Un estudio de la Universidad de Oviedo, en colaboración con científicos de Ohio, diseña un algoritmo que determina la configuración de las cadenas de aminoácidos de forma rápida y barata
04 may 2018 . Actualizado a las 10:59 h.Una investigación matemática sobre la estructura espacial de las proteínas, liderada por el profesor Juan Luis Fernández-Martínez, de la Universidad de Oviedo, junto con el experto estadounidense Andrej Kloczkowski, ha permitido averiguar aspectos clave para la creación de nuevos fármacos y el estudio de numerosas enfermedades. Este equipo ha conseguido diseñar un algoritmo de predicción de la estructura terciaria de las cadenas de aminoácidos. Esta forma se desarrolla en la tesis doctoral de Óscar Álvarez, cuyos resultados ya han sido publicados en el Journal of Bioinformatics and Computational Biology.
El método de trabajo de Estados Unidos, en los que equipos multidisciplinares logran importantes avances, es un ejemplo para el investigador asturiano y también un sistema a imitar. «La estructura de investigación biosanitaria en los hospitales de Estados Unidos es un modelo: ingenieros, físicos, matemáticos, biólogos, bioquímicos y médicos trabajando conjuntamente contra las enfermedades. Estamos a años luz, pero esta organización también se adoptará aquí, o el sistema de salud quedará desfasado», ha explicado Fernández-Martínez.
Un avance rápido y económico
Las proteínas son moléculas formadas por cadenas de aminoácidos. Se trata de una pieza fundamental en el funcionamiento del organismo de los seres vivos. Solo 20 aminoácidos forman parte de las proteínas, pero este reducido número da lugar a millones de proteínas y solo se conoce la estructura terciaria de un reducido número de ellas, ya que los análisis experimentales necesarios poseen un elevado coste económico. Debido al impacto del proyecto genoma, hay más de 12 millones de proteínas secuenciadas, mientras que solo se conocen alrededor de 80.000 estructuras. Su conocimiento puede ser fundamental para avanzar el tratamiento y en el conocimiento de multitud de patologías.
La determinación experimental de las estructuras proteicas mediante cristalografía de rayos X o espectroscopia RMN, que es la metodología que se utilizaba hasta ahora, es lenta, cara y laboriosa. Determinar la estructura de una sola proteína por métodos experimentales cuesta varios miles de dólares y semanas de trabajo. Sin embargo, si se hace computacionalmente es más rápido y su coste es muy bajo. De hecho, cada dos años se organiza la competición internacional CASP (Critical Assessment of Protein Structure Prediction) para mejorar dichos métodos numéricos, así como los algoritmos involucrados.
El conocimiento de la estructura de las proteínas es un tema de gran relevancia científica y económica, dado que las proteínas realizan una enorme cantidad de funciones diferentes: estructural, inmunológica, enzimática, transducción de señales, protectora o defensiva, etcétera. Las proteínas se sintetizan dependiendo de cómo se encuentren regulados los genes que las codifican, por lo que son susceptibles a señales o factores externos. El conjunto de las proteínas expresadas en una circunstancia determinada se denomina proteoma. Muchas de las enfermedades están asociadas a plegamientos de las proteínas (misfoldings).
Nuevos fármacos
El diseño de nuevos fármacos necesita del conocimiento de esa estructura terciaria para poder modificar sus funciones. Esta predicción se realiza mediante métodos bioinformáticos que utilizan modelos físicos de la interacción entre las diferentes cadenas de proteínas para determinar su energía. «Las proteínas siguen principios variacionales, es decir, de mínimo esfuerzo», afirma el profesor Fernández-Martínez, que asegura que las técnicas de optimización deberían ser enseñanza obligatoria en todas las ramas científicas.
El profesor Fernández-Martínez explica, además, que las técnicas que han utilizado en esta investigación «se basan en reducir la dimensión de modo drástico. Normalmente se habla de la maldición de la dimensionalidad, es decir, no es posible muestrear más de 10 dimensiones, y este número se reduce a no más de 5 en el caso de los problemas que solemos tratar. Luego utilizamos un algoritmo que se inspira en el vuelo de las abejas en búsqueda de alimento para encontrar dicha estructura terciaria. Algunos de estos métodos los habíamos probado ya en la optimización de reservorios petrolíferos. Como se puede ver, todo está conectado».
Este proyecto de colaboración surgió en 2013 durante una visita del profesor Fernández-Martínez al centro de modelización del hospital de Ohio. De hecho, este investigador dirige el grupo de Problemas Inversos, Optimización y Aprendizaje Automático de la Universidad de Oviedo que ha trabajado estrechamente con Andrzej Kloczkowski del Batelle Center of Mathematical Medicine, dependiente del Nationwide Children Hospital de Columbus (Ohio).