Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INTRODUCCION
Las funciones de las proteínas son esenciales en varios procesos biológicos
debido a que actúan como catalizadoras de reacciones químicas, transportadoras
de moléculas o reguladoras del crecimiento celular, entre otras (Shulman-Peleg,
2008). El dogma central de la biología estructural enuncia que los plegamientos
de las estructuras de las proteínas determinan su funcionalidad biológica (Wright
y Dyson, 1999). Las regiones superficiales que se forman en estos plegamientos
son importantes porque ahí se efectúan las interacciones moleculares, como las
que se presentan en los sitios enzimáticos. Por la importancia de estas regiones,
la identificación de sus características claves como sus rasgos geométricos,
físico-químicos, electrostáticos, entre otros, se mantiene como un área activa de
investigación (Binkowski y Joachimiak, 2008).
El tamano del universo de plegamientos de proteínas descubiertas se expande
rápidamente y, por consecuencia, en las últimas cuatro décadas ha habido un
crecimiento acelerado de las bases de datos que contienen su información
tridimensional. Este hecho ha impulsado el desarrollo de métodos
computacionales que permitan inferir las funciones de nuevas proteínas a partir
de nuevos genomas y transcriptomas. Dado que muchas de ellas se pueden
clasificar correctamente dentro de un sistema jerárquico de grupos de proteínas
conocidas y caracterizadas que comparten la misma función, el número de
nuevas proteínas que requieren un mayor análisis se reduce considerablemente
(Cai et al., 2011).
La identificación automática de elementos pertenecientes a las proteínas
importantes para su función se ha estudiado desde varios contextos. Cuando hay
una semejanza considerable entre la secuencia de una proteína cuya función es
desconocida y alguna enzima conocida (homología), los métodos de
comparación basados en secuencias como BLAST (Altschul et al., 1990), PSI-
BLAST (Altschul et al., 1997) o PROSITE (Sigrist et al., 2002), tienen una gran
eficiencia para detectar los elementos semejantes. Esto presenta también, nuevos
retos computacionales para identificar características subyacentes de nuevas
proteínas que permitan su clasificación.
II. OBJETIVOS
Conocer las principales bases de datos bioinformáticos para las vías
metabólicas de las proteínas.
a) b)
v
c) d)
VI. CONCLUSION
Las herramientas bioinformáticas aplicadas a la investigación de
proteínas usan diferentes métodos para ayudarnos a encontrar similitudes
entre las mismas o relacionarlas entre ellas, y ayudarnos a conocer la
función, estructura tridimensional e incluso vías metabolizas que
realizan, que son de gran importancia, ya que como se menciono en el
presente informe, las funciones de las proteínas en los procesos
biológicos y sus funciones como moléculas estructurales, transportadoras
o reguladoras está determinada en gran medida de los plegamientos o su
estructura.
VII. BIBLIOGRAFIA
Altschul, S., Gish, W., Miller, W., Myers, E., y Lipman, D. (1990). Basic
local alignment search tool. Journal of Molecular Biology, 215(3): 403–410.
Altschul, S., Madden, T., Schaffer, A., Zhang, J., Zhang, Z., Miller, W.,
y Lipman, D. (1997). ¨Gapped blast and psi-blast: a new generation of protein
database search programs. Nucleic Acids Research, 25(17): 3389–3402.
Ausiello, G., Via, A., y Helmer-Citterich, M. (2005). Query3d: a new
method for highthroughput analysis of functional residues in protein structures.
BMC Bioinformatics, 6(4): S5.
Binkowski, T. A. y Joachimiak, A. (2008). Protein functional surfaces:
global shape matching and local spatial alignments of ligand binding sites. BMC
structural biology, 8(1): 45.
Cai, X.-H., Jaroszewski, L., Wooley, J., y Godzik, A. (2011). Internal
organization of large protein families: Relationship between the sequence,
structure, and function-based clustering. Proteins: Structure, Function, and
Bioinformatics, 79(8).
Chandonia, J.-M. y Brenner, S. E. (2006). The impact of structural
genomics: Expectations and outcomes. Science, 311(5759): 347–351.
Furnham, N., Holliday, G. L., de Beer, T. A. P., Jacobsen, J. O. B.,
Pearson, W. R., y Thornton, J. M. (2014). The catalytic site atlas 2.0: cataloging
catalytic sites and residues identified in enzymes. Nucleic Acids Research,
42(D1): D485–D489.
Ondrechen, M., Clifton, J., y Ringe, D. (2001). Thematics: A simple
computational predictor of enzyme function from structure. Proceedings of the
National Academy of Sciences USA, 98(22): 12473–12478.
Schmitt, S., Kuhn, D., y Klebe, G. (2002). A new method to detect
related function among proteins independent of sequence and fold homology.
Journal of Molecular Biology, 323(2): 387–406
Shulman-Peleg, A., Nussinov, R., y Wolfson, H. (2004). Recognition of
functional sites in protein structures. Journal of Molecular Biology, 339(3): 607–
633.
Shulman-Peleg, A. (2008). Algorithms for the Detection and Prediction
of 3D Proteing Binding Patterns and Interactions. Tesis de doctorado, Tel Aviv
University, The Raymond and Beverly Sackler Faculty of Exact Sciences, The
Blavatnik School of Computer Science.
Sigrist, C., Cerutti, L., Hulo, N., Gattiker, A., Falquet, L., Pagni, M., A,
B., y P, B. (2002). Prosite: a documented database using patterns and profiles as
motif descriptors. Briefings in Bioinformatics, 3(3): 265–274.
Wallace, A., Borkakoti, N., y Thornton, J. (1997). Tess: a geometric
hashing algorithm for deriving 3d coordinate templates for searching structural
databases. application to enzyme active sites. Protein Science, 6(11): 2308–
2323.
Wright, P. E. y Dyson, H. (1999). Intrinsically unstructured proteins:
reassessing the protein structure-function paradigm. Journal of Molecular
Biology, 293(2): 321 – 331.
Yahalom, R., Reshef, D., Wiener, A., Frankel, S., Kalisman, N., Lerner,
B., y Keasar, C. (2011). Structure-based identification of catalytic residues.
Proteins: Structure and Function and Bioinformatics, 79(6): 1952–1963.
VIII. CUESTIONARIO
1. Indique dos bases de datos de proteínas y dos de vías metabólicas no
descritas en la práctica.
a) Bases de datos de proteínas:
- PIR: Protein Information Resource, una base de datos de proteínas que
permite clasificarlas o realizar búsquedas.
- eF-Site: base de datos que considera el potencial electrostático,
geometría y la hidropatía sobre la superficie de la proteína como criterio
para una medida de similitud entre regiones de las estructuras locales.
b) Bases de vías metabólicas de proteínas:
- Principales Vías Metabólicas (MMP)
- Proyecto Función de Proteínas y Vías Bioquímicas (PFBP)
2. ¿Cuáles son las diferencias entre SCOP y Swiss-prot?
- Swiss-Prot es producido por UniProt, contiene descripciones de
proteínas, función, la estructura del dominio, la ubicación subcelular, las
modificaciones postraduccionales y las variantes.
- SCOP: Base de datos de clasificación estructural de proteínas: clasifica
manualmente dominios estructurales y secuencias de aminoácidos
relacionándolos evolutivamente.