A actual pandemia de COVID-19 creou moitos problemas que os piratas informáticos están encantados de atacar. Desde pantallas faciais impresas en 3D e máscaras médicas caseiras ata substituír un ventilador mecánico completo, o fluxo de ideas foi inspirador e conmovedor. Ao mesmo tempo, intentáronse avanzar noutro ámbito: nas investigacións dirixidas a combater o propio virus.
Ao parecer, o maior potencial para deter a pandemia actual e superar a todas as posteriores reside nun enfoque que tenta chegar á raíz mesma do problema. Este enfoque de "coñece ao teu inimigo" é adoptado polo proxecto informático Folding@Home. Millóns de persoas rexistráronse no proxecto e están a doar parte da potencia de procesamento dos seus procesadores e GPU, creando así a supercomputadora [distribuída] máis grande da historia.
Pero para que serven exactamente todos estes exaflops? Por que é necesario botarlle esa potencia de computación
En primeiro lugar, o máis importante: por que son necesarias as proteínas?
As proteínas son estruturas vitais. Non só proporcionan material de construción para as células, senón que tamén serven como catalizadores enzimáticos para case todas as reaccións bioquímicas. Esquíos, sexan eles
Para comprender como as proteínas adquiren a estrutura que determina a súa función, cómpre repasar os conceptos básicos da bioloxía molecular e o fluxo de información na célula.
Produción, ou
Os ribosomas actúan como máquinas de ensamblaxe: toman o modelo de ARNm e emparénao con outros pequenos anacos de ARN.
Esta secuencia de aminoácidos é o primeiro nivel da xerarquía estrutural das proteínas, polo que se chama
Enlaces de longo alcance de partes proteicas
O seguinte nivel de estrutura tridimensional, que vai máis aló do principal, recibiu un nome intelixente
Hélices alfa e follas beta en proteínas. Os enlaces de hidróxeno fórmanse durante a expresión das proteínas.
Estas dúas estruturas e as súas combinacións forman o seguinte nivel de estrutura proteica:
Ademais, a estabilidade das estruturas terciarias está asegurada por enlaces de longo alcance entre aminoácidos. Un exemplo clásico de tales conexións é
A estrutura terciaria está estabilizada por interaccións de longo alcance como a hidrofobicidade ou os enlaces disulfuro
Poden producirse enlaces disulfuro entre
Modelización de estruturas na procura dunha cura para a enfermidade
As cadeas polipeptídicas comezan a pregarse na súa forma final durante a tradución, xa que a cadea en crecemento sae do ribosoma, do mesmo xeito que un anaco de fío de aliaxe con memoria pode adoptar formas complexas cando se quenta. Porén, como sempre en bioloxía, as cousas non son tan sinxelas.
En moitas células, os xenes transcritos sofren unha extensa edición antes da tradución, cambiando significativamente a estrutura básica da proteína en comparación coa secuencia de bases puras do xene. Neste caso, os mecanismos de tradución adoitan contar coa axuda de chaperonas moleculares, proteínas que se unen temporalmente á cadea polipeptídica nacente e impiden que esta adquira calquera forma intermedia, da que logo non poderán pasar á final.
Todo isto quere dicir que predicir a forma final dunha proteína non é unha tarefa trivial. Durante décadas, a única forma de estudar a estrutura das proteínas foi mediante métodos físicos como a cristalografía de raios X. Non foi ata finais da década de 1960 cando os químicos biofísicos comezaron a construír modelos computacionais de pregamento de proteínas, concentrándose principalmente no modelado de estruturas secundarias. Estes métodos e os seus descendentes requiren enormes cantidades de datos de entrada ademais da estrutura primaria, por exemplo, táboas de ángulos de enlace de aminoácidos, listas de hidrofobicidade, estados cargados e incluso conservación da estrutura e función en escalas de tempo evolutivas. adiviña o que vai pasar parece a proteína final.
Os métodos computacionais actuais para a predición de estruturas secundarias, como os que se executan na rede Folding@Home, funcionan con preto do 80 % de precisión, o que é bastante bo tendo en conta a complexidade do problema. Os datos xerados por modelos preditivos sobre proteínas como a proteína espiga SARS-CoV-2 compararanse cos datos de estudos físicos do virus. Como resultado, será posible obter a estrutura exacta da proteína e, quizais, comprender como o virus se une aos receptores
A investigación sobre o pregamento de proteínas está no centro da nosa comprensión de tantas enfermidades e infeccións que mesmo cando usamos a rede Folding@Home para descubrir como vencer a COVID-19, que vimos explotar no seu crecemento ultimamente, a rede vai " non estar ocioso por moito tempo. É unha ferramenta de investigación que é moi adecuada para estudar os patróns de proteínas que subxacen a decenas de enfermidades de mal pregamento de proteínas, como a enfermidade de Alzheimer ou a variante da enfermidade de Creutzfeldt-Jakob, moitas veces chamada incorrectamente enfermidade das vacas tolas. E cando inevitablemente apareza outro virus, estaremos preparados para comezar a loitar contra el de novo.
Fonte: www.habr.com