Enlace y detección de diversas moléculas pequeñas utilizando pseudociclos de forma complementaria

Área de la Ciencia:

• Ingeniería de proteínas
• Biotecnología
• Biología computacional

Sus antecedentes:

• Diseñar proteínas con capacidades específicas de unión de moléculas pequeñas es un desafío.
• Los métodos existentes a menudo carecen de versatilidad para diversos objetivos moleculares.

Objetivo del estudio:

• Desarrollar un nuevo enfoque computacional para el diseño de proteínas de unión de moléculas pequeñas de alta afinidad.
• Para crear proteínas adecuadas para aplicaciones posteriores como la detección y la dimerización inducida químicamente.

Principales métodos:

• Utilizó el aprendizaje profundo para generar pseudocíclos de proteínas con formas de bolsillo de unión ajustables.
• Empleado acoplamiento computacional para identificar diseños de proteínas complementarias para moléculas pequeñas objetivo.
• Se han optimizado las superficies de interacción para una alta afinidad de unión y se ha realizado un cribado experimental.

Principales resultados:

• Se han diseñado y validado con éxito aglutinantes de alta afinidad para cuatro moléculas pequeñas distintas, incluido el metotrexato y la tiroxina.
• Demostró la modularidad de las proteínas diseñadas mediante la creación de sistemas de dimerización inducida químicamente.
• Sensores de nanoporo de bajo ruido diseñados utilizando los dominios de proteínas diseñados.

Conclusiones:

• El enfoque de diseño de pseudocículos basado en el aprendizaje profundo es efectivo para crear enlaces de moléculas pequeñas de alta afinidad.
• Los diseños modulares de proteínas facilitan el desarrollo de sistemas avanzados de biosensores y control molecular.
• Este método ofrece una plataforma versátil para la ingeniería de proteínas con un amplio potencial biotecnológico.