Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Físico-química
Bioingeniería termodinámica de células biológicas
Introducción
Las simulaciones de Dinámica Molecular (DM) se han utilizado con éxito en los
últimos años para evaluar proteínas y péptidos como candidatos a biosurfactantes,
que han sido evaluados en procesos experimentales con resultados interesantes. Sin
embargo, MD para calcular el cambio de energía libre de Gibbs de moléculas con
tamaño de péptido o sistemas complejos compuestos por diferentes tipos de
biomoléculas se convierte en un método ineficiente cuando se necesitan resultados
rápidos.
Metodología
G(λ)=−kBTln(Q)
Dónde l=( 1,2,... ,n)l=(1,2,... ,n) y λ1=0,λn=1λ1=0,λ n=1 (ver Fig. 1). Por lo tanto, los
λ-estados seleccionados afectan al valor final de energía libre calculado. Cuanto
mayor sea el número de λ-estados, mejor convergencia para el cálculo de la energía
libre; sin embargo, se traduce en un mayor número de simulaciones, tiempo de
proceso y capacidad computacional.
Resultados y discusión
Simulaciones de dinámica molecular y cálculos de energía libre
El cálculo de los valores de energía libre se realizó mediante la herramienta BAR del
paquete de simulación GROMACS. Usando los seis valores de λ elegidos, fue posible
obtener una representación significativa del camino entre los estados A y B,
dondeλ1= 0λ1=0yλ6= 1. Debido a la superposición de los seis histogramas en las
cuarenta simulaciones, es posible afirmar que el camino entre el estado inicial y el
estado final es completo; por lo tanto, la suma FE de todos los estados λ representa
adecuadamente la energía libre de Gibbs total de la biomolécula.
Construcción de modelos
Los parámetros de corrección se calcularon buscando el mejor ajuste con los datos
disponibles in silico de veintiún péptidos con un enfoque de mínimos
cuadrados. Además, estos parámetros se calcularon para dos escenarios específicos
de la configuración de la cadena de biomoléculas. Un escenario ocurre cuando el
residuo evaluado es seguido por un residuo con la misma hidrofobicidad, es decir, un
residuo hidrofóbico está al lado de otro residuo hidrofóbico o un residuo hidrofílico
está al lado de otro residuo hidrofílico; este escenario se denomina residuo clase
1 (C1). El otro escenario ocurre cuando al residuo evaluado le sigue un residuo con
diferente hidrofobicidad, es decir, un residuo hidrofóbico está al lado de un residuo
hidrofílico o un residuo hidrofílico está al lado de un residuo hidrofóbico; este
escenario se llama residuo clase 2(C2).
Se encontró que los siguientes pares: Ala-Arg, Ala-Asp, Ala-Glu, eran valores atípicos
según un diagrama de caja, lo que significa que proporcionaron valores de cambio de
energía libre que nuestro modelo no puede capturar, posiblemente debido al tamaño
del par. Usando los diecisiete valores de energía libre restantes, se seleccionaron dos
pares como la representación más cercana de la desviación de la idealidad de los
pares hidrofóbico-hidrofóbico e hidrofóbico-hidrofílico, Ala-Trp y Ala-Lys
respectivamente. El primero tiene la mayor desviación y representa las interacciones
entre dos aminoácidos con las mismas características hidrofóbicas. El segundo
muestra la más mínima desviación y representa las interacciones entre dos
aminoácidos con diferentes características hidrofóbicas. Usando esas desviaciones
representativas, se ajustó el valor α para las clasificaciones C1 y C2 y se propuso la
ecuación final del GCM como:
Donde ∆𝐺𝑚𝑜𝑙𝑒𝑐𝑢𝑙𝑒 es el Gibbs libre de la molécula en kJ/mol, i representa cada
aminoácido, C1 o C2 son la clase del residuo, n es el número de residuos clase 1 o
clase 2 según la clasificación de cada uno en la molécula y el los valores de α se
presentan en la Tabla 4.
Varían de 0.1 a 33.4% con un valor promedio de 17%. El error relativo de los péptidos
puede explicarse como consecuencia de las fuerzas de autointeracción debidas al
plegamiento a lo largo de la cadena residual. El péptido 5 (GKNHDTGVSPVFA) y el
péptido 10 (ALIDCLAPDRR) presentan una estructura terciaria no lineal con
secciones de pliegue específicas, obtenidas utilizando el predictor de estructura de
proteínas I-TASSER, lo que puede explicar los valores de error obtenidos. De manera
similar, la desviación del valor de energía libre de los péptidos restantes puede
explicarse por interacciones propias en las secciones plegadas. Sin embargo, el
método de simulación utilizado con aminoácidos individuales y pares de aminoácidos
no proporciona suficiente información para reducir el error relativo causado por estas
autointeracciones.
Las interacciones de van der Waals y Coulomb pueden evaluarse como responsables
de la variabilidad de los valores de energía libre obtenidos. También evaluamos la
capacidad de la ecuación de predecir el cambio de energía libre durante la inserción
en la interfase de proteínas reportadas previamente con actividad de interfase como
OmpA , encontrando un error relativo de 73.1%. La evaluación de energía libre de
OmpA se llevó a cabo con una simulación desacoplada de interacciones de van der
Waals y Coulomb. Entonces, creemos que las interacciones de van the van der Waals
proporcionan mayores incertidumbres [ 7] y demostraron que esta ecuación GCM es
más adecuada para la predicción de péptidos. Las simulaciones de un solo
aminoácido y de pares de aminoácidos se evaluaron usando una simulación de
interacciones acopladas. Por tanto, las incertidumbres debidas a la interacción de van
der Waals están afectando el valor final de energía libre obtenido, sin embargo, es
necesario modificar las simulaciones desacoplando las interacciones para conocer la
magnitud de la incertidumbre provocada por cada interacción energética.
Discusión individual
Andrea Varela
Hay una interacción entre los valores obtenidos de la energía con los valores que
introducción de los valores de alfa. Se demuestra el efecto que tiene la temperatura y
las concentraciones, se tuvo que hacer un experimento basado en 21 péptidos y se
permitió identificar el cambio de error entre los cambios de la energía libre de Gibbs,
este cambio de energía y variación en los resultados puede deberse a la interacción
de las moléculas de los péptidos. Se debieron de llevar acabo simulaciones para
comprobar los resultados, en base a esto los resultados nos un grado de error debido
a las diferentes experimentaciones con parámetros diferentes.
Melissa Romo
Estimar los cambios de energía fue algo que, aunque se tuviera como un objetivo, fue
difícil el poder llegar a ese resultado. Se tuvieron que analizar varias cosas, entre ellas
como explicar si había un error y el poder arreglarlo. Se tenía pensado que solo
ocurrieran 2 posibles errores en los péptidos y se confirmó después que fueron más
de lo planeado. De cualquier manera, se evaluaron todas las posibles soluciones y
explicaciones para poder resolver cuanto antes la situación. Se llevaron a cabo por
simulaciones e interacciones que se hicieron observaciones y calculando la ecuación
basada en GMC. Al final en el artículo se pudo encontrar tanto las secuencias donde
se muestra la disminución en la tensión interfacial y las emulsiones que se
mantuvieron estables en cada secuencia agregada.
Napoleón Cantú
de https://bmcbioinformatics.biomedcentral.com/articles/10.1186/s12859-016-1399-
5#Sec2