Exploración del potencial de los distogramas de AlphaFold para predecir movimientos de bisagra inducidos por la unión

Área de la Ciencia:

• Biología Estructural
• Biología Computacional
• Biofísica

Sus antecedentes:

• Los modelos de AlphaFold predicen estructuras proteicas estáticas, lo que limita su utilidad para comprender los procesos biológicos dinámicos.
• La interpretación de regiones flexibles en mapas de crio-microscopía electrónica (crio-EM) de baja resolución sigue siendo un desafío importante en biología estructural.

Objetivo del estudio:

• Evaluar el potencial de los distogramas generados por AlphaFold para predecir la flexibilidad conformacional, específicamente los movimientos de bisagra inducidos por la unión.
• Evaluar los distogramas como un método independiente del modelo para interpretar regiones de bisagra ambiguas en datos de crio-EM.

Principales métodos:

• Análisis de los distogramas de AlphaFold2/3 para el complejo Adenilato Quinasa 2 (AK2)/Factor Inductor de Apoptosis Mitocondria 1 (AIFM1).
• Comparación de las predicciones de distogramas con simulaciones de dinámica molecular y datos experimentales de crio-EM.
• Extensión del análisis a sistemas biológicos adicionales para validar los hallazgos.

Principales resultados:

• Los distogramas de AlphaFold capturaron con éxito el movimiento de bisagra inducido por la unión en AK2, una característica dinámica ausente en las estructuras estáticas de AlphaFold.
• El estudio demostró que los distogramas pueden identificar la flexibilidad conformacional incluso en ausencia de dinámica estructural explícita.
• Los hallazgos fueron consistentes en múltiples sistemas biológicos, destacando la aplicabilidad general del método.

Conclusiones:

• Los distogramas de AlphaFold proporcionan una métrica valiosa y libre de estructura para identificar estados conformacionales alternativos y movimientos de bisagra.
• Los distogramas pueden ayudar significativamente en la interpretación de densidades ambiguas y regiones flexibles dentro de mapas de crio-EM de baja resolución.
• Este enfoque mejora la utilidad de las predicciones de AlphaFold más allá de los modelos estructurales estáticos para comprender la dinámica de las proteínas.