La forma estructural de las proteínas puede ayudar a entender la historia de la vida

Guardar

Barcelona (España), 15 ene (EFE).- Un equipo científico del Centro de Regulación Genómica (CRG) de Barcelona, en España, ha encontrado una nueva forma de fusionar datos genómicos y datos estructurales de las proteínas para entender la evolución en profundidad y esclarecer la historia de la vida.

El hallazgo del Centro de Regulación Genómica se recoge en un estudio que publica la revista Nature Communications, en el que se indica que el nuevo método "puede mejorar la fiabilidad de los árboles evolutivos".

Dichos árboles evolutivos son un recurso utilizado por la comunidad científica para comprender la historia de la vida, monitorizar la propagación de patógenos o crear nuevos tratamientos para enfermedades.

El nuevo enfoque descubierto por el CRG funciona "incluso con las predicciones de la estructura tridimensional de proteínas", se indica en las conclusiones del estudio, lo que "abre la puerta a aplicar este método a una escala sin precedentes".

Es la primera vez que se utilizan datos estructurales de proteínas que se combinan con datos de secuencias genómicas para mejorar la fiabilidad de los árboles evolutivos, y esto "ayuda a esclarecer aspectos de la historia antigua de la vida en la Tierra".

Existen 210.000 estructuras de proteínas determinadas experimentalmente, pero 250 millones de secuencias de proteínas conocidas, y según los autores del estudio, iniciativas como el proyecto EarthBioGenome podrían generar miles de millones de secuencias de proteínas más en los próximos años.

Esta abundancia de datos abre la puerta a la aplicación del estudio en una escala sin precedentes.

Durante muchas décadas, la biología ha reconstruido la evolución rastreando cómo las especies y los genes divergen de los ancestros comunes, y los árboles filogenéticos o evolutivos se construyen tradicionalmente comparando secuencias de ADN o proteínas, y contando las similitudes y diferencias para inferir relaciones.

Sin embargo, este procedimiento se enfrenta a un importante obstáculo: la saturación. A lo largo de vastos marcos temporales, las secuencias genómicas pueden cambiar tanto que ya no se asemejan a sus formas ancestrales, borrando las señales de la herencia compartida.

Según el doctor Cedric Notredame, investigador del Centro de Regulación Genómica (CRG) y autor principal del estudio, "el tema de la saturación domina la filogenia y representa el principal obstáculo para la reconstrucción del árbol de la vida".

"Es como la erosión de un texto antiguo. Las letras se vuelven indistintas, y el mensaje se pierde", explica el principal autor de este estudio.

El equipo de investigación recurrió a las estructuras físicas de las proteínas, las cuales se pliegan en formas complejas que determinan la función de una célula.

Estas estructuras se conservan más a lo largo del tiempo evolutivo que las propias secuencias, lo que significa que cambian más lentamente y conservan sus características ancestrales durante más tiempo.

La estructura de una proteína está dictada por su secuencia de aminoácidos, y si bien las secuencias pueden mutarse, la estructura general a menudo permanece similar para preservar la función.

Los autores del estudio plantearon la hipótesis que implicaba la posibilidad de medir cuánto divergen las estructuras con el tiempo midiendo la distancia entre pares de aminoácidos dentro de una proteína, lo que se conoce como distancias intramoleculares (IMD).

El estudio compiló un conjunto masivo de datos de proteínas con estructuras conocidas, que cubren una amplia variedad de especias, y calcularon los IMD para cada proteína y utilizaron estas mediciones para construir árboles filogenéticos.

Descubrieron entonces que los árboles construidos a partir de datos estructurales coincidían estrechamente con los derivados de las secuencias genéticas, pero con una ventaja crucial: los árboles estructurales se veían menos afectados por la saturación.

Una vez comprobado que tanto las secuencias como las estructuras ofrecen valiosa información, el equipo desarrolló un enfoque combinado que no sólo mejoró la fiabilidad de las diferentes ramas de los árboles, sino que también ayudó a distinguir entre las relaciones correctas e incorrectas.

Las posibles aplicaciones de ese trabajo van más allá del cáncer. Se podría utilizar el método para crear árboles evolutivos más precisos que mejoren nuestra comprensión sobre la evolución de las enfermedades en general, ayudando en el desarrollo de vacunas y tratamientos.

También pueden ayudar a esclarecer los orígenes de rasgos complejos, guiar el descubrimiento de nuevas enzimas para la biotecnología e incluso ayudar a rastrear la propagación de especies en respuesta al cambio climático. EFE

Guardar