A atual pandemia de COVID-19 criou muitos problemas que os hackers têm prazer em atacar. Desde protetores faciais impressos em 3D e máscaras médicas caseiras até a substituição de um ventilador mecânico completo, o fluxo de ideias foi inspirador e comovente. Ao mesmo tempo, houve tentativas de avançar em outra área: nas pesquisas voltadas ao combate ao próprio vírus.
Aparentemente, o maior potencial para travar a actual pandemia e ultrapassar todas as subsequentes reside numa abordagem que tente chegar à raiz do problema. Esta abordagem “conheça o seu inimigo” é adotada pelo projeto de computação Folding@Home. Milhões de pessoas aderiram ao projeto e estão doando parte do poder de processamento dos seus processadores e GPUs, criando assim o maior supercomputador [distribuído] da história.
Mas para que exatamente servem todos esses exaflops? Por que é necessário lançar tal poder de computação em
Primeiro, o mais importante: por que as proteínas são necessárias?
As proteínas são estruturas vitais. Eles não apenas fornecem material de construção para as células, mas também servem como catalisadores enzimáticos para quase todas as reações bioquímicas. Esquilos, sejam eles
Para compreender como as proteínas adquirem a estrutura que determina a sua função, precisamos rever os fundamentos da biologia molecular e do fluxo de informação na célula.
Produção, ou
Os ribossomos agem como máquinas de montagem - eles pegam o modelo de mRNA e o combinam com outros pequenos pedaços de RNA,
Esta sequência de aminoácidos é o primeiro nível da hierarquia estrutural das proteínas, razão pela qual é chamada
Ligações de longo alcance de partes de proteínas
O próximo nível de estrutura tridimensional, indo além do primário, recebeu um nome inteligente
Hélices alfa e folhas beta em proteínas. As ligações de hidrogênio se formam durante a expressão da proteína.
Estas duas estruturas e suas combinações formam o próximo nível de estrutura proteica -
Além disso, a estabilidade das estruturas terciárias é garantida por ligações de longo alcance entre aminoácidos. Um exemplo clássico de tais conexões é
A estrutura terciária é estabilizada por interações de longo alcance, como hidrofobicidade ou ligações dissulfeto.
Podem ocorrer ligações dissulfeto entre
Modelagem de estruturas em busca da cura para doenças
As cadeias polipeptídicas começam a se dobrar em sua forma final durante a tradução, à medida que a cadeia crescente sai do ribossomo, assim como um pedaço de fio de liga de memória pode assumir formas complexas quando aquecido. Contudo, como sempre na biologia, as coisas não são tão simples.
Em muitas células, os genes transcritos passam por extensa edição antes da tradução, alterando significativamente a estrutura básica da proteína em comparação com a sequência de bases pura do gene. Nesse caso, os mecanismos de tradução muitas vezes contam com a ajuda de acompanhantes moleculares, proteínas que se ligam temporariamente à cadeia polipeptídica nascente e evitam que ela assuma qualquer forma intermediária, da qual não poderão passar para a final.
Isto tudo para dizer que prever a forma final de uma proteína não é uma tarefa trivial. Durante décadas, a única maneira de estudar a estrutura das proteínas era através de métodos físicos como a cristalografia de raios X. Somente no final da década de 1960 é que os químicos biofísicos começaram a construir modelos computacionais de enovelamento de proteínas, concentrando-se principalmente na modelagem de estruturas secundárias. Esses métodos e seus descendentes requerem enormes quantidades de dados de entrada além da estrutura primária - por exemplo, tabelas de ângulos de ligação de aminoácidos, listas de hidrofobicidade, estados carregados e até mesmo conservação de estrutura e função ao longo de escalas de tempo evolutivas - tudo para adivinhe o que vai acontecer com a proteína final.
Os métodos computacionais atuais para previsão de estruturas secundárias, como aqueles executados na rede Folding@Home, funcionam com cerca de 80% de precisão – o que é muito bom considerando a complexidade do problema. Os dados gerados por modelos preditivos sobre proteínas como a proteína spike do SARS-CoV-2 serão comparados com dados de estudos físicos do vírus. Com isso, será possível obter a estrutura exata da proteína e, quem sabe, entender como o vírus se liga aos receptores
A pesquisa de dobramento de proteínas está no centro da nossa compreensão de tantas doenças e infecções que, mesmo quando usamos a rede Folding@Home para descobrir como derrotar o COVID-19, que vimos explodir em crescimento ultimamente, a rede venceu. Não fique ocioso por muito tempo. É uma ferramenta de pesquisa adequada para estudar os padrões proteicos subjacentes a dezenas de doenças de dobramento incorreto de proteínas, como a doença de Alzheimer ou a variante da doença de Creutzfeldt-Jakob, muitas vezes chamada incorretamente de doença da vaca louca. E quando outro vírus aparecer inevitavelmente, estaremos prontos para começar a combatê-lo novamente.
Fonte: habr.com