La actual pandemia de COVID-19 ha creado muchos problemas que los piratas informáticos han estado encantados de atacar. Desde protectores faciales impresos en 3D y mascarillas médicas caseras hasta la sustitución de un ventilador mecánico completo, el flujo de ideas fue inspirador y conmovedor. Al mismo tiempo, hubo intentos de avanzar en otro ámbito: en la investigación destinada a combatir el propio virus.
Aparentemente, el mayor potencial para detener la pandemia actual y superar a todas las posteriores reside en un enfoque que intente llegar a la raíz misma del problema. Este enfoque de “conocer a tu enemigo” lo adopta el proyecto informático Folding@Home. Millones de personas se han inscrito en el proyecto y están donando parte de la potencia de procesamiento de sus procesadores y GPU, creando así la supercomputadora [distribuida] más grande de la historia.
¿Pero para qué sirven exactamente todos estos exaflops? ¿Por qué es necesario dedicar tanta potencia informática a
Primero, lo más importante: ¿por qué se necesitan las proteínas?
Las proteínas son estructuras vitales. No sólo proporcionan material de construcción para las células, sino que también sirven como catalizadores enzimáticos para casi todas las reacciones bioquímicas. Ardillas, ya sean
Para comprender cómo las proteínas adquieren la estructura que determina su función, necesitamos repasar los conceptos básicos de la biología molecular y el flujo de información en la célula.
producción, o
Los ribosomas actúan como máquinas de ensamblaje: toman la plantilla de ARNm y la relacionan con otras pequeñas piezas de ARN.
Esta secuencia de aminoácidos es el primer nivel de la jerarquía estructural de las proteínas, por eso se llama
Enlaces de largo alcance de partes de proteínas.
El siguiente nivel de estructura tridimensional, más allá del primario, recibió un nombre inteligente
Hélices alfa y láminas beta en proteínas. Los enlaces de hidrógeno se forman durante la expresión de proteínas.
Estas dos estructuras y sus combinaciones forman el siguiente nivel de estructura proteica:
Además, la estabilidad de las estructuras terciarias está garantizada por enlaces de largo alcance entre aminoácidos. Un ejemplo clásico de tales conexiones es
La estructura terciaria se estabiliza mediante interacciones de largo alcance, como la hidrofobicidad o los enlaces disulfuro.
Los enlaces disulfuro pueden ocurrir entre
Modelando estructuras en busca de una cura para la enfermedad
Las cadenas polipeptídicas comienzan a plegarse hasta alcanzar su forma final durante la traducción, a medida que la cadena en crecimiento sale del ribosoma, de forma muy parecida a como un trozo de alambre de aleación con memoria puede adoptar formas complejas cuando se calienta. Sin embargo, como siempre en biología, las cosas no son tan sencillas.
En muchas células, los genes transcritos se someten a una extensa edición antes de la traducción, lo que cambia significativamente la estructura básica de la proteína en comparación con la secuencia de bases pura del gen. En este caso, los mecanismos de traducción suelen contar con la ayuda de chaperonas moleculares, proteínas que se unen temporalmente a la cadena polipeptídica naciente e impiden que adopte cualquier forma intermedia, desde la cual luego no podrán pasar a la final.
Todo esto quiere decir que predecir la forma final de una proteína no es una tarea trivial. Durante décadas, la única forma de estudiar la estructura de las proteínas era mediante métodos físicos como la cristalografía de rayos X. No fue hasta finales de la década de 1960 que los químicos biofísicos comenzaron a construir modelos computacionales del plegamiento de proteínas, concentrándose principalmente en el modelado de estructuras secundarias. Estos métodos y sus descendientes requieren enormes cantidades de datos de entrada además de la estructura primaria (por ejemplo, tablas de ángulos de enlace de aminoácidos, listas de hidrofobicidad, estados cargados e incluso conservación de la estructura y función en escalas de tiempo evolutivas), todo con el fin de Adivina qué pasará con la proteína final.
Los métodos computacionales actuales para la predicción de estructuras secundarias, como los que se ejecutan en la red Folding@Home, funcionan con alrededor del 80% de precisión, lo cual es bastante bueno considerando la complejidad del problema. Los datos generados por modelos predictivos sobre proteínas como la proteína de pico del SARS-CoV-2 se compararán con datos de estudios físicos del virus. Como resultado, será posible obtener la estructura exacta de la proteína y, tal vez, comprender cómo se adhiere el virus a los receptores.
La investigación sobre el plegamiento de proteínas es fundamental para nuestra comprensión de tantas enfermedades e infecciones que incluso cuando utilizamos la red Folding@Home para descubrir cómo derrotar al COVID-19, cuyo crecimiento últimamente hemos visto explotar, la red no lo logrará. No estará inactivo por mucho tiempo. Es una herramienta de investigación muy adecuada para estudiar los patrones de proteínas que subyacen a docenas de enfermedades por plegamiento incorrecto de proteínas, como la enfermedad de Alzheimer o la variante de la enfermedad de Creutzfeldt-Jakob, a menudo llamada incorrectamente enfermedad de las vacas locas. Y cuando inevitablemente aparezca otro virus, estaremos preparados para empezar a combatirlo de nuevo.
Fuente: habr.com