proteína.

Objetivo del estudio:

• Desarrollar un método para el muestreo de estados conformacionales alternativos de proteínas.
• Para investigar la distribución evolutiva de las conformaciones de las proteínas.
• Para probar el impacto de las mutaciones en los estados de las proteínas.

Principales métodos:

• Agrupación de múltiples alineaciones de secuencias por similitud de secuencia.
• Aplicación de AlphaFold2 a las muestras de estados alternativos.
• Utilizando la espectroscopia de resonancia magnética nuclear para su validación.
• Diseño y verificación de mutaciones para inducir el cambio de estado.

Principales resultados:

• AF-Cluster muestra con éxito estados alternativos para proteínas metamórficas.
• Las conformaciones previstas para KaiB se distribuyeron en grupos.
• La validación experimental confirmó las predicciones de AF-Cluster para las variantes y mutaciones de KaiB.
• Se identificó un supuesto estado alternativo para Mpt53.

Conclusiones:

• AF-Cluster es una herramienta poderosa para explorar paisajes conformacionales de proteínas.
• Este método ayuda a comprender la función de las proteínas y los mecanismos de la enfermedad.
• La integración de enfoques computacionales y experimentales hará avanzar la ciencia de las proteínas.