Tarea 9: Motivos, Dominios y Predicción de Estructuras de Proteínas

OBJETIVOS:
• Se determinará el dominio de una secuencia de proteínas descargada de Uniprot.
• Se predecirá la estructura secundaria de la secuencia de proteína descargada de Uniprot.
• Se predecirá la estructura terciaria de la proteína, también se validará y refinará hasta obtener una estructura aceptable.

IMPORTANCIA:
Los motivos, dominios y la predicción de estructuras de proteínas son aspectos esenciales en el estudio de las proteínas. Comprender los motivos y dominios nos proporciona
información crucial sobre la función y la actividad biológica de las proteínas, permitiéndonos clasificarlas y agruparlas en categorías funcionales. Estos elementos también guían
el diseño de experimentos y estudios funcionales para investigar cómo los motivos y dominios afectan la actividad de las proteínas. Por otro lado, la predicción de estructuras de
proteínas basada en motivos y dominios nos brinda información valiosa sobre la arquitectura tridimensional de las proteínas, su estabilidad y sus interacciones, lo cual es esencial
para comprender su función y su potencial en aplicaciones terapéuticas y en el diseño de fármacos. En conjunto, los motivos, dominios y la predicción de estructuras de proteínas
nos proporcionan una comprensión más completa y detallada de las proteínas y su papel en los procesos biológicos.
 Parte 1: Determinación de Dominios Proteicos:
Figura 1. Buscar y elegir una proteína mediante Uniprot.

Proteína: Metalo-beta-lactamasa L1 tipo 3

Longitud de secuencia: 290 aa
Organismo: Stenotrophomonas maltophilia
Código de Uniprot: P52700
Figura 2. Descargar secuencia de la proteína Metalo-beta-lactamasa L1 tipo 3 en formato fasta

Elegir secuencia menor a 1000 pb.

Figura 3. Información sobre la herramienta SMART

• No solo que estén dominios, también orden

• Go terms: ontología de genes, ubicación celular, proceso biológico de participación de proteínas.
• No debe tener SH2 como dominio
Figura 4. Determinar dominos de la proteína Metalo-beta-lactamasa L1 tipo 3 mediante la herramienta SMART

Agregar secuencia
descargada en formato fasta.

Solo hay un dominio,

lactamasa_B.
E-value: es bajo, eso es bueno.
Posición: 58-246 aa
Figura 5. Obtener información del domino de la proteína Metalo-beta-lactamasa L1 tipo 3 mediante la herramienta SMART

Descripción: A excepción de la proteína de competencia, estas proteínas se unen a dos iones de zinc por molécula como cofactor.

• Ese péptido señal permite determinar hacia donde se dirige el dominio

• Region de baja complejidad
Figura 6. Búsqueda en InterPro mediante la secuencia de la proteína en formato fasta descargada de Uniprot

• InterPro es más completo que Smart.

• InterPro tiene información adicional sobre proteína.
Figura 7. Búsqueda en InterPro mediante la secuencia query para la determinación de dominios.
Figura 8. Determinación de dominios de la secuencia query

No se observa familia

Mismo dominio, pero diferente nombre en las bases de dato: Pfam, Interpro, smart
Dominio: Metalo-B-lactamasa / Lactamasa_B_5a / Lactamasa_B
 Parte 2: Predicción de Estructuras secundarias de Proteínas
Se eligió Psi-Pred:
• Psi-Pred está específicamente diseñado para la predicción de estructuras secundarias y utiliza algoritmos de aprendizaje automático basados en perfiles de secuencia. Es
eficaz en la predicción de estructuras secundarias, especialmente en regiones altamente conservadas de las proteínas. Utiliza información de perfiles de secuencia, que
son matrices que representan las frecuencias relativas de cada aminoácido en diferentes posiciones de alineamientos de secuencia de proteínas homólogas. Tiene un
enfoque de algoritmos de aprendizaje automático que le permite aprender patrones y características de secuencia que están asociados con diferentes tipos de estructuras
secundarias, lo que mejora su capacidad para realizar predicciones precisas. Además, Psi-Pred se ha actualizado y mejorado a lo largo del tiempo, utilizando enfoques
más avanzados y datos actualizados para mejorar su rendimiento.

Figura 9. Colocar la secuencia query en formato fasta en la herramienta Psi-Pred y esperar resultados

Se colocó como ajustes: Predicción de estructura

secundaria, dominio y función de la proteína.
Figura 10. Analizar los resultados de predicción de estructura secundaria mediante la herramienta Psi-Pred

Estructuras secundarias de las proteínas:

• Color fucsia = alfa hélice
• Amarillo = beta hoja plegada
• Plomo = coil
Figura 11. Analizar los resultados de predicción de estructura secundaria mediante la herramienta Psi-Pred

• Las estructuras secundarias procedentes de

la secuencia query de la proteína Metalo-
beta-lactamasa L1 tipo 3, son: Alfa hélice,
beta hoja plegada y coil.
• La estructura secundaria más predominante
son los coils y la menos frecuente es la beta
hoja plegada.

La confianza de la predicción de aminoácidos

esta denotado en la imagen por barras de
colores y tamaño, significando que hay más
aminoácidos con mayor confiabilidad que los con
baja confiabilidad.
 En cuanto a los aminoácidos, el más frecuente es A (Alanina) con 17.24% y el menos frecuente es C (Cisteína) con 0.69%.

Parte 3: Predicción de Estructuras terciarias de Proteínas:

Se eligió la herramienta Robetta:
El fundamento de los algoritmos utilizados en la herramienta Robetta se basa en una combinación de técnicas de modelado por homología, ensamblaje de fragmentos y optimización
energética. Los enfoques son:
• Modelado por homología: Robetta utiliza alineamientos de secuencia para identificar proteínas estructuralmente similares en la base de datos PDB. A partir de estos
alineamientos, se generan modelos de estructuras tridimensionales para la proteína objetivo utilizando la información de las estructuras conocidas. Este enfoque se basa en
la premisa de que las proteínas con secuencias similares tienen estructuras similares.

• Ensamblaje de fragmentos: Robetta también emplea el método de ensamblaje de fragmentos, que consiste en dividir la secuencia de la proteína en fragmentos más cortos
(generalmente de 3 a 9 residuos) y buscar estructuras conocidas en la base de datos PDB que se asemejen a estos fragmentos. Luego, los fragmentos se ensamblan para
construir una estructura tridimensional completa de la proteína objetivo. Esta técnica aprovecha la conservación de las estructuras locales en las proteínas.

• Optimización energética: Una vez que se generan los modelos de estructuras tridimensionales, Robetta utiliza métodos de optimización energética para refinar y mejorar
estas estructuras. Esto implica realizar cálculos de energía y ajustes en los ángulos y distancias entre los átomos de la proteína para minimizar la energía y mejorar la
estabilidad de la estructura.
Figura 12. Crear cuenta en Robetta
Figura 13. Colocar secuencia fasta en la herramienta Robetta y configurar, además esperar al resultado

Se eligió como ajuste y opción a RoseTTAFold, la cual se describe como:

Figura 14. Analizar los resultados de predicción de estructura terciaria para la secuencia query de la proteína Metalo-beta-lactamasa L1 tipo 3

• Se obtuvieron 5 modelos de proteínas con un gráfico que representa el error estimado en angstroms.
Figura 15. Comparación de modelos de proteínas con gráficos que representan el error estimado en angstroms, obtenido de Robetta.
Figura 16.A. Comparación de modelos de proteínas con gráficos que representan el error estimado en angstroms, obtenido de Robetta.
Figura 16.B. Comparación de modelos de proteínas con gráficos que representan el error estimado en angstroms, obtenido de Robetta.

Muestra la distribución del error estimado en angstroms para cada posición de residuo en la secuencia de la proteína. Proporciona una visualización de la precisión de la predicción
de estructura tridimensional en función de la posición de los residuos.
En el eje X del gráfico, se representa la posición de los residuos en la secuencia de la proteína, mientras que en el eje Y se muestra el error estimado en angstroms para cada
posición. El error estimado en angstroms indica cuán cerca o lejos está la predicción de la estructura tridimensional de cada residuo con respecto a la estructura real o de
referencia.

• En los modelos terciarios de proteínas de puede observar estructuras secundarias, como; beta hoja plegada, alfa hélice, turn y coils.
Figura 17. Elegir un modelo de proteína mediante los resultados de Robetta y descargar estructura en PDB.

• Se eligió el primer modelo porque tenía menos error estimado en angstroms.

Figura 18. Instalar y emplear licencia educativa para funcionamiento de PyMol
Figura 19. Utilizar la estructura descargada en formato PDB mediante la herramienta PyMol

En vez de emplear Rasmin para determinar las cadenas presentes en la proteína, se empleó PyMol. Si había más de una cadena, se eliminaría
hasta quedar una, si había solo una cadena y se le aplica el comando se eliminaría todo. Así se detectaría si había una cadena.
Figura 20. Eliminar una cadena de la estructura terciaria mediante la herramienta PyMol

• Se considero el comando: remove chain A

Figura 21. Se eliminó una cadena de la estructura terciaria mediante la herramienta PyMol

Solo ahi una cadena, por lo que se eliminó todos los 4311 átomos

• Entonces como se perdió toda la secuencia, se utilizo ctrl+Z y se recuperó.

Figura 22. Estructura terciaria de la proteína Metalo-beta-lactamasa L1 tipo 3 visualizada mediante la herramienta PyMol

Alfa hélice

Coils

Beta hoja plegada

Turns
Figura 23. Descargar la estructura terciaria de la proteína de la herramienta PyMol en formato PDB para seguir procesándola

Igualmente, se guardó la estructura de pymol aunque no fue necesario utilizar la herramienta porque no había varias cadenas, solo había una. Se colocó el comando para guardar
la estructura.
 VALIDAR ESTRUCTURA 3D DE LA PROTEÍNA Metalo-beta-lactamasa L1 tipo 3

Figura 24. Cargar la estructura terciaria en formato PDB de Robetta en el programa SAVES v6.0
Figura 25. Se procedió a emplear la herramienta PROCHECK para validar la estructura

Cargando ……………

• El objetivo de PROCHECK es evaluar cuán normal, o por el contrario cuán inusual, es la geometría de los residuos en una estructura de proteína, en comparación con los
parámetros estereoquímicos derivados de estructuras bien refinadas y de alta resolución.

• Las regiones inusuales resaltadas por PROCHECK no son necesariamente errores como tales, sino que pueden ser características inusuales para las que existe una
explicación razonable (por ejemplo: distorsiones debidas a la unión de ligandos en el sitio activo de la proteína). Sin embargo, son regiones que deben revisarse
cuidadosamente.
Figura 26. Resultado de la herramienta PROCHECK del programa SAVES v6.0

Realizó 8 evaluaciones de parámetros

Figura 27. Resultado de la herramienta PROCHECK del programa SAVES v6.0

• Amarillo=alerta
• Verde = paso
• Rojo = error
Hay 2 errores, no se puede aceptar.

• Pese a que el programa muestra 8 parámetros evaluados en la figura solo se observan 7.

• Se tiene que refinar el modelo de la estructura proteíca, porque hay varios errores.
 Figura 28. Resultado de la herramienta PROCHECK para Ramachandran Plot y Side-Chain parameters

Ambos gráficos de Ramachandran Plot y Side-Chain parameters mediante PROCHECK se denotan por error. En el gráfico de Ramachandra hay muchos
puntos en la región desfavorable, esto puede indicar problemas estructurales, inclusive ahí puntos en la zona blanca, indicando estructuras menos definidas.
En el gráfico de Side-Chain los aminoácidos no están cerca de la línea lateral, están fuera, esto indica que la estructura aún debe mejorar.
 REFINAR MODELO DE LA ESTRUCTURA 3D DE LA PROTEÍNA Metalo-beta-lactamasa L1 tipo 3

Figura 29. Colocar la estructura proteica obtenida de Robetta en formato PDB en GalaxyWEB
Figura 30. Resultado del refinamiento en GalaxyWEB

• En la figura se observa que el programa predijo 5 modelos de estructura.

Figura 31. Resultado del refinamiento en GalaxyWEB: Información de la estructura

• GDT-HA (Global Distance Test - High Accuracy): Es una medida que evalúa la similitud estructural entre dos proteínas. Cuanto mayor sea el valor del GDT-HA, mayor
será la similitud estructural entre las estructuras comparadas.
• RMSD (Root Mean Square Deviation): Es una medida de la diferencia promedio entre los átomos de una estructura proteica y los átomos correspondientes en otra
estructura de referencia. Un valor bajo de RMSD indica una alta similitud estructural entre las proteínas comparadas.
• MolProbity: Es una herramienta utilizada para evaluar la calidad de una estructura proteica. Proporciona información sobre la geometría, la energía y la estereoquímica
de la estructura. MolProbity se utiliza para identificar problemas estructurales como choques estéricos y desviaciones de geometría.
• Clash score: Es una medida que indica la cantidad de choques estéricos presentes en una estructura proteica. Los choques estéricos ocurren cuando los átomos se
acercan demasiado entre sí y generan repulsiones electrostáticas.
• Poor rotamers: Se refiere a la presencia de conformaciones de aminoácidos que no se ajustan adecuadamente a la geometría esperada. Los rotámeros pobres pueden
indicar una falta de ajuste de los aminoácidos en la estructura proteica.
• Rama favored: Se refiere a la conformación de los enlaces peptídicos en la estructura proteica. Indica si los enlaces peptídicos tienen una conformación favorable en
términos de torsiones y ángulos esperados. Los enlaces peptídicos en conformación "Rama favored" son más estables desde el punto de vista estructural.

Se eligió el MODELO 1, porque los resultados son mejores que otros modelos, el parámetro GDT-HA es más cercano a 1.0000,
Rama favored tiene valor mayor. El resto de parámetros deben de dar valores menores para que la estructura sea mejor, el
MODELO 1 para los parámetros restantes presenta resultados inferiores.
Figura 32. Resultado del refinamiento en GalaxyWEB: estructura de la proteína, del MODELO 1

Se observan en la figura estructuras como: alfa hélice, beta hoja plegada, coils
y turns.
Figura 33. Colocar la estructura proteica en formato PDB en el programa 3Drefine

Se busco emplear ambos programas: 3DRefine y GalaxyWeb, para refinar la estructura de proteína
y así tener más posibilidad de que esta estructura sea validada mediante el programa SAVE.
Figura 34. Observar resultados del programa 3Drefine: parámetros

Se eligió el modelo #1 por los resultados de los parámetros

medidos en 3DRefine.
Figura 35. Observar resultados del programa 3Drefine: estructura

Se observan en la figura estructuras como: alfa hélice, beta hoja plegada, coils
y turns.
Figura 36. El modelo 1 tanto de 3DRefine como de GalaxyWeb se descargan en formato PDB

Este es el primer REFINAMIENTO

 VALIDACIÓN DEL PRIMER REFINAMIENTO
Figura 37. Validación del modelo descargado de 3Drefine

No se toma en cuenta el resultado del refinamiento por 3DRefine porque cuando se valida, esta estructura para los diferentes
parámetros da como resultado muchos errores.
Figura 38. Validación del modelo descargado de GalaxyWeb

Se toma en cuenta el resultado del refinamiento por GalaxyWeb porque cuando se valida, esta estructura para los diferentes
parámetros da como resultado menos errores que por 3Drefine. Pero aun tiene errores, se sigue refinando la estructura.
 SEGUNDO REFINAMIENTO
Figura 39. Segundo refinamiento del modelo de proteína por GalaxyWeb, resultado y descargar un modelo
Se trabaja mejor con GalaxyWeb porque 3Drefine da como resultado estructuras que cuando se verifican obtienen mucho margen de error
 VALIDACIÓN DEL SEGUNDO REFINAMIENTO
Figura 40. Segunda validación del modelo de proteína por GalaxyWeb, resultado y descargar un modelo

Aún tiene como resultado para un parámetro de PROCHECK un

error, se debe seguir refinando la estructura.
 TERCER REFINAMIENTO Y VALIDACIÓN
Figura 41. Tercer refinamiento y validación del modelo de proteína, resultado y descargar

SAVES v6.0: PROCHECK

Aún tiene como resultado un error, se debe seguir refinando la estructura.

 CUARTO REFINAMIENTO
Figura 42. Cuarto refinamiento del modelo de proteína Metalo-beta-lactamasa L1 tipo 3, analizar resultado y descargar

Se eligió el modelo 5, porque en cuanto a los resultados de los parámetros, estos

están en el rango de aceptación.
 CUARTA VALIDACIÓN
Figura 43. Cuarta validación del modelo de proteína Metalo-beta-lactamasa L1 tipo 3, analizar resultado

Se decidió aceptar esta última estructura de proteína

porque ahí más parámetros el cual su resultado es
válido y se denota por color verde = paso, aunque aún
tenga un error.
Figura 44. Analizar resultado del programa SAVE: Diagrama de Ramachandran

Modelo final de la proteína proteína Metalo-beta-lactamasa L1 tipo 3

ALFA HELICE

BETA HOJA PLEGADA

TURNS

COILS
El Ramachandran Plot es una representación gráfica que muestra las distribuciones de los ángulos dihedros phi (Φ) y psi (Ψ) en una estructura de proteína. Estos ángulos dihedros
definen la conformación de los enlaces peptídicos en una cadena polipeptídica.
El análisis del Ramachandran Plot es una forma útil de evaluar la calidad y la validez de una estructura proteica. Una alta proporción de puntos en la región permitida indica una
estructura bien ajustada y de alta calidad, mientras que una alta proporción de puntos en la región desfavorable puede indicar problemas estructurales o errores en la estructura. Se
utiliza para evaluar la conformación de los enlaces peptídicos en una estructura de proteína y proporcionar información sobre su calidad y validez estructural. Esto ayuda a los
investigadores a identificar y corregir posibles problemas o errores en la estructura proteica analizada.

Los colores:
• Rojo: Estas regiones están asociadas con las conformaciones más frecuentes y permitidas. Los ángulos dihedros Φ y Ψ que caen en estas regiones son consistentes con
las estructuras secundarias bien definidas, como las hélices α y las láminas β.
• Amarillo: Estas regiones indican conformaciones menos frecuentes, pero aún permitidas. Los ángulos dihedros Φ y Ψ que caen en estas regiones pueden representar
conformaciones ligeramente distorsionadas de las estructuras secundarias, o conformaciones menos comunes pero estables.
• Blanco: Estas regiones indican áreas de baja densidad de puntos. Los ángulos dihedros Φ y Ψ que caen en estas regiones son menos frecuentes y pueden corresponder
a conformaciones menos estables o estructuras menos definidas.

Hay más puntos en una región permitida, denotada por color rojo. Indica que la estructura esta ajustada y con calidad.
Figura 45. Analizar resultados de las herramientas del programa SAVE: All-residue Ramachandran

El Ramachandran Plot para todos los residuos es similar al Ramachandran Plot tradicional, pero en lugar de
representar solo algunos residuos específicos, muestra todos los residuos presentes en la estructura proteica.
En cada grafico de aminoácidos, las regiones de color verde son consistentes con estructuras secundarias
definidas.
Figura 46. Analizar resultados de las herramientas del programa SAVE: Chi1-Chi2 plots
Los Chi1-Chi2 plots son gráficos bidimensionales que representan los ángulos dihedros Chi1 y Chi2 de los aminoácidos en una estructura de proteína. Los gráficos de Chi1-Chi2
muestran las combinaciones de ángulos de torsión de la cadena lateral chi1-chi2 para todos los tipos de residuos cuyas cadenas laterales son lo suficientemente largas como para
tener ambos ángulos.
El sombreado de cada gráfico indica qué tan favorable es cada región del gráfico; cuanto más oscura es la sombra, más favorable es la región. Los datos en los que se basa el
sombreado provienen de un conjunto de datos de 163 cadenas de proteínas de alta resolución no homólogas elegidas de estructuras resueltas por cristalografía de rayos X a una
resolución de 2,0 Å o mejor y un factor R no mayor que 20 %
Los números entre paréntesis, después de cada nombre de residuo, muestran el número total de puntos de datos en ese gráfico. Los cuadrados rojos muestran aquellos residuos
que se encuentran en regiones desfavorables de la parcela.

Según los gráficos para cada residuo la mayoría de los cuadrados se encuentran en regiones permitidas y corresponden a las conformaciones esperadas para los átomos
laterales de los aminoácidos, la estructura muestra una conformación adecuada. Sin embargo, existen pocos residuos que tienen cuadrados rojos en regiones desfavorables,
presentan conformaciones inusuales en la estructura.
Figura 47. Analizar resultados de las herramientas del programa SAVE: Side-chain parameters

Los 5 gráficos permiten comparar los valores de los parámetros de la cadena

lateral de la estructura analizada con estructuras bien refinadas de referencia.
La banda oscura muestra los resultados típicos encontrados en estructuras de
alta calidad, y la línea central y el ancho de la banda indican la tendencia y la
variabilidad esperadas en función de la resolución. El análisis de estos gráficos
proporciona información sobre cómo la estructura analizada se compara con
las estructuras de referencia y puede ayudar a evaluar su calidad y validez.

Debería estar los aminoácidos cerca de la línea lateral, sin embargo,

están fuera, esta estructura se puede mejorar aún.
Figura 48. Analizar resultados de las herramientas del programa SAVE: Residue properties plot
Figura 49. Analizar resultados de las herramientas del programa SAVE: Residue properties plot

Los diversos gráficos y diagramas en el gráfico de propiedades

geométricas de una proteína muestran la variación de estas propiedades
a lo largo de la secuencia de la proteína. Estos gráficos proporcionan una
visualización que permite identificar regiones de la proteína que pueden
tener una geometría inusual o deficiente, así como regiones que
presentan una geometría más normal y esperada, proporcionando
información valiosa sobre la calidad y la validez de la estructura proteica.
El gráfico e: Muestra la secuencia de la estructura (utilizando los 20
códigos estándar de aminoácidos de una letra) y un conjunto de
marcadores que identifican la región de la gráfica de Ramachandran en
la que se encuentra cada residuo. Presenta cuatro tipos de marcadores
diferentes en su región: central (es decir, la más favorecida), permitida,
generosa y no permitida.

El tipo de marcador más predominante en el gráfico e es el central= más

favorecido, es decir que la región en la que se encuentran los residuos
en la gráfica de ramachandran, indican conformaciones frecuentes y
permitidas, la estructura es ajustada y de calidad.
Figura 50. Analizar resultados de las herramientas del programa SAVE: RMS distances from planarity

Estos histogramas muestran la distribución de las distancias RMS (Root Mean

Square) desde la planaridad para los diferentes grupos planos presentes en la
estructura. El concepto de planaridad se refiere a lo cerca que están los átomos
de un grupo o anillo de mantenerse en un mismo plano.
Las líneas discontinuas en los histogramas representan valores ideales para dos
tipos de grupos: los anillos aromáticos (Phe, Tyr, Trp, His) y los grupos
terminales planos (Arg, Asn, Asp, Gln, Glu). Estos valores ideales sirven como
referencia para evaluar qué tan bien se ajustan los grupos en la estructura al
estado ideal de planaridad.
Por defecto, se utilizan los valores predeterminados de 0.03Å y 0.02Å para los
anillos aromáticos y los grupos terminales planos, respectivamente. Sin
embargo, estos valores pueden modificarse y ajustar los criterios de planaridad
según las necesidades específicas del análisis o del estudio en cuestión.

La mayoría de gráficos demuestran una mayor dispersión de las

distancias RMS, esto indica que los valores están más lejanos de los
valores predeterminados, lo que sugiere una menor conformidad con la
planaridad esperada y pueden tener una mayor flexibilidad o desviación
conformacional.
APLICACIONES:
EJEMPLO N°01:
Hace 100 años de descubrió la insulina y se usa continuamente desde entonces para tratar la diabetes, en años posteriores se determinó la estructura atómica tridimensional de
la insulina y, sin embargo, en los últimos años se comenzó una búsqueda para comprender los detalles moleculares de las interacciones de la insulina con su receptor de
superficie celular (1).
Las vistas tridimensionales del complejo insulina-receptor revelan las múltiples transiciones conformacionales que experimentan las moléculas respectivas a medida que
interactúan, y cómo estas transiciones finalmente afectan la activación del receptor (1).
El modelo propuesto gracias al estudio tridimensional del complejo insulina-receptor: Se describe de manera general la participación del receptor de insulina en diferentes estados
de unión con la hormona. En su estado sin insulina, el receptor adopta una conformación en forma de Λ que bloquea parcialmente los sitios de unión. La unión de la insulina
desencadena la activación del receptor, liberando los dominios L1 y permitiendo una unión más fuerte con la insulina. Durante este proceso, se producen cambios
conformacionales que permiten la unión de la insulina a las regiones cercanas a la membrana del receptor. La afinidad de la insulina por el receptor se ve afectada por estos
cambios conformacionales. Además, se sugiere la posibilidad de una segunda molécula de insulina uniéndose al receptor, dependiendo de la concentración local de insulina (1).
La utilidad de este modelo radica en su capacidad para explicar y predecir fenómenos observados experimentalmente, así como para guiar investigaciones futuras. Al comprender
mejor la estructura y la dinámica del complejo insulina-receptor, se pueden identificar posibles sitios de intervención terapéutica y desarrollar estrategias para modular la
señalización de la insulina, y mejorar el manejo de enfermedades relacionadas con esta hormona, como la diabetes.

EJEMPLO N°02:
Se ha desarrollado un enfoque teórico efectivo para estudiar las propiedades de fase de las proteínas globulares, centrándose en particular en la mioglobina. En lugar de analizar
las interacciones entre átomos individuales o centros de interacción específicos, este enfoque se basa en la estructura terciaria de la proteína. Para ilustrar esto, se construyó
un diagrama de fase de la mioglobina (apo) utilizando la temperatura (T) y la acidez (pH) como variables termodinámicas. Se observó que la mioglobina se despliega desde su
estado plegado nativo hacia una estructura helicoidal aleatoria a medida que aumenta la temperatura y la acidez. Se confirmó la existencia de dos estados intermedios de
plegamiento, conocidos como glóbulos fundidos, y se predijo una transición abrupta entre estos estados cuando cambia la acidez. A medida que la temperatura aumenta cerca
de los 80 °C, se encontró que la línea de transición entre los dos estados de glóbulos fundidos termina en un punto tricrítico, donde las estructuras helicoidales desaparecen.
Los resultados también sugieren que los movimientos colectivos a gran escala desestabilizan la hélice F de la mioglobina, lo que impulsa la entrada y salida del ligando (2).
Estos hallazgos demuestran que las teorías efectivas que modelan la estructura terciaria de la proteína pueden ser un enfoque computacional válido para investigar la estructura
de fase de proteínas globulares complejas.
EJEMPLO N°03:
El método de predicción de estructura trRosetta en CASP14 se mejoró utilizando incrustaciones de modelos de lenguaje e información de plantilla ponderada. Se desarrolló un
proceso de refinamiento combinando trRosetta sin plantillas y trRosetta utilizando plantillas, guiados por DeepAccNet. Los resultados demostraron mejoras significativas en
comparación con el método original, siendo más rápido y requiriendo menos recursos computacionales, completando todo el proceso de modelado en un tiempo medio inferior
a 3 horas. El programa Rosetta se utilizó para el refinamiento de alta resolución, se mejoró los resultados principalmente al identificar secuencias homólogas adicionales para
introducir en la red y al usar el predictor de precisión DeepAccNet para guiar el refinamiento (3).
El método mejorado de trRosetta ofrece una herramienta eficaz y eficiente para predecir estructuras tridimensionales de proteínas, con tiempos de ejecución más rápidos, menor
consumo de recursos computacionales y resultados más precisos. Esto tiene aplicaciones importantes en el estudio de la estructura y función de las proteínas, lo que a su vez
contribuye al avance de la investigación biomédica y farmacéutica.

CONCLUSIONES:
• Se determinó que el dominio de la proteína es expresado con diferentes nombres, pero es el mismo: Metalo-B-lactamasa / Lactamasa_B_5a / Lactamasa_B.
• Se predijo la estructura secundaria de la secuencia de proteína descargada de Uniprot mediante Psi-Pred.
• Se predijo la estructura terciaria de la proteína mediante Robetta; también se validó y refinó mediante SAVES v6.0 y GalaxyWeb respectivamente, hasta obtener una
estructura aceptable.

REFERENCIAS:
1. Lawrence MC. Understanding insulin and its receptor from their three-dimensional structures. Mol Metab. 2021;52:101255. doi: 10.1016/[Link].2021.101255.
2. Begun A, Molochkov A, Niemi AJ. Protein tertiary structure and the myoglobin phase diagram. Sci Rep. 2019;9(1):10819. doi: 10.1038/s41598-019-47317-y.
3. Anishchenko I, Baek M, Park H, Hiranuma N, Kim DE, Dauparas J, et al. Protein tertiary structure prediction and refinement using deep learning and Rosetta in
CASP14. Proteins. 2021;89(12):1722-1733. doi: 10.1002/prot.26194.