Sesion14 A

Bioinformática estructural
Predicción de estructuras de proteínas y ARN
Dr. Eduardo A. R ODRÍGUEZ T ELLO
C INVESTAV-Tamaulipas
25 de julio del 2013
Dr. Eduardo R ODRÍGUEZ T. (C INVESTAV) Bioinformática estructural 25 de julio del 2013 1 / 134
1 Conceptos básicos de bioinformática estructural
2 Predicción de la estructura secundaria de proteínas
3 Predicción de la estructura terciaria de proteínas
4 Predicción de la estructura secundaria de ARN
Conceptos básicos de bioinformática estructural Introducción
Introducción
Las proteínas realizan la mayoría de las funciones biológicas y

químicas esenciales en una célula
Juegan un papel importante en las funciones estructurales,

enzimáticas, de transporte y regulación
Conceptos básicos de bioinformática estructural Introducción
Introducción
Estructura 3D → Funcionalidad
La estructura está codificada en la
secuencia de aminoácidos
[Anfinsen, 1973]
Conceptos básicos de bioinformática estructural Ángulos diedrales

Introducción
Ángulos diedrales
Jerarquía
Estructura secundaria
Estructura terciaria
Determinación de la estructura 3D de las Proteínas
BD de estructuras de proteínas
Visualización de estructuras proteínicas
Ángulos diedrales
Los átomos asociados al enlace peptídico se encuentran en el

mismo plano
Por esta razón el enlace peptídico no puede girar libremente
El ángulo de rotación de un enlace se conoce como diedral o de

torsión
Ángulos diedrales
Los enlaces N–Cα (φ) y Cα –C (ψ) sí pueden girar con cierta

libertad
Las combinaciones de φ y ψ permiten a las proteínas plegarse de

muchas maneras
Gráfica de Ramachandran
Las rotaciones de φ y ψ no son completamente libres. Entonces,
sólo hay un rango limitado de conformaciones peptídicas
La gráfica de Ramachandran muestra las combinaciones de φ y ψ

que son permitidas
Conceptos básicos de bioinformática estructural Jerarquía

Introducción
Ángulos diedrales
Jerarquía
Estructura de las proteínas
La estructura primaria es la secuencia de aminoácidos unidos por

enlaces peptídicos
El polipéptido resultante se puede plegar en unidades de

estructura secundaria como las hélices alfa
Estructura de las proteínas
La hélice alfa es parte de la estructura terciaria de la proteína

plegada, la cual a su vez puede ser una subunidad de la
estructura cuaternaria de una proteína de múltiples unidades,
como la hemoglobina
Fuerzas de estabilización
La estructura de las proteínas se mantiene por fuerzas de

estabilización como las interacciones electrostáticas, las fuerzas
de Van der Waals y los enlaces de hidrógeno
Las interacciones electrostáticas ocurren cuando el exceso de

carga negativa en una región es neutralizado por cargas positivas
en otra región formando puentes salinos entre residuos de carga
opuesta
Los enlaces de hidrógeno son un tipo de interacciones

electrostáticas que involucran a un átomo de hidrógeno de un
residuo y a un átomo de oxígeno de otro residuo
El hidrógeno con carga positiva se une parcialmente al oxígeno

con carga negativa
Las fuerzas de Van der Waals son las fuerzas de atracción o

repulsión entre moléculas o entre partes de una misma molécula
Los electrones de un átomo crean un dipolo eléctrico que atrae a

otro dipolo de un átomo cercano
Pero cuando están muy cerca los átomos, se comienzan a repeler
El radio de Van der Waals es la distancia a la que un átomo

puede estar cerca de otro
Los puentes disulfuro también intervienen en la estabilización de

la estructura de una proteína
Estos puentes se forman entre los átomos de azufre de la cisteína
Conceptos básicos de bioinformática estructural Estructura secundaria

Introducción
Ángulos diedrales
Jerarquía
Hélices–α
Una hélice–α tiene una conformación de la cadena principal

parecida a un sacacorchos
En esta hélice existen 3.6 residuos en cada giro
La estructura se estabiliza mediante enlaces de hidrógeno entre

átomos de la cadena principal i e i + 4, que son casi paralelos al
eje de la hélice
φ y ψ son de 60o y 45o
Hélices–α
Hojas–β
Una hoja–β es una configuración completamente extendida que

se construye de varias regiones espacialmente adyacentes de un
polipéptido
Cada región que la forma se conoce como hebra–β
Esta estructura se estabiliza por medio de enlaces de hidrógeno

que se forman entre residuos de hebras adyacentes
Hojas–β
Espirales y rizos
También hay estructuras locales que no pertenecen a estructuras

secundarias regulares
Estas estructuras son las espirales y los rizos
Los rizos se caracterizan por ser giros bruscos
Las espirales se forman por regiones de conexión completamente

irregulares
Conceptos básicos de bioinformática estructural Estructura terciaria

Introducción
Ángulos diedrales
Jerarquía
Tipos de proteínas
El arreglo y empaque completo de estructuras secundarias forma

la estructura terciaria de la proteína
La estructura terciaria generalmente se clasifica en proteínas

globulares o de membrana
Las globulares existen en solventes a través de interacciones

hidrofílicas con moléculas solventes
Las de membrana existen en lípidos de membrana y se

estabilizan por medio de interacciones hidrofóbicas con las
moléculas de lípidos
Proteínas globulares
Son solubles y están rodeadas por moléculas de agua
Tienen estructuras compactas de forma esférica con residuos

hidrofílicos en la superficie e hidrofóbicos en el núcleo
Minimiza el contacto con el agua en el centro y maximiza las

interacciones con agua en el exterior
Proteínas globulares
Algunos ejemplos: enzimas, mioglobinas y hormonas
Proteínas de membrana integral
Existen en las bicapas de lípidos de la membrana de la célula
Como están rodeadas de lípidos, el exterior debe ser hidrofóbico

para ser estable
Proteínas de membrana integral
Conceptos básicos de bioinformática estructural Determinación de la estructura 3D de las Proteínas

Introducción
Ángulos diedrales
Jerarquía
Cristalografía de rayos–X
Requiere que las proteínas formen cristales con posiciones fijas

de una manera repetida y ordenada
Los cristales se iluminan con un haz intenso de rayos–X
Los electrones que rodean a los átomos desvían los rayos–X

produciendo un patrón regular de difracción
El patrón está compuesto de miles de puntos grabados en una

placa de rayos–X
El patrón se convierte a un mapa de densidad de electrones
La estructura se modela con los aminoácidos que mejor se

ajustan al mapa
Una limitante que existe es la necesidad de obtener cristales a

partir de las proteínas, lo que no siempre es posible
Espectroscopia NMR
La espectroscopia de resonancia magnética nuclear (NMR)

detecta patrones de giro de núcleos atómicos en un campo
magnético
Utiliza radiación para inducir transiciones entre estados de giro de

los núcleos en un campo magnético
Las interacciones entre pares de isótopos producen señales de

radio que están correlacionadas con la distancia entre ellos
Espectroscopia NMR
Interpretando estas señales se puede determinar la proximidad

entre átomos y con esto se puede construir un modelo para la
proteína
No tiene la limitación de generar cristales, pero solamente puede

determinar estructuras con menos de 200 residuos
Conceptos básicos de bioinformática estructural BD de estructuras de proteínas

Introducción
Ángulos diedrales
Jerarquía
Banco de datos de proteínas
Las estructuras de proteínas que se obtienen por cristalografía y

espectroscopia, entre otros métodos, se almacenan en el Banco
de Datos de Proteínas (PDB)
Las estructuras definen la posición, en un espacio tridimensional,

de cada átomo de la proteína
El sitio en Internet de PDB permite subir, buscar y bajar datos de

proteínas
Aunque PDB tiene miles de estructuras almacenadas, la

información es redundante, existen muchas entradas para una
misma proteína, ya que se reportan con diferentes resoluciones,
con mutaciones en un residuo, etc
Formato PDB
Cada descripción de una proteína tiene un código de 4 símbolos

alfanuméricos
Las líneas tienen 80 caracteres de longitud
Consta de un encabezado y una sección de coordenadas

atómicas
El encabezado puede incluir información de método del

determinación, resolución, parámetros de cristalografía,
referencias bibliográficas, etc
Las coordenadas incluyen el nombre del átomo, del residuo,

número del residuo, coordenadas en x, y , z, factor de
temperatura, entre otros datos
Formato PDB
Formato mmCIF y MMDB
Las limitaciones del formato PDB han permitido el desarrollo de

nuevos formatos como mmCIF y MMDB que son más fáciles de
analizar por una computadora y permiten describir estructuras
más complejas
Cada línea describe un campo de la descripción de la estructura,

primero se escribe el nombre del campo y luego el valor
Un archivo MMDB utiliza el formato ASN.1 para describir una

estructura
Incluye información de enlaces para cada molécula, llamada

gráfica química, permitiendo que las estructuras se dibujen más
rápido
Formato mmCIF y MMDB
Conceptos básicos de bioinformática estructural Visualización de estructuras proteínicas

Introducción
Ángulos diedrales
Jerarquía
La característica más básica de un software de visualización es la

capacidad de crear conectividad entre átomos para simular la
vista de una molécula
El programa de visualización puede ofrecer diferentes

presentaciones de visualización:
1 Tramas de alambres (wire-frame)
2 Esferas y líneas (balls and sticks)
3 Esferas (space-filling o CPK - Corey, Pauling, and Koltan)
4 Listones (ribbons)
Tramas de alambres (wire-frame)

Es un diagrama de líneas que representa los enlaces entre
átomos (representación más simple)
Es útil para localizar residuos específicos en una estructura de
proteína
Esferas y líneas (balls and sticks)

Representan átomos y sus enlaces respectivamente
Pueden representar la columna vertebral de una estructura
Esferas (space-filling o CPK
Cada átomo se describe usando una esfera grande cuyo radio

corresponde a su radio de van der Waals
Listones (ribbons)
Usa listones en forma de espiral para representar las hélices-α y
flechas planas para representar las hebras-β
Permiten identificar fácilmente las estructuras secundarias
Ofrece una vista general de toda la topología de la estructura
Software
RasMol. Lee formatos PDB y mmCIF. Puede desplegar una

molécula completa o partes específicas de ella. Es un programa
de línea de comandos y se encuentra disponible en plataformas
UNIX, Windows y Mac.
RasTop. Es una nueva versión de RasMol disponible en

plataforma Windows. Posee una mejor interface de usuario.
Swiss-PDBViewer. Es un visor de estructuras disponible para

Mac y Windows. Posee mucha funcionalidad para ser un
shareware. Capaz de visualizar múltiples estructuras, analizar y
modelar. Puede medir distancias, potencial electrostático, ploteo
de Ramachandran, etc.
Molscript. Despliega estructuras tridimensionalmente y ofrece

varios formatos de salida. Disponible en plataformas UNIX.
Ofrecer diferentes presentaciones de visualización. Sin embargo,
es una aplicación de línea de comandos.
JMol. Es un applet para visualuzar estructuras químicas que

emplea representación de esferas.
Predicción de la estructura secundaria de proteínas Introducción

Introducción
Métodos ab initio
Métodos basados en homología
Predicción con redes neuronales
Introducción
Las estructuras secundarias son conformaciones locales estables

de una cadena polipeptídica
Son esenciales en la determinación de la estructura

tridimensional de proteínas
Incluyen elementos estructurales regulares y altamente repetidos

como las hélices-α y las hojas-β
Se estima que cerca del 50 % de los residuos de una proteína se

pliegan en alguna de esas dos formas
Introducción
La predicción de estructuras secundarias de proteínas se refiere a

la identificación del estado de conformación de cada residuo de
los aminoácidos en la secuencia de una proteína
Dichos estados de conformación pueden ser de tres tipos: Hélices

(H), Hebras (E) o Rizos (C).
La predicción está basada en el hecho de que las estructuras

secundarias tienen un arreglo regular de los aminoácidos,
estabilizado por los enlaces de hidrógeno
Esta regularidad sirve de base a los algoritmos de predicción
Introducción
La predicción de estructuras secundarias de proteínas tiene

aplicación en la clasificación de proteínas y en la separación de
dominios de proteínas y de motivos funcionales
Además es un paso intermedio para determinar la estructura

terciaria de proteínas
Introducción
Los métodos para la predicción de la estructura secundaria de

proteínas (globulares) son de dos tipos:
Basados en ab initio. Predicen la estructura secundaria empleando
información estadística calculada a partir de una sola secuencia
Basados en homología. No sólo toman en cuenta estadísticas de

los residuos de una secuencia, además también consideran
patrones comunes conservados entre múltiples secuencias
homólogas
Predicción de la estructura secundaria de proteínas Métodos ab initio

Introducción
Métodos ab initio
Métodos ab initio
Este tipo de métodos mide la tendencia relativa de cada

aminoácido de pertenecer a cierto tipo de elemento de estructura
secundaria
Las puntuaciones de propensión fueron derivadas de estructuras

conocidas de cristales
Algunos ejemplos: Chou-Fasman y Ganier, Osguthorpe y Robson

(GOR)
Estos pertenecen a la primera generación de métodos de

predicción (1970s)
La información estructural de proteínas era limitada y las

estadísticas eran derivadas de conjuntos de datos restringidos
(baja exactitud)
Método Chou-Fasman
Determina la tendencia de cada residuo a encontrarse en una
hélice, una hebra o un giro usando frecuencias observadas en
cristales de proteínas
El cálculo de la puntuación de propensión es simple.
Supongamos que hay n residuos en la estructura de la proteína

de los cuales m son residuos en hélices
El número total de residuos de Alanina es y de los cuales x están

en hélices
La puntuación de propensión para la Alanina de estar en una

hélice está dada por la siguiente relación:
(x/m)
(1)
(y /n)
Método Chou-Fasman
Si la puntuación de propensión para un residuo es igual a 1.0

para hélices (P(hélice-α)) significa que el residuo tiene igual
probabilidad de ser encontrado en una hélice o en cualquier otra
estructura
Si P(hélice-α) < 1,0 entonces el residuo tiene poca oportunidad

de ser encontrado en una hélice
Si P(hélice-α) > 1,0 entonces es altamente probable que el

residuo se encuentre en una hélice
Usando este concepto Chou y Fasman crearon la siguiente tabla
Método Chou-Fasman
Método Chou-Fasman
El algoritmo Chou-Fasman toma la secuencia y la divide en

ventanas de tamaño fijo para determinar el número de residuos
pertenecientes a cada estructura usando la puntuación de
propensión
Para hélices-α la ventana es de tamaño 6, si una región tiene 4

residuos contiguos cada uno con P(hélice-α) > 1,0, se concluye
que el conjunto forma parte de una hélice
Esta región en hélice se extiende en ambas direcciones hasta que

P(hélice-α) < 1,0
Método Chou-Fasman
Para las hebras-β utiliza una ventana de 5 residuos, si se tienen

al menos 3 residuos cada uno con P(hebra-β) > 1,0, se concluye
que el conjunto forma parte de una hebra-β
Si ambos tipos de estructuras se traslapan en cierta región, se

toma la siguiente decisión
P P
Si P(hélice-α) > P(hebra-β) entonces se concluye una
hélice-α
Método GOR
También se basa en la puntuación de propensión de cada residuo

de estar en cada una de las 4 siguientes estructuras: Hélices (H),
Hebras (E), Giros (T) o Rizos (C).
Sin embargo, toma en cuenta para este cálculo las interacciones

con los residuos vecinos
Examina una ventana de 17 residuos y suma la propensión para

los residuos para las 4 posibles estructuras (4 sumatorias)
La puntuación más alta define el tipo de estructura al que

pertenece el residuo al centro de la ventana (noveno residuo)
Método GOR
Tanto este método como el de Chou-Fasman tienen la desventaja

de tener baja precisión de predicción (aprox. 50 %)
Sin embargo, han surgido algunas nuevas versiones como GOR

II, GOR III y GOR IV (1980s e inicio de 1990s)
Integran estadísticas más refinadas basadas en un número más

grande de proteínas conocidas e incorporan más interacciones
locales entre residuos
Su precisión de predicción mejoró 10 %
Predicción de la estructura secundaria de proteínas Métodos basados en homología

Introducción
Métodos ab initio
Son la tercera generación de métodos (finales de 1990s) y

emplean información evolutiva
Combinan métodos ab initio para predicción de la estructura

secundaria de secuencias individuales e información de
alineamiento múltiple de secuencias homologas (identidad
> 35 %)
La idea detrás de este enfoque es que proteínas homologas

adoptan la misma estructura secundaria y terciaria
Este tipo de métodos han ayudado a mejorar la precisión de

predicción en 10 % con respecto a los métodos de segunda
generación
Predicción de la estructura secundaria de proteínas Predicción con redes neuronales

Introducción
Métodos ab initio
Predicción de la estructura secundaria de proteínas Predicción con redes neuronales
La tercera generación de algoritmos de predicción también hace

uso de redes neuronales para analizar patrones de substitución
en alineamientos de múltiples secuencias
Esto ha permitido aumentar la precisión de predicción a un 75 %
Algunos ejemplos de aplicaciones que utilizan redes neuronales:

PHD, PSIPRED, SSpro, PROF, HMMMSTR
Predicción de la estructura terciaria de proteínas Introducción

Introducción
Métodos basados en plegado (threading)
Modelos Ab Initio
Modelo HP (Hydrophobic-Polar)
Predicción de la estructura terciaria de proteínas Introducción
Introducción
Existen tres enfoques computacionales para el modelado y

predicción de estructuras tridimensionales de proteínas
Homología
Plegado (Threading)
Ab initio
Los dos primeros se basan en el conocimiento estructural de la

proteína obtenido de las BD, mientras que el tercero no requiere
de ninguna información adicional
Predicción de la estructura terciaria de proteínas Métodos basados en homología

Introducción
Modelos Ab Initio

Como su nombre lo indica, predice las estructuras de las
proteínas mediante la comparación con estructuras de proteínas
homólogas conocidas
También es llamado Modelo Comparativo
Se basa en el principio de que si dos proteínas tienen un alto

grado de similitud es muy probable que tengan estructuras
tridimensionales similares
El modelo de homología general consta de 6 pasos
1. Selección de plantilla
Consiste en encontrar las estructuras principales y sirve como

base para el proceso de modelado
Este paso consiste en la búsqueda en el Banco de Datos de

Proteínas (PDB) para seleccionar aquellas proteínas homólogas
Esta búsqueda se pude llevar a cabo mediante cualquier método

de alineamiento de pares tales como BLAST o FASTA.
Por lo general, es posible encontrar varias estructuras con un

porcentaje de similitud considerable, sin embargo se recomienda
usar sólo aquella con el porcentaje más alto
2. Alineamiento de secuencias
Una vez identificada la secuencia con mayor similitud, se lleva a

cabo un reajuste, para ello se usa un algoritmo de alineamiento
para obtener una adaptación óptima entre las secuencias
Se considera como el paso más critico, ya que un alineamiento

incorrecto conducirá a una designación incorrecta de los residuos
Los algoritmos usados en este paso pueden ser T-Coffe o Praline
De ser necesario se puede llevar a cabo un perfeccionamiento

manual del resultado arrojado por el algoritmo
3. Creación del esqueleto del modelo
Una vez teniendo el alineamiento óptimo, existen tres

posibilidades para los residuos en las regiones alienadas:
1 Residuos similares. Las coordenadas de los residuos de la plantilla
pueden ser copiadas directamente a la proteína objetivo (query)
2 Residuos idénticos. Las coordenadas de los átomos de la cadena
lateral se copian junto con los átomos de la cadena principal
3 Residuos diferentes. Sólo los átomos de la columna vertebral se
pueden copiar
4. Modelado de bucles
Como sabemos, el resultado de un alineamiento de secuencias

causa la inserción de huecos, los cuales son el resultado por el
alineamiento mismo
Estos huecos no pueden ser directamente modelados, por lo que

se requiere de un modelo para “cerrar” estos huecos
Existen dos técnicas para abordar este problema

Método de búsqueda en BD
Método ab initio
El método de búsqueda en BD propone buscar “piezas de
repuesto”, de estructuras conocidas de proteínas que se acoplen
en el hueco
La secuencias de átomos que preceden y continúan a esta región

se suelen llamar tallo.
El procedimiento inicia midiendo la orientación y distancia de las

regiones entre los tallos y buscar en PDB los segmentos de la
misma longitud que coincidan
Suelen existir diferentes segmentos alternativos que se adapten a

esta región
El mejor fragmento se copia en los puntos de anclaje de los tallos
El método ab initio genera muchos bucles y búsquedas al azar
Si los huecos son relativamente cortos (de 3 a 5 residuos) los dos

métodos producen modelos correctos
Si los huecos son muy largos, es muy difícil lograr un modelo

fiable
FREAD
www.cryst.bioc.cam.ac.uk/cgi-bin/coda/fread.cgi,
usa el método de BD
PETRA
www.cryst.bioc.cam.ac.uk/cgi-bin/coda/pet.cgi
emplea el método ab initio
CODA www.cryst.bioc.cam.ac.uk/~charlotte/Coda/
search_coda.html utiliza consenso basado en los resultados
de los dos sitios anteriores
5. Perfeccionamiento de la cadena lateral
Una vez que la cadena principal de átomos está construida, las

posiciones de las cadenas laterales deben ser determinadas
La cadena lateral puede ser construida mediante la búsqueda de

cada ángulo de torsión, seleccionando aquellos que tengan la
menor interacción de energía con sus vecinos
Sin embargo, esto no se puede llevar a cabo en la mayoría de los

casos (computacionalmente prohibitivo)
Para ello ha surgido el concepto de rotamers, el cual usa los

ángulos de torsión extraídos de estructuras de proteínas
conocidas
5. Perfeccionamiento de la cadena lateral
Teniendo una librería de rotamers se reduce el tiempo de

cómputo debido a que sólo unos cuantos ángulos de torsión son
examinados
Sin embargo, aún es necesario reducir más el tiempo de cómputo,

mediante observaciones se ha visto que la columna vertebral esta
relacionada con ciertas conformaciones de la cadena lateral
Haciendo uso de la existencia de esta correlación, es posible

eliminar aún más ángulos innecesarios
Uno de los paquetes que ha demostrado presentar un buen

desempeño es SCWRL
www.fccc.edu/research/labs/dunbrack/scwrl/
6. Refinamiento mediante funciones de energía
Hasta este paso no se garantiza que la estructura este libre de

irregularidades
Para tratar de solucionar esto, se hace uso de la minimización de

energía, esto tiene como objetivo reducir la energía al mínimo
para aliviar tensiones y colisiones sin afectar significativamente la
estructura
Este paso debe aplicarse cuidadosamente, ya que en ocasiones

es posible que residuos se muevan a otras posiciones incorrectas
6. Refinamiento mediante funciones de energía
Otro método hace uso del proceso de simulación de dinámica

molecular
Este hecho se basa en que la minimización de la energía se

obtiene moviendo los átomos de un mínimo local sin necesidad
de buscar todas las posibles combinaciones
Requiere de cálculos termodinámicos con los átomos
GROMOS www.igc.ethz.ch/gromos/ es un programa el cual

usa simulación de dinámica molecular
Evaluación del modelo
El modelo obtenido tiene que ser evaluado para asegurarse de

que las características estructurales del modelo son coherentes
con las normas físico-químicas
Para ello se detectan los errores haciendo uso de perfiles

estadísticos, características espaciales e interacción de energía a
través de estructuras determinadas experimentalmente
Si se detectan irregularidades estructurales, la región se

considera con errores y tiene que ser perfeccionada
Procheck www.biochem.ucl.ac.uk/~roman/procheck/
procheck.html es un programa el cual es capaz de comprobar
los parámetros físico-químicos
Evaluación del modelo
WHAT IF www.cmbi.kun.nl:1100/WIWWWI/ es un servidor de

análisis de proteínas que valida una proteína mediante corrección
química.
ANOLEA http://protein.bio.puc.cl/cardex/servers/
anolea/index.html es un servidor web que utiliza el método
de evaluación estadística
Verify3D www.doe-mbi.ucla.edu/Services/Verify3D/ es
otro servidor que utiliza el enfoque estadístico
Predicción de la estructura terciaria de proteínas Métodos basados en plegado (threading)

Introducción
Modelos Ab Initio
En ocasiones muchas proteínas pueden compartir la misma

estructura aunque no exista mucha similitud en las secuencias
Esta propiedad permitió desarrollar métodos computacionales

para poder predecir estructuras de las proteínas sin importar la
similitud de las secuencias
Para determinar si una secuencia adopta una estructura

tridimensional conocida se hacen uso de los métodos de
reconocimiento de plegado (threading)
Dicha comparación hace hincapié en la congruencia de las

estructuras secundarias, ya que estas son las más conservadas
evolutivamente
Gracias a este enfoque se pueden identificar proteínas

estructuralmente similares, incluso sin detectarse similitud alguna
en la secuencia
Estos algoritmos se pueden clasificar en dos grupos: basados en

pares de energías y basados en perfiles
Métodos de pares de energía
Estos métodos buscan en una BD estructural la mejor

coincidencia, haciendo uso de un alineamiento con la secuencia
de consulta
Este alineamiento se hace a nivel de perfil de las secuencias

usando programación dinámica. En ocasiones también se suele
usar un alineamiento local
El siguiente paso es construir un modelo el cual lleve a cabo una

sustitución de residuos
Se calcula la energía, la cual consiste en la interacción de energía

entre los residuos
Finalmente se clasifican en base a la energía para encontrar la

menor de ellas (la estructura más compatible)
Métodos de perfil
Se construye un perfil para un grupo de proteínas relacionadas,

usando información estadística de cada residuo
Este perfil contiene la probabilidad de ocurrencia de cada uno de

los veinte aminoácidos por cada posición
El puntaje de este perfil contiene información para tipos de

estructuras secundarias
Para predecir el pliegue estructural, primero se predice su

estructura secundaria y a partir de esta información se compara
con estructuras de perfiles conocidos
3D-PSSM www.bmm.icnet.uk/~3dpssm/ es un programa

basado en perfiles para identificar estructuras.
GenThreader
http://bioinf.cs.ucl.ac.uk/psipred/index.html es
un programa híbrido (perfiles y pares de energía)
Fuge
www.cryst.bioc.cam.ac.uk/~fugue/prfsearch.html es
un servidor el cual hace uso del método de perfiles
Predicción de la estructura terciaria de proteínas Modelos Ab Initio

Introducción
Modelos Ab Initio
Modelos Ab Initio
En los métodos vistos anteriormente se requiere de la

disponibilidad de plantillas en BD para poder lograr predicciones.
Al no existir estructuras suficientes para ello, los métodos fallan
En estos caso se debe considerar otro tipo de información la cual

permita encontrar la estructura
El poco conocimiento de estas estructuras es la base del método

ab initio
Este trata de predecir todas las secuencias de átomos de la

proteína sin la ayuda de estructuras de proteínas ya conocidas
Modelos Ab Initio
Una de las ventajas de este método es que la predicción no se

limita a los pliegues ya conocidos
Sin embargo, las leyes fisicoquímicas que rigen este

comportamiento aún no son bien conocidas, lo cual sigue siendo
un gran reto de la bioinformática
Estos métodos trabajan con algún tipo de heurística, siguiendo el

principio de minimización de energía, para lo que se lleva a cabo
una búsqueda de todos los sitios posibles para encontrar dicha
región
Modelos Ab Initio
Esta búsqueda global no es factible computacionalmente, ya que

aún usando una supercomputadora (1 × 1012 operaciones por
seg) está se tardaría en muestrear todas las posibles
conformaciones para una proteína de 20 residuos entre 10 y 20
años
Es por esta razón que se requiere hacer uso de heurísticas que

permitan reducir el espacio de búsqueda
Algunos de estos métodos fragmentan dicho espacio y combinan

diversos tipos de búsqueda para producir un modelo
Modelos Ab Initio
Rosetta
www.bioinfo.rpi.edu/~bystrc/hmmstr/server.php es
un servidor el cual permite predecir estructuras tridimensionales
usando el método ab initio.
Para ello rompe la secuencia en segmentos cortos (3 a 9

residuos) prediciendo la estructura de estos segmentos haciendo
uso de modelos ocultos de Markov.
Los resultados para cada uno de estos segmentos se juntan para

llevar a cabo la configuración en tres dimensiones (todas las
combinaciones posibles)
La conformación con la menor energía global es la elegida
Predicción de la estructura terciaria de proteínas Modelo HP (Hydrophobic-Polar)

Introducción
Modelos Ab Initio
Predicción de la estructura de proteínas (PSP)

Es el problema de encontrar una conformación funcional para una
proteína dada únicamente su secuencia de aminoácidos.
Formalmente:
Dado un modelo de energía E : C → R, encontrar la
conformación c ∈ C que minimice E(c).
Modelo HP (Hydrophobic-Polar) [Dill, 1985]
Las proteínas son cadenas lineales formadas por aminoácidos

Los aminoácidos se abstraen y clasifican en: Hidrófobos (H) y
Polares (P)
Dada la secuencia HP de una proteína S ∈ {H, P}L , las

conformaciones son modeladas como caminatas no traslapadas
en una malla:
1 cada nodo de la malla puede ser asignado a máximo un
aminoácido
2 aminoácidos consecutivos en S deben ser adyacentes en la malla
Principalmente se enfoca en mallas 2D cuadradas y 3D cúbicas
La meta es maximizar la interacción entre aminoácidos H en la

malla, i.e., minimizar:
X
E(c) = e(si , sj ) , donde
si ,sj ∈S

 −1 si si y sj son ambos del tipo H

e(si , sj ) = y forman un contacto topológico

0 de otro modo

Dos aminoácidos si , sj ∈ S forman un contacto topológico si

son no consecutivos en S, pero adyacentes en la malla
La conformación óptima para la

secuencia
-1-
HPHPPHHPHPPHPHHPPHPH de -2- -3-
longitud L = 20
-4-
-5-
Las esferas negras y blancas
-6- -7-
denotan aminoácidos H y P,
-8-
respectivamente
La energía de esta estructura es -9-
E(c) = −9, dado que hay 9

H-H contactos topológicos
Estructura generada aleatoriamente
Estructura óptima
Espacio de búsqueda 2D
2 Codificación movimientos absolutos:

U las estructuras se codifican como
L R secuencias en {U, D, L, R}L−1
2 1 2
D Por qué L − 1? la posición del primer
aminoácido es fija
2
Por lo tanto, el tamaño del espacio de búsqueda es: 4L−1
Asumamos que tenemos una computadora capaz de explorar

1,000 soluciones por segundo
L Soluciones (4L−1 ) Tiempo

5 256 0.256 sec.


5 256 0.256 sec.
10 262,144 4.370 min.


5 256 0.256 sec.
10 262,144 4.370 min.
20 274,877,906,944 8.720 años


5 256 0.256 sec.
10 262,144 4.370 min.
20 274,877,906,944 8.720 años
30 288,230,376,151,712,000 9,139,725 años

5 256 0.256 sec.
10 262,144 4.370 min.
20 274,877,906,944 8.720 años
30 288,230,376,151,712,000 9,139,725 años
50 316,912,650,057,057,000,000,000,000,000 -
Se trabaja comúnmente con secuencias de proteínas de longitud

entre 18 y 136....
La alternativa es utilizar metaheurísticas

Algoritmos Genéticos
Búsqueda Tabu
Recocido Simulado ...
Predicción de la estructura secundaria de ARN Introducción

Introducción
Tipos de estructuras de ARN
Métodos de predicción
Predicción de la estructura secundaria de ARN Introducción
Predicción de la estructura secundaria de ARN
El ARN es un portador de información genética y existe en tres

formas: ARN mensajero (ARNm), ARN ribosomal (ARNr) y ARN
de transferencia (ARNt)
A diferencia del ADN, el ARN se integra de una sola hebra,

aunque una molécula de ARN puede auto-hibridarse en ciertas
regiones para formar estructuras de doble hebra
El ARNm es más o menos lineal y no estructurado, mientras que

el ARNr y el ARNt sólo pueden funcionar formando estructuras
secundarias y terciarias particulares
Es por ello que el conocimiento de las estructuras de dichas

moléculas es particularmente importante
Predicción de la estructura secundaria de ARN Tipos de estructuras de ARN

Introducción
Las estructuras de ARN pueden ser descritas en tres niveles:

primario, secundario y terciario
La estructura primaria es la secuencia lineal de ARN integrada por

cuatro bases: adenina (A), citosina (C), guanina (G) y uracilo (U)
La estructura secundaria se refiere a la representación planar que

contiene regiones de bases apareadas entre regiones de una sola
hebra
La estructura terciaria es el arreglo tridimensional de bases de

una molécula de ARN
Dado a que la estructura terciaria de una molécula de ARN es

difícil de predecir, se ha prestado particular atención a la
predicción de la estructura secundaria
Figura: Estructuras primaria, secundaria y terciaria de una molécula de ARNt
Se pueden identificar cuatro subtipos de estructura secundaria:

hairpin loop, bulge loop, interior loop y multibranch loop
Adicionalmente, el apareamiento de bases entre lazos de

diferentes elementos de la estructura secundaria puede resultar
en estructuras de más alto nivel como pseudoknot loop, kissing
hairpin y hairpin-bulge
Figura: Cuatro tipos básicos de lazos de ARN: hairpin loop, bulge loop,
interior loop y multibranch loop
Figura: Contactos pseudoknot, kissing hairpin y hairpin-bulge
Predicción de la estructura secundaria de ARN Métodos de predicción

Introducción
Predicción de la estructura secundaria de ARN
Esencialmente, existen dos enfoques de predicción de la

estructura secundaria del ARN: el enfoque ab initio y el enfoque
comparativo
El enfoque ab initio se basa en el cálculo de la mínima energía

liberada de la estructura estable derivada de una secuencia de
ARN
El enfoque comparativo infiere estructuras en base a la

comparación evolutiva de múltiples secuencias de ARN
relacionadas
Enfoque ab initio
Este enfoque realiza predicciones estructurales basadas en una

sola secuencia de ARN
Generalmente, cuando se efectúa un apareamiento entre bases,

la energía de la molécula disminuye debido a las interacciones de
atracción entre las dos hebras
La energía necesaria para formar pares de bases individuales es

influenciada por los pares de bases adyacentes a través de
fuerzas de apilamiento (cooperatividad en la formación de
hélices)
Enfoque ab initio
Se han determinado parámetros para calcular la cooperatividad

en la formación de pares de bases para la predicción de la
estructura secundaria
Las interacciones de atracción conducen a un estado de aún

menor energía
Enfoque ab initio
Sin embargo, si el par de bases es adyacente a lazos (loops) o

salientes (bulges), los lazos y salientes vecinas tienden a
desestabilizar la formación del par de bases
La fuerza desestabilizadora en una estructura helicoidal también

depende del tipo de lazos cercanos
Pueden utilizarse los parámetros para calcular las diferentes

energías desestabilizadoras como penalizaciones en el cálculo de
las estructuras secundarias
Los esquemas de puntaje de las interacciones de estabilización y

desestabilización representan la base del enfoque de predicción
ab initio
Enfoque ab initio
El método ab initio funciona de la siguiente manera:

Primero busca todos los posibles patrones de apareamiento de
bases de una secuencia
Calcula la energía total de una estructura secundaria potencial

tomando en cuenta las fuerzas estabilizadoras y desestabilizadoras
Si hay múltiples alternativas de estructuras secundarias, el método

determina la conformación con la menor energía
Existen varias técnicas para encontrar todas las posibles regiones

de bases apareadas a partir de una secuencia de ácidos
nucleicos: la matriz de puntos y la programación dinámica
Enfoque ab initio
Una matriz de puntos puede encontrar todos los posibles

patrones de apareamiento de bases comparando la secuencia
consigo misma
Las diagonales perpendiculares a la diagonal principal

representan regiones que pueden auto-hibridarse para formar
estructuras de doble hebra
Sin embargo, la detección de patrones es a menudo oscurecida

por altos niveles de ruido
Una manera de reducir el ruido es seleccionando una ventana de

tamaño apropiado
Si la matriz revela más de una estructura factible, se elige la de

menor energía
Enfoque ab initio
Figura: Ejemplo de una matriz de puntos usada para la predicción de la

estructura secundaria de una secuencia de ARN
Enfoque ab initio
Si una molécula grande contiene múltiples segmentos de

estructura secundaria, elegir la combinación más estable puede
ser una tarea abrumadora
Por ello puede utilizarse un enfoque cuantitativo como la

programación dinámica
Al igual que en la matriz de puntos, la secuencia de ARN es

comparada consigo misma
Se utiliza un esquema de puntaje para llenar la matriz con

puntajes de correspondencia
Después de tomar en cuenta toda la información de la secuencia,

se determina el camino con el puntaje máximo dentro de la matriz
de puntajes
Enfoque ab initio
El método de programación dinámica produce una estructura con

un único mejor puntaje
Sin embargo, lo anterior representa una desventaja potencial ya

que en realidad una molécula de RNA puede existir en múltiples
formas alternativas con energías cercanas a la mínima y no
necesariamente con el máximo número de pares de bases
Enfoque ab initio
La desventaja de la programación dinámica puede ser superada

adicionando una función de distribución de probabilidad, conocida
como función de partición
La función de partición calcula la distribución matemática de

pares de bases probables en equilibrio termodinámico
Gracias a esta función es posible seleccionar un número de

estructuras subóptimas dentro de un rango de energía
determinado
Mfold y RNAfold son dos ejemplos populares de aplicaciones que

utilizan el enfoque de predicción ab initio
Enfoque ab initio
Mfold
(http://www.bioinfo.rpi.edu/applications/mfold/)
es una aplicación web para la predicción de estructuras
secundarias de ARN
Combina programación dinámica con cálculos termodinámicos

para identificar la estructura secundaria más estable con la menor
energía
También produce matrices de puntos junto con términos de

energía
Este método es confiable para secuencias cortas, pero su

precisión decrece conforme crece la longitud de la secuencia
Enfoque ab initio
RNAfold
(http://rna.tbi.univie.ac.at/cgi-bin/RNAfold.cgi)
es otra aplicación web y forma parte del paquete Vienna
RNAfold extiende el alineamiento de secuencia a la vecindad de

las diagonales óptimas para calcular la estabilidad de estructuras
alternativas
Incorpora una función de partición para seleccionar el número de

estructuras secundarias estadísticamente más probables
En base a cálculos termodinámicos y a la función de partición, se

provee un conjunto de estructuras subóptimas
Debido al gran número de estructuras secundarias computadas,

se utiliza una regla de energía simplificada
Enfoque comparativo
El enfoque comparativo utiliza múltiples secuencias

evolutivamente relacionadas para inferir una estructura consenso
Para distinguir la estructura secundaria conservada entre las

secuencias múltiples de RNA se utiliza el concepto de covariación
Para conservar la estructura secundaria cuando secuencias

homólogas evolucionan, una mutación en una posición
responsable de un apareamiento se compensa con la mutación
en la posición de apareamiento correspondiente
Basados en esta regla, pueden escribirse algoritmos que busquen

patrones de covariación en un conjunto de secuencias homólogas
apropiadamente alineadas
Enfoque comparativo
Figura: Ejemplo de covariacion de residuos entre tres secuencias homólogas

de ARN
Enfoque comparativo
Otro aspecto del método comparativo es la selección de una

estructura común a través de un consenso
Al comparar todas las estructuras predichas de un grupo de

secuencias de ARN alineadas es posible adoptar la estructura
consenso
Los algoritmos que siguen el enfoque comparativo pueden

dividirse en dos categorías, dependiendo del tipo de entrada:
aquellos que requieren un alineamiento predefinido y aquellos
que no lo necesitan
Enfoque comparativo
Los algoritmos que usan prealineamiento requieren que el usuario

provea un alineamiento múltiple de secuencias como entrada
Estos programas computan los patrones de mutación como la

covariacion, y derivan una estructura consenso, común a todas
las secuencias
Este tipo de algoritmos son relativamente exitosos para

secuencias razonablemente conservadas
El requerimiento para usarlos es un conjunto apropiado de

secuencias homólogas suficientemente similares y divergentes
También dependen de la calidad de la entrada
La selección de una única estructura consenso representa una

desventaja
Enfoque comparativo
RNAalifold
(http://rna.tbi.univie.ac.at/cgi-bin/alifold.cgi)
es un programa que forma parte del paquete Vienna
Utiliza un alineamiento múltiple de secuencias como entrada y

analiza los patrones de covariación en las secuencias
Luego crea una matriz de puntajes que es utilizada para aplicar

programación dinámica con el objetivo de seleccionar la
estructura con la mínima energía
Enfoque comparativo
Los algoritmos que no utilizan prealineamiento alinean

simultáneamente un conjunto de secuencias e infieren una
estructura consenso
El alineamiento es realizado utilizando programación dinámica

con un esquema de puntaje que incorpora la similaridad de las
secuencias así como términos de energía
Debido al costo computacional de la programación dinámica, los

programas que se encuentran actualmente disponibles limitan la
entrada a dos secuencias
Enfoque comparativo
Foldalign
(http://foldalign.kvl.dk/server/index.html) es una
aplicación web para el alineamiento y la predicción de estructuras
secundarias
El usuario provee un par de secuencias no alineadas y utiliza una

combinación de Clustal y programación dinámica con esquemas
de puntaje que incluyen información de covariación para construir
el alineamiento
La estructura secundaria conservada en ambas secuencias es

posteriormente calculada
Para reducir el costo computacional, el programa ignora los

multibranch loops
Enfoque comparativo
Dynalign (http://rna.urmc.rochester.edu/) es un
programa UNIX libre
El programa calcula las posibles estructuras secundarias

utilizando un método similar a Mfold
Comparando estructuras alternativas para cada secuencia, la

estructura común a ambas secuencias con menor energía es
elegida
No requiere que las secuencias sean similares por lo que puede

manejar secuencias altamente divergentes
Sin embargo, solo sirve para predecir secuencias pequeñas de

ARN con una precisión razonable, como secuencias de ARNt
Anfinsen, C. (1973).
Principles that Govern the Folding of Protein Chains.
Science, 181(4096):223–230.
Dill, K. (1985).
Theory for the Folding and Stability of Globular Proteins.
Biochemistry, 24(6):1501–9.

Sesion14 A

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Sesion14 A

Cargado por

Copyright:

Formatos disponibles

Bioinformática estructural

Predicción de estructuras de proteínas y ARN

Dr. Eduardo A. R ODRÍGUEZ T ELLO

25 de julio del 2013

2 Predicción de la estructura secundaria de proteínas

3 Predicción de la estructura terciaria de proteínas

4 Predicción de la estructura secundaria de ARN

Las proteínas realizan la mayoría de las funciones biológicas y

Juegan un papel importante en las funciones estructurales,

1 Conceptos básicos de bioinformática estructural

Los átomos asociados al enlace peptídico se encuentran en el

Por esta razón el enlace peptídico no puede girar libremente

El ángulo de rotación de un enlace se conoce como diedral o de

Los enlaces N–Cα (φ) y Cα –C (ψ) sí pueden girar con cierta

Las combinaciones de φ y ψ permiten a las proteínas plegarse de

La gráfica de Ramachandran muestra las combinaciones de φ y ψ

1 Conceptos básicos de bioinformática estructural

Estructura de las proteínas

La estructura primaria es la secuencia de aminoácidos unidos por

El polipéptido resultante se puede plegar en unidades de

Estructura de las proteínas

La hélice alfa es parte de la estructura terciaria de la proteína

La estructura de las proteínas se mantiene por fuerzas de

Las interacciones electrostáticas ocurren cuando el exceso de

Los enlaces de hidrógeno son un tipo de interacciones

El hidrógeno con carga positiva se une parcialmente al oxígeno

Las fuerzas de Van der Waals son las fuerzas de atracción o

Los electrones de un átomo crean un dipolo eléctrico que atrae a

Pero cuando están muy cerca los átomos, se comienzan a repeler

El radio de Van der Waals es la distancia a la que un átomo

Los puentes disulfuro también intervienen en la estabilización de

Estos puentes se forman entre los átomos de azufre de la cisteína

1 Conceptos básicos de bioinformática estructural

Una hélice–α tiene una conformación de la cadena principal

En esta hélice existen 3.6 residuos en cada giro

La estructura se estabiliza mediante enlaces de hidrógeno entre

φ y ψ son de 60o y 45o

Una hoja–β es una configuración completamente extendida que

Cada región que la forma se conoce como hebra–β

Esta estructura se estabiliza por medio de enlaces de hidrógeno

También hay estructuras locales que no pertenecen a estructuras

Estas estructuras son las espirales y los rizos

Los rizos se caracterizan por ser giros bruscos

Las espirales se forman por regiones de conexión completamente

1 Conceptos básicos de bioinformática estructural

El arreglo y empaque completo de estructuras secundarias forma

La estructura terciaria generalmente se clasifica en proteínas

Las globulares existen en solventes a través de interacciones

Las de membrana existen en lípidos de membrana y se

Son solubles y están rodeadas por moléculas de agua

Tienen estructuras compactas de forma esférica con residuos

Minimiza el contacto con el agua en el centro y maximiza las

Algunos ejemplos: enzimas, mioglobinas y hormonas

Proteínas de membrana integral

Existen en las bicapas de lípidos de la membrana de la célula

Como están rodeadas de lípidos, el exterior debe ser hidrofóbico

Proteínas de membrana integral

1 Conceptos básicos de bioinformática estructural

Requiere que las proteínas formen cristales con posiciones fijas

Los cristales se iluminan con un haz intenso de rayos–X

Los electrones que rodean a los átomos desvían los rayos–X

El patrón está compuesto de miles de puntos grabados en una

El patrón se convierte a un mapa de densidad de electrones