Según una nueva investigación, la clave para una relación exitosa a largo plazo es que cada socio se adapte a los cambios del otro con el tiempo.
Al menos, eso es lo que parece ser cierto para pares de proteínas en bacterias.
Un científico de la Universidad de Texas en Dallas y sus colegas están desarrollando modelos informáticos para predecir cómo las mutaciones, o pequeños cambios físicos, afectan el rendimiento biológico de los pares de proteínas que han evolucionado conjuntamente para trabajar juntos.
La investigación, publicada en un número reciente de la revista Biología molecular y evolución , tiene aplicaciones potenciales en biología sintética e ingeniería de proteínas, campos que tienen como objetivo diseñar nuevas proteínas o explotar las existentes para mejorar la salud humana.
Las proteínas, que llevan a cabo la mayoría de las funciones de la vida, están formadas por secuencias de moléculas llamadas aminoácidos. Los pares de proteínas se comunican exitosamente entre sí al interactuar físicamente en puntos específicos de la cadena de aminoácidos.
Tales pares de proteínas tienden a evolucionar conjuntamente con el tiempo: si uno adquiere una mutación en un aminoácido clave, el otro tiende a adaptarse para mantener el equilibrio. Sin embargo, algunas mutaciones pueden poner fin a la relación.
"Si una mutación cambia uno de esos aminoácidos clave en la interfaz, la pareja ya no podrá comunicarse y la función podría perderse", dijo el Dr. Faruck Morcos, profesor asistente de ciencias biológicas en UT Dallas yautor principal del artículo: "El resultado podría afectar negativamente la supervivencia de ese organismo".
Morcos y sus colegas de la Universidad de Rice desarrollaron un modelo computacional que evalúa cada combinación posible de mutaciones en la interfaz entre las secuencias de aminoácidos en un par de proteínas encontradas en la bacteria Escherichia coli. El modelo computacional encuentra combinaciones que resultan en parejas quecontinuar comunicándose y aquellos para quienes la conexión se ha ido.
Las proteínas bacterianas sirvieron como un caso de prueba, pero Morcos dijo que el enfoque también se puede aplicar a las proteínas en otros organismos, incluidas las proteínas humanas.
"Este es un modelo matemático que podemos usar para predecir cómo los cambios en las secuencias de aminoácidos afectan la función de las proteínas", dijo Morcos.
Un grupo de investigación en el MIT había realizado previamente experimentos en el laboratorio para examinar cada una de las 160,000 combinaciones posibles en este par de proteínas en particular.
"Ese esfuerzo fue sorprendente. Determinó experimentalmente cuál fue el efecto para todas estas mutaciones", dijo Morcos. "Pero fue muy costoso. Utilizamos sus resultados para validar que nuestro modelo es capaz de predecir no solo qué mutacionesno poder interactuar, sino también mutaciones que mantienen su función prevista ".
El modelo computacional también es capaz de clasificar el nivel de confianza de las combinaciones de trabajo. De las 1,600 combinaciones que se encontraron funcionales, el modelo tenía mucha confianza en las 100 mejores, por ejemplo.
"Si podemos predecir algo que debería funcionar, pero no es obvio, podemos señalar a los experimentadores que intenten mutaciones específicas, ahorrando tiempo y gastos, en oposición al enfoque de prueba y error", dijo Morcos.
Usando su modelo, el grupo de investigación encontró algo inesperado también.
"Pronosticamos combinaciones que deberían haber sido funcionales, pero en realidad no estaban en los datos experimentales", dijo Morcos. "Resulta que algunas mutaciones resultaron en pares que podrían comunicarse con su objetivo, pero también interactuaron con otrosproteínas también. Creemos que la relación no estaba funcionando en todo su potencial porque uno de los pares se volvió demasiado promiscuo con otras proteínas ".
Ese resultado mostró que el modelo podría ser útil para investigar el efecto de las mutaciones no solo en la comunicación entre las proteínas asociadas, sino también con otras proteínas en una célula.
"Para los científicos que están haciendo experimentos, puede ser difícil evaluar los efectos sobre el resto de las proteínas en una red de proteínas", dijo Morcos. "Es relativamente fácil con este trabajo computacional".
En un estudio posterior, publicado recientemente en el Actas de la Academia Nacional de Ciencias Morcos y sus colegas de Rice y la Academia de Ciencias de China utilizaron su enfoque computacional para determinar los puntos físicos más importantes en los que interactúa un par de proteínas.
"Este es un resultado importante", dijo Morcos. "Si sabe dónde están los 'puntos calientes', el punto más importante en una interfaz proteína-proteína, esto podría ayudar en el diseño de medicamentos terapéuticos para intervenir en ese punto"
Fuente de la historia :
Materiales proporcionado por Universidad de Texas en Dallas . Nota: El contenido puede ser editado por estilo y longitud.
Referencias de revistas :
Cita esta página :