Estructuras Biomoleculares.

Licenciatura en Bioinformática.

Actividad Práctica nº 2:
Introducción a la Dinámica Molecular
Estructuras Biomoleculares e Introducción a la Dinámica Molecular

La dinámica de las proteínas y la modelización por computadoras.

Las proteínas y su flexibilidad.

Introducción.

Las proteínas (y otras grandes Biomoleculas), son grandes estructuras moleculares que
actúan esencialmente en los principales procesos intra- extra- e inter-celulares: contribuyen
a mantener la estructura global, son las responsables de los trabajos mecánicos celulares,
son agentes claves en la comunicación intra y extra-celular, regulan la expresión génica,
constituyen los elementos claves del sistema inmune, el endocrino y nervioso, y actúan
como catalizadores de la práctica totalidad de procesos metabólicos. Desde un punto de
vista químico las proteínas como caso particular, son polímeros poliamídicos de
aminoácidos, que gozan de una gran flexibilidad debido a la posibilidad de rotación de los
enlaces vecinos al amida (los enlaces Φ y Ψ). La codificación para nuestras proteínas viene
inscrita en el código genético que heredamos de nuestros antepasados y la síntesis se
produce en los ribosomas. La secuencia sintetizada se repliega inmediatamente dando una
estructura, en general muy estable y organizada en una o varias zonas más o menos
globulares denominadas dominios estructurales.

El plegamiento global de una proteína es considerado como el principal determinante de la

función de la proteína. No obstante, un análisis jerárquico y funcional de las bases de datos
de estructura de proteínas (Protein Data Bank (PDB, http://www.pdb.org/) muestra como en
ciertos casos plegamientos muy similares dan lugar a funciones biológicas muy diferentes
en las proteínas (caso de algunos super-folds; véanse servidores de clasificación jerárquica
de proteínas como SCOP (http://scop.mrc-lmb.cam.ac.uk/scop/) o CATH
(http://cathwww.biochem.ucl.ac.uk/latest/)). En otros casos, y ésta es una experiencia
común a todos los que realizan diseño de fármaco basado en estructura, la conformación de
la proteína cambia sustancialmente en función de la presencia de ligandos. Todo ello indica
que ciertamente la estructura global es clave para la función, pero dos factores más
modulan la relación entre estructura función: i) la micro-estructura en los centros unión de
ligando o de catálisis y ii) la flexibilidad molecular.

El primer reconocimiento de la importancia de la flexibilidad en la función de las proteínas

se produjo al detectarse que el modelo original de catálisis enzimática (el de la llave y la
cerradura), donde se entendía a la proteína como una estructura rígida, era incapaz de
explicar muchas observaciones experimentales. A partir de esos datos se derivó el modelo
de encaje inducido, según el cual la presencia de ligando modula la conformación de la
proteína y conduce al enzima a la forma “bioactiva”. Un ejemplo muy elocuente de la
magnitud del cambio conformacional inducido por presencia de ligandos en una proteína se
muestra en la Figura 1, que corresponde a dos quinasas, estructuralmente no relacionadas
entre sí, pero que muestran el mismo tipo de movimiento de “encaje inducido”.
 Figura 1. Estructuras de timidina y adenilato quinasas antes (blanco) y después (amarillo)
de la unión de ligandos en el centro activo.

Sabemos hoy, que no solo los enzimas sufren cambios conformacionales, sino que la
flexibilidad, es decir la capacidad de cambiar la conformación en función de condiciones
cambiantes externas (entre ellos los choques debidos a la agitación térmica, el efecto del
solvente, otras moléculas vecinas, etc.), forma parte integrante de la naturaleza misma de
todos los atomos libres y de casi todas las proteínas. Es por ello que entender, cómo y
porqué las proteínas cambian su conformación y reaccionan a alteraciones de su entorno
tiene una importancia crucial en nuestro intento de entender el funcionamiento de las
biomoléculas.

Los avances en difracción de rayos X y resonancia magnético-nuclear hacen que obtener

hoy información sobre la estructura promedio de una proteína sea algo factible, o incluso
sencillo en muchos casos. Desgraciadamente, describir la flexibilidad es algo mucho más
complejo, porqué precisamente ella es el principal obstáculo existente en la resolución
experimental de estructuras de macromoléculas. Es por ello necesario recurrir a técnicas de
simulación en las que partiendo de una estructura promedio de alta calidad se analiza como
la proteína se va deformando a lo largo del tiempo. De estas técnicas, la dinámica
molecular clásica (DM) es posiblemente la más poderosa.

La dinámica molecular

La base teórica de la DM tiene antecedentes en los trabajos de Newton, pero el costo

computacional que implica hizo que sólo a finales de los años setenta se realizaran las
primeras simulaciones de DM de proteínas. Durante los ochenta se perfeccionaron los
algoritmos de simulación y a lo largo de los noventa se publicaron las primeras aplicaciones
en las que la DM permitía obtener información realmente útil para el biólogo. Los años que
llevamos del nuevo siglo nos han servido para ver mejoras técnicas en el procedimiento,
perfeccionamientos en los campos de fuerza que emplean y el desarrollo de algoritmos de
simulación más eficaces computacionalmente. Sin embargo, ha sido la aparición de la
nueva generación de supercomputadores la que más ha significado en la extensión del
rango de aplicabilidad de la técnica en el campo de la simulación de biomacromoléculas.

Un cálculo de dinámica molecular es la sucesión de una serie de pequeños pasos

elementales que han de realizarse millones, o incluso billones de veces:

1) Se calcula la energía potencial asociada a una conformación de la proteína. Para ello se

utiliza un funcional clásico muy sencillo denominado campo de fuerzas (force-field) que ha
sido parametrizado para reproducir resultados experimentales en sistemas modelos, o
cálculos mecanocuánticos de alto nivel.

2) La derivada de la energía respecto a las posiciones atómicas nos permite obtener la

fuerza que actúa sobre cada partícula del sistema.

3) La segunda ley de Newton permite entonces asignar las aceleraciones que actuarían
sobre cada partícula (de masa conocida) de la molécula.

4) Escogiendo un incremento de tiempo tan pequeño que podamos suponer que en él la

aceleración es constante, podemos obtener numéricamente las velocidades que actúan sobre
cada partícula del sistema por simple integración de las aceleraciones respectivas.

5) Finalmente, la integración de las nuevas velocidades nos permite obtener las nuevas
posiciones asignadas a cada partícula de la proteína.

Al final de este proceso hemos realizado un paso de integración que corresponderá a la

evolución del sistema en un pequeño elemento de tiempo. Cuan pequeño tiene que ser este
intervalo temporal? La respuesta viene dada por la necesidad de que la aceleración se
mantenga constante durante la integración y ello significa que la etapa de integración no
puede ser más larga de que el movimiento más rápido del sistema. Estos movimientos
suceden en la escala del femtosegundo, que es la que en la práctica se emplea para integrar
las ecuaciones de Newton. El uso de una etapa temporal tan pequeña implica que el cálculo
de un simple segundo de dinámica de una proteína implica realizar del orden de 10 15 ciclos
como el comentado. Si pensamos que en cada ciclo pueden tener que realizarse miles de
millones de operaciones matemáticas sencillas, resulta evidente que el coste computacional
de un cálculo de dinámica molecular de proteínas puede ser exorbitante. No extraña pues
que sea la dinámica molecular uno de los tipos de cálculo que más recursos de
supercomputación están focalizando en todo el mundo, y el tema fundamental al que se
dedican en exclusiva algunos de los más potentes.

Las computadoras más potentes de Europa y una de los más grandes del mundo dedicada al
cálculo científico inespecífico, son capaces de realizar más de 40 billones de operaciones
por segundo (40 Teraflops) y tienen una arquitectura que las hace ideales para ejecutar
cálculos de dinámica molecular al permitir focalizar varios procesadores en el mismo
cálculo (en algunos de los cálculos realizados por nuestro grupo se han empleado
simultáneamente más de 512 procesadores). Asi es posible simular sistemas de mayor
tamaño, por encima de los 100.000 átomos y analizarlos en periodos temporales más
extensos, llegando en algunos casos a la escala del microsegundo. Ello nos permite
estudiar, por ejemplo, el inicio de procesos de plegamiento / desplegamiento de ácidos
nucleicos o proteínas, analizar el acceso de ligandos a las proteínas, comprender los
cambios conformacionales inducidos por la unión de esos ligandos, o estudiar complejos
supramoleculares como los nucleosomas o los ribosomas. Un programa como este puede
funcionar también dirigiendo poder de cálculo a diversas simulaciones simultáneamente,
con lo que es posible realizar estudios masivos a nivel de proteoma. Es en este último
entorno en el que se enmarca MODEL (Molecular Dynamics Extended Library:
http://mmb.pcb.ub.es/MODEL ), uno de los proyectos más ambiciosos que se están
realizando en el mundo en el campo de la dinámica molecular.

Molecular Dynamics Extended Library (MODEL)

MODEL es la base de datos más extensa del mundo de dinámica de proteínas y permite al
usuario acceder a una descripción estructural completa de las proteínas y lo que la hace
única a una representación completa de sus pautas de deformabilidad a lo largo de tiempo.
En la versión actual MODEL contiene información sobre dinámica de unas 1000 proteínas
simuladas durante 10 nanosegundos en condiciones similares a las fisiológicas y empleando
los protocolos de simulación más precisos existentes. Internamente MODEL es: 1) un
conjunto de programas de preparación automática de archivos de entrada para programas de
simulación molecular, 2) un programa central de simulación de DM, 3) un conjunto de
herramientas de transformación e interconversión de ficheros de salida, 4) una batería de
programas de análisis, 5) una base de datos inter-relacionada montada sobre MySQL, 6)
una estructura externa de meta-análisis de los datos y 7) una carátula externa de consulta
via página web.

La arquitectura de preparación y procesado de trayectorias de MODEL es accesible como

una utilidad Europea (infraestructura europea para uso compartido) mediante el consorcio -
5-Europeo DEISA y es también accesible sin restricciones a todos los usuarios del Instituto
Nacional de Bioinformática (INB, http://www.inab.org/ )
 Figura 2. Carátula de MODEL y ejemplo de acceso a la biblioteca de flexibilidad de una
proteína.

Algunas cifras sobre MODEL.

Número de proteínas simuladas: Hemos realizado ya más de 1000 simulaciones de

proteínas representativas de todos los plegamientos conocidos de las proteínas. Al acabar el
proyecto el usuario siempre podrá encontrar información dinámica sino de su proteína de
alguna muy similar. El objetivo de MODEL es pues cubrir todo el espacio estructural de
proteínas (unas 1900 representativas de 30000 estructuras conocidas).

Condiciones de entorno y tamaño de los sistemas: Las proteínas, en su conformación

experimentalmente determinada, han sido sumergidas en grandes cajas de agua, en
presencia de contrariones que garantizan la electroneutralidad del sistema. Estos sistemas se
replican infinitamente en el espacio, creando modelos periódicos. Los tamaños de los
sistemas simulados más pequeños está sobre los 10000 átomos y los más grandes pasan de
los 100.000. Ello implica cálculos del orden de más de 1010 interacciones en cada etapa de
integración. Un detalle del tipo de sistemas que estamos estudiando se muestra en la Figura
N° 3.

Condiciones de simulación: Se integran las ecuaciones de Newton cada 2 femtosegundos,

lo que implica que las trayectorias estudiadas incluyen información de más de 5 millones de
etapas de integración. Todas las interacciones de largo alcance, incluidas aquellas entre
partículas muy remotas se consideraron en el espacio directo o en el Fourier, empleándose
para ello técnicas de Ewald. La información se guardó cada ps, lo que significa más de
10000 datos singulares para cada trayectoria.
Tamaño de la base de datos generada: Los datos que alimentan a la utilidad web de
MODEL están depositados en forma de una base de datos relacional que ocupa en la
actualidad más de 7 Terabytes de disco y que debe replicarse íntegramente por cuestiones
de seguridad. En la actualidad el usuario solo puede acceder a la capa externa de MODEL
que es a de la que se nutre la página web. Un sistema paralelo permite el manejo interno de
la base de datos por parte de las personas que están desarrollando el proyecto.
Recursos computacionales destinados: MODEL fue uno de los proyectos pilotos y durante
los meses de montaje del ordenador llego a ocupar puntualmente hasta 2000 procesadores.
En la actualidad es un proyecto interno del BSC, dentro del Programa de Biología
Computacional que ha estado ocupando durante los últimos meses alrededor de un 15% de
los recursos computacionales. Paralelamente, el análisis de las trayectorias, ocupa un
“cluster” de 20 procesadores y el manejo de la base de datos corre a cargo de un servidor
tetraprocesador que controla 4 unidades de discos RAID. Un robot de cintas y un sistema
de duplicado automático garantizan la seguridad del sistema.

Figura 3. Detalle de un sistema de simulación de los empleados en MODEL. El que se

muestra corresponde a una partícula core de nucleosoma e incluyendo contra-iones y agua
cuenta con unos 130.000 átomos. La caja de agua que rodea al nucleosoma tiene forma de
octaedro truncado y es replicada infinitamente por cada una de sus caras.

Información en MODEL

La página web asociada con MODEL permite acceder a numerosa información por medio
de la base de datos MySQL asociada.
Información asociada a la estructura y presente en bases de datos externas: Una vez
seleccionada la proteína a estudiar, MODEL permite al usuario acceder a toda una serie de
bases de datos descriptoras de la información estática de la proteína. Esto incluye entre
otros los servidor PDBSUM (
http://www.ebi.ac.uk/thornton-srv/databases/cgi-bin/pdbsum/
ó el JENA
http://www.imb-jena.de/

A los cuales se accede ya directamente en la hoja explicativa de la proteína en cuestión.

Información temporal de la estructura: Esto incluye magnitudes como la desviación

cuadrática media de la proteína respecto a la experimental, el radio de giro, la estructura
secundaria, la distribución de Ramachandran, la superficie accesible a solvente, etc.....

Información sobre interacción ligando-proteína: La más importante es la energía libre de

solvatación proyectada sobre residuos y los mapas de interacción para sondas (aún no
implementados en la versión pública de MODEL).

Información de flexibilidad: Cubren desde los B-factores hasta el análisis de dinámica

esencial. El servidor permite también acceder a medidas de Entropía y volumen
conformacional. También permite obtener medidas de fluctuaciones y recuperar videos de
los movimientos globales o esenciales de las proteínas obtenidos de la dinámica.

Ejercicios.

Realice una búsqueda en internet sobre los programas actuales para visualización de
biomoleculas y analizar sus principales parámetros y particularidades. Las ventajas y
desventajas de algunos de ellos y discútalo con sus compañeros y docentes.

Lea el articulo en pdf denominado HERRAMIENTAS DE VISUALIZACIÓN

MOLECULAR PARA LA ENSEÑANZA, que se encuentra en la carpeta de la
APN°2 e intente analizar biomoleculas con las herramientas computacionales libres que allí
se describen, como por ejemplo los programas RasMol, PyMol, VMD, MolMol, etc. y
como conclusiones describa los parámetros que se pueden estimar o bien visualizar con los
mismos.

BIBLIOGRAFIA

Computational Biochemistry. Oren M. Becker et al. Marcel Dekker, Inc., 2001.