Os investigadores da TU Graz abrem novas vias para a compreensão das proteínas
Anúncios
Com um método recentemente desenvolvido que compara sequências de proteínas geradas por IA com as que ocorrem naturalmente, os aminoácidos reguladores da função e da estrutura podem ser determinados com muito mais precisão do que antes.
As proteínas estão entre os mais importantes blocos de construção da natureza e desempenham um papel central nos processos biológicos em todos os organismos. Por isso, os cientistas estão empenhados em compreendê-las com a maior precisão possível. Como polímeros de diferentes aminoácidos, as proteínas podem ter diferentes estruturas tridimensionais e várias funções. No entanto, é muitas vezes difícil determinar quais os aminoácidos que influenciam a função da proteína e quais os que influenciam a estabilidade estrutural.
Utilizando a chamada abordagem Função-Estrutura-Adaptabilidade (FSA), uma equipa liderada por Andreas Winkler e Oliver Eder, do Instituto de Bioquímica da Universidade de Tecnologia de Graz (TU Graz), conseguiu um avanço, que publicou agora na revista "Structure". A FSA compara sequências de proteínas idealizadas, geradas por aprendizagem automática, com sequências naturais que se desenvolveram ao longo de milhões de anos de evolução. Isto permite identificar, com uma precisão sem precedentes, os aminoácidos que são cruciais para a função e a estabilidade. Este conhecimento constitui uma base importante para a produção e modificação de proteínas e, consequentemente, para o desenvolvimento de novos fármacos, para o melhoramento direcionado de proteínas em aplicações industriais e para uma melhor compreensão das alterações das proteínas, por exemplo, em relação à resistência aos antibióticos.
Compreender melhor os blocos de construção da vida
"Como bioquímicos, queremos compreender como é que as proteínas evoluíram na natureza e, assim, descobrir que aminoácidos são relevantes para funções específicas", diz Andreas Winkler. "Para o fazer, combinámos o que a natureza conservou durante a evolução com o que um modelo de IA considera relevante para a estabilidade e estrutura de uma proteína. Esta combinação de milhões de anos de história evolutiva e a mais recente tecnologia simplifica muito a análise e a compreensão das proteínas."
Para o seu método, a equipa utilizou o modelo de aprendizagem profunda ProteinMPNN, que gera novas sequências de proteínas com o objetivo de garantir que estas adoptam uma estrutura tridimensional estável pré-determinada. Os investigadores compararam estas sequências com as das proteínas naturais. Como sistema de teste, foi utilizada a família de proteínas bacteriofitocromo, que na natureza serve de fotorreceptor para algumas bactérias e desempenha um papel central na perceção de influências ambientais, como a luz. O novo método de análise revelou que, se um aminoácido é repetidamente representado nas sequências naturais, mas não parece ser significativo para o ProteinMPNN, isso indica um papel funcional. No entanto, se estiver fortemente presente em ambas as colecções de sequências, é uma indicação de importância estrutural.
Validação em laboratório
Para a sua abordagem, os investigadores tiveram de agrupar os aminoácidos com base nas propriedades químicas, a fim de comparar estatisticamente as proteínas naturais e as geradas por IA. Isto permitiu classificar os aminoácidos em três categorias: "funcional" (importante para o papel específico da proteína), "estrutural" (relevante para a estabilidade e a dobragem) e "adaptável" (uma terceira categoria que ainda requer mais investigação). A equipa validou os resultados através de experiências laboratoriais exaustivas, nas quais foi possível influenciar as propriedades funcionais das proteínas introduzindo alterações específicas nos aminoácidos classificados de forma correspondente. Isto permitiu, por exemplo, influenciar significativamente a perceção da luz do sistema de teste dos fotorreceptores. A comparação com resíduos funcionais já conhecidos da literatura também confirmou a elevada taxa de acerto do novo método de análise.
"No passado, eram frequentemente necessários vários meses ou mesmo anos de trabalho preparatório e laboratorial para efetuar uma análise como esta", diz Oliver Eder. "O trabalho preliminar para identificar sequências de proteínas naturais potencialmente interessantes é agora possível para uma nova proteína no espaço de uma semana. E porque o nosso método nos permite pré-filtrar os aminoácidos funcionais de forma muito mais específica, não temos de gastar tanto tempo no laboratório em testes e caraterização. Como o método pode, em princípio, ser aplicado a todas as classes de proteínas, podemos agora apreciar os pormenores intrincados do funcionamento das proteínas de uma forma mais direcionada".
Observação: Este artigo foi traduzido usando um sistema de computador sem intervenção humana. A LUMITOS oferece essas traduções automáticas para apresentar uma gama mais ampla de notícias atuais. Como este artigo foi traduzido com tradução automática, é possível que contenha erros de vocabulário, sintaxe ou gramática. O artigo original em Inglês pode ser encontrado aqui.
Publicação original
Outras notícias do departamento ciência
