miniaturadeimagen|Jerarquía de las estructuras de las proteínas La predicción de la estructura de las proteínas es la predicción o cálculo de la estructura tridimensional de una proteína desde su secuencia de aminoácidos, es decir, la predicción de sus estructuras secundaria y terciaria desde su estructura primaria. La predicción de la estructura es fundamentalmente diferente del problema inverso del diseño de proteínas. Es uno de los principales objetivos de la bioinformática y de la química teórica, y altamente importante en medicina (en diseño de fármacos, por ejemplo) y biotecnología (en el diseño de nuevas enzimas, por ejemplo).
Existen dos estrategias básicas para aproximarse a la predicción de la estructura: la predicción de novo, en la que se suelen utilizar métodos estocásticos; y la predicción por comparación, en la que se recurre a una biblioteca de estructuras previamente conocidas.
Cada dos años se evalúa el rendimiento de los métodos actuales en el experimento CASP (Critical Assessment of Techniques for Protein Structure Prediction, Evaluación Crítica de Técnicas para la Predicción de la Estructura de las Proteínas).En julio de 2021 DeepMind y EMBL (Laboratorio Europeo de Biología Molecular), publican la predicción más de 350 000 estructuras tridimensionales de proteínas. Estructura secundaria La predicción de la estructura secundaria es un conjunto de técnicas bioinformáticas cuyo objetivo es predecir la estructura secundaria local de secuencias de proteínas y ARN basándose sólo en el conocimiento de su estructura primaria de aminoácidos o de nucleótidos, respectivamente. Para las proteínas, una predicción consiste en asignar regiones como probables hélices alfa, hebras beta (denominadas a menudo «conformaciones extendidas»), o bucles beta. El éxito de una predicción se determina por su comparación con los resultados de aplicar el algoritmo DSSP (método estándar para asignar una estructura secundaria a los aminoácidos de una proteína dadas sus coordenadas atómicas de resolución) a la estructura cristalina de la proteína. Para ácidos nucleicos, podría determinarse por el patrón de puentes de hidrógeno. Se han desarrollado algoritmos para la detección de patrones específicos bien definidos tales como hélices transmembrana y hélices superenrolladas en las proteínas, o estructuras de microARN en el ARN.Mount DM (2004). Bioinformatics: Sequence and Genome Analysis, 2, Cold Spring Harbor Laboratory Press. ISBN 0-87969-712-1.
Los mejores métodos modernos de predicción de estructura secundaria en proteínas alcanzan alrededor del 80% de precisión. Tan alto porcentaje permite el uso de las predicciones en el enhebrado de proteínas y la predicción de la estructura proteica ab initio, la clasificación de motivos estructurales, y el refinamiento de los alineamientos de secuencias. La precisión de los métodos actuales de predicción de la estructura secundaria se evalúa en comparaciones semanales tales como LiveBench y EVA.
Antecedentes Los métodos iniciales de predicción de la estructura secundaria, introducidos en la década de los 60 y los primeros 70 del , se centraron en la identificación de posibles hélices alfa y se basaron, principalmente, en modelos de transición hélice-ovillo.Froimowitz M, Fasman GD. (1974). Prediction of the secondary structure of proteins using the helix-coil transition theory. Macromolecules 7(5):583-9. En los 70 se introdujeron predicciones significativamente más precisas, que incluían hojas beta. Su fundamento se encontraba en evaluaciones estadísticas basadas en parámetros de probabilidad derivados de estructuras resueltas conocidas. Estos métodos, aplicados a una única secuencia, tienen como mucho una precisión del 60-65%, aunque a menudo no predicen correctamente las hojas beta. La conservación evolutiva de estructuras secundarias puede ser aprovechada mediante la evaluación simultánea de varias secuencias homólogas en un alineamiento múltiple de secuencias, calculando así la propensión de una secuencia de aminoácidos alineada a formar redes de estructura secundaria.
Conjuntando estos métodos con grandes bases de datos de estructuras proteicas conocidas y con los métodos actuales de aprendizaje automático tales como redes neuronales artificiales y máquinas de soporte vectorial, puede alcanzarse hasta un 80% de precisión en proteínas globulares.Dor O, Zhou Y. (2006). Achieving 80% tenfold cross-validated accuracy for secondary structure prediction by large-scale training. Proteins Epub. PMID 17177203 El límite teórico superior de precisión se encuentra alrededor del 90% debido, en parte, a la idiosincrasia en la asignación del DSSP cerca de los extremos de las estructuras secundarias, donde las conformaciones locales varían bajo condiciones nativas pero pueden forzarse para asumir una única conformación cristalina debido a las restricciones del empaquetado. También impone restricciones la incapacidad de la predicción de la estructura secundaria de tomar en cuenta la estructura terciaria. Por ejemplo, una secuencia predicha como probable hélice puede ser capaz todavía de adoptar una conformación de hebra beta si está localizada dentro de una región hoja beta de la proteína y sus cadenas laterales encajan bien con sus vecinas. Los cambios conformacionales drásticos relacionados con la función o el entorno de la proteína pueden alterar también la estructura secundaria local.
Método de Chou-Fasman
El método de Chou-Fasman fue uno de los primeros algoritmos desarrollados para la predicción de la estructura secundaria, y se fundamenta predominantemente sobre parámetros de probabilidad determinados por las frecuencias relativas de las apariciones de cada aminoácido en cada tipo de estructura secundaria.Chou PY, Fasman GD. (1974). Prediction of protein conformation. Biochemistry. 13(2):222-45. Los parámetros originales del Chou-Fasman, determinados desde el pequeño conjunto de estructuras resueltas a mediados de los 70, producen resultados pobres en comparación con los obtenidos por los métodos modernos, aunque la parametrización haya sido actualizada desde su primera publicación. El método Chou-Fasman es preciso, aproximadamente, en un 50-60% en la predicción de estructuras secundarias.
Método GOR
El método GOR, así denominado por los tres científicos que lo desarrollaron (Garnier, Osguthorpe y Robson), es un método basado en la teoría de la información desarrollado no mucho después del Chou-Fasman, y usa técnicas probabilísticas más apropiadas de inferencia bayesiana.Garnier J, Osguthorpe DJ, Robson B. (1978). Analysis of the accuracy and implications of simple methods for predicting the secondary structure of globular proteins. J Mol Biol 120:97-120. Este método toma en consideración no sólo la probabilidad de que cada aminoácido tenga una particular estructura secundaria, sino también la probabilidad condicional de que el aminoácido asuma cada estructura considerando que sus vecinos asuman la misma estructura. Este método es más sensible y preciso puesto que las tendencias estructurales de los aminoácidos son considerables sólo para un pequeño número de estas moléculas, tales como la prolina y la glicina. El método GOR original es preciso en aproximadamente el 65%, y muchísimo más exitoso en la predicción de hélices alfa que hojas beta, que frecuentemente son calculadas erróneamente como bucles o como regiones desorganizadas.
Aprendizaje automático Los métodos basados en redes neuronales artificiales utilizan conjuntos de entrenamiento cuyos elementos son estructuras resueltas para identificar secuencias motivo comunes asociadas con disposiciones particulares de estructuras secundarias. Estos métodos están sobre el 70% de precisión en sus predicciones, aunque las hebras beta todavía vienen siendo predichas en poca medida debido a la carencia de información estructural tridimensional que pudiera permitir la evaluación de los patrones de puentes de hidrógeno con los que pudiera promoverse la formación de la conformación extendida requerida para la presencia de una hoja beta completa.
Las máquinas de soporte vectorial (MSV) han demostrado ser particularmente útiles en la predicción de las localizaciones de los bucles, que son difíciles de identificar con métodos estadísticos.Pham TH, Satou K, Ho TB. (2005). Support vector machines for prediction and analysis of beta and gamma-turns in proteins. J Bioinform Comput Biol 3(2):343-58. PMID 15852509 Se ha citado también la necesidad de relativamente pequeños conjuntos de entrenamiento como una ventaja para evitar un excesivo ajuste sobre los datos estructurales existentes.Zhang Q, Yoon S, Welsh WJ. (2005). Improved method for predicting beta-turn using support vector machine. Bioinformatics 21(10):2370-4. PMID 15797917
Algunas extensiones a las técnicas de aprendizaje automático intentan predecir propiedades locales de granularidad más fina en las proteínas, como los ángulos diedros en determinadas regiones del esqueleto de las proteínas. Se han aplicado a este problema tanto MSVsZimmermann O, Hansmann UH. (2006). Support vector machines for prediction of dihedral angle regions. Bioinformatics 22(24):3009-15. PMID 17005536 como redes neuronales.Kuang R, Leslie CS, Yang AS. (2004). Protein backbone angle prediction with machine learning approaches. Bioinformatics 20(10):1612-21. PMID 14988121
Otras mejoras Además de la secuencia de la proteína, la formación de la estructura secundaria depende de otros factores. Por ejemplo, se sabe que las tendencias en la estructura secundaria dependen también del entorno local,Zhong L, Johnson WC Jr. (1992). Environment affects amino acid preference for secondary structure. Proc Natl Acad Sci USA 89(10):4462-5. PMID 1584778 la accesibilidad de los residuos a un disolvente,Macdonald JR, Johnson WC Jr. (2001). Environmental features are important in determining protein secondary structure. Protein Sci. 10(6):1172-7. PMID 11369855 la clase de la estructura proteica,Costantini S, Colonna G, Facchiano AM. (2006). Amino acid propensities for secondary structures are influenced by the protein structural class. Biochem Biophys Res Commun. 342(2):441-51. PMID 16487481 e incluso del organismo del que se obtienen las proteínas.Marashi SA, et al. (2007). Adaptation of proteins to different environments: a comparison of proteome structural properties in Bacillus subtilis and Escherichia coli. J Theor Biol 244(1):127-32. PMID 16945389 De acuerdo a tales observaciones, algunos estudios han mostrado que la predicción de la estructura secundaria puede mejorarse mediante la adición de información sobre la clase estructural de la proteína,Costantini S, Colonna G, Facchiano AM. (2007). PreSSAPro: a software for the prediction of secondary structure by amino acid properties. Comput Biol Chem 31(5-6):389-92. PMID 17888742 su accesibilidad al disolvente,Momen-Roknabadi A, et al. (2008). Impact of residue accessible surface area on the prediction of protein secondary structures. BMC Bioinformatics. 9:357. PMID 18759992Adamczak R, Porollo A, Meller J. (2005). Combining prediction of secondary structure and solvent accessibility in proteins. Proteins 59(3):467-75. PMID 15768403 y también al número de contacto (una medida simple de la exposición al disolvente) de los residuos.Lakizadeh A, Marashi SA. (2009). Addition of contact number information can improve protein secondary structure prediction by neural networks. EXCLI J. 8:66-73.