Un estudio concluye que simples cálculos pueden predecir la estabilidad de las proteínas

Barcelona, 25 sep (EFE).- Las mutaciones que afectan a la estabilidad de las proteínas se puede predecir con unos cálculos simples, lo que puede tener implicaciones en futuros tratamientos, según un estudio del Centro de Regulación Genómica (CRG) de Barcelona y el Wellcome Sanger Institute (Reino Unido).

Las proteínas son cadenas formadas por 20 tipos distintos de aminoácidos y una sola mutación cambia un aminoácido por otro, lo que modifica la forma de la proteína.

Esto puede marcar la diferencia entre la salud y la enfermedad, ya que muchas enfermedades como el cáncer y los trastornos neurodegenerativos están causadas por más de una mutación en una proteína.

Una pequeña proteína de 100 aminoácidos de longitud tiene más variaciones que átomos en todo el universo, aunque los autores de la investigación apuntan a que, pese a tantas posibilidades, se puede predecir el impacto de cada variante con fórmulas sencillas.

Este hallazgo, publicado en la revista Nature, tiene profundas implicaciones en el desarrollo de nuevos tratamientos para enfermedades o el diseño de nuevas proteínas con aplicaciones industriales.

Al haber tantos aminoácidos en una sola proteína, existe un número astronómico de combinaciones de mutaciones, por lo que es prácticamente imposible probar cada combinación posible para ver cómo afectan a la propia proteína.

"Permitiendo solo un cambio en cada posición, hay 17.000 millones de combinaciones diferentes en una proteína de 34 aminoácidos de longitud. Si tuviéramos un segundo para probar una sola combinación, tardaríamos un total de 539 años en probarlas todas", ha explicado Aina Martí, coautora del estudio, que inició el proyecto en el CRG y actualmente es estudiante de doctorado en el Wellcome Sanger Institute.

Sin embargo, la investigación liderada por el doctor André Faure en el CRG y el profesor de investigación ICREA Ben Lehner, con doble afiliación entre el CRG y el Wellcome Sanger Institute, revela que el impacto de las mutaciones en la estabilidad de las proteínas es más predecible de lo que se pensaba.

Durante años, ha existido la idea de que dos mutaciones podrían interactuar entre sí de formas inesperadas, aumentando o suprimiendo los efectos de la otra, aunque el estudio ha revelado que, si bien las mutaciones interactúan, es algo relativamente raro, y la gran mayoría afectan a la proteína de forma independiente.

"No necesitamos supercomputadoras para predecir el comportamiento de una proteína, solo buenas mediciones y matemáticas simples hacen el resto", ha destacado el doctor Lehner.

El equipo realizó el descubrimiento generando miles de variantes de proteínas, cada una con diferentes combinaciones de mutaciones que podrían producir proteínas funcionales.

A continuación, probaron la estabilidad de las proteínas, generando una gran cantidad de datos sobre cómo cada mutación y combinación de mutaciones afecta a las proteínas.

Los resultados experimentales coincidieron de cerca con modelos que asumen que el efecto total de múltiples mutaciones puede calcularse simplemente sumando los efectos de cada mutación individual.

Con esta nueva conclusión, se pueden encontrar nuevas formas de predecir cómo las diversas combinaciones de mutaciones afectan a la estabilidad y la función de una proteína.

Esto puede llevar a pronósticos más precisos y planes de tratamiento personalizados, mejorando los resultados de los pacientes.

El estudio también puede conducir a un desarrollo de fármacos más eficientes, debido a que algunos fármacos corrigen las proteínas mal plegadas, como en la enfermedad de Alzheimer, donde la forma cambiante de las proteínas beta-amiloides forman placas en el cerebro.

Si bien el estudio supone un avance significativo, los autores plantean algunas limitaciones a su trabajo, como el hecho de que no capturaron interacciones más complejas que involucraban a tres o más mutaciones.

En algunas proteínas, estas interacciones de orden superior podrían afectar “significativamente” a la estabilidad y no se predicen simplemente sumando los efectos individuales.

Asimismo, aunque los hallazgos pueden reducir drásticamente el número de experimentos necesarios, todavía será necesario cierto nivel de validación experimental.

De este modo, se podrían confirmar las predicciones, especialmente para aplicaciones críticas como el desarrollo de medicamentos, donde puede haber efectos imprevistos o interacciones raras que los modelos no capturan. EFE

1012149

agp/mg/pss