Por primera vez, un equipo de científicos argentinos fue capaz de caracterizar a nivel atómico los diferentes estados que adopta una proteína que funciona como sensor de luz roja en la bacteria responsable de la podredumbre negra de las plantas crucíferas, una enfermedad que genera pérdidas millonarias en productores de brócoli, repollitos de Bruselas, repollo, coliflor, rábano y otros cultivos.

Se trata de la bacteria Xanthomonas campestris pv. campestris. “En estudios previos establecimos que el fotorreceptor XccBphP regula la virulencia del patógeno frente a los cambios de luz ambientales. Si bien nuestro equipo no trabaja directamente en estrategias antimicrobianas contra Xanthomonas, la descripción que hicimos sobre los cambios a escala atómica que ocurren en este sensor de luz puede servir a otros científicos para diseñar estrategias de interferencia para disminuir su virulencia”, indicó Hernán Ruy Bonomi, director del estudio e investigador del CONICET en el Laboratorio de Inmunología y Microbiología Molecular (LIMM) liderado por Fernando Goldbaum en la Fundación Instituto Leloir (FIL).

“Ojo molecular”

Los investigadores lograron describir a escala atómica la conformación estructural del “bacteriofitocromo” o fotorreceptor bacteriano “XccBphP” cuando adopta diferentes estados en función de las variaciones lumínicas del ambiente. En el llamado estado “Pr” absorbe luz roja y en el “Pfr” absorbe luz del rojo lejano. “Los cambios de conformación de estos receptores lumínicos influyen, por ejemplo, en la virulencia de la bacteria Xanthomonas campestris pv. campestris”, explicó Jimena Rinaldi, también directora del estudio e investigadora del CONICET en el LIMM de la FIL.

Para describir a nivel atómico los cambios que ocurren en el sensor de luz de la bacteria, los científicos utilizaron técnicas biofísicas y bioquímicas y emplearon cristalografía de rayos X, una técnica poderosísima para determinar la estructura de proteínas. La información recogida por ese equipo se procesó con métodos matemáticos y computacionales.

“La descripción molecular del fotorreceptor XccBphP que hemos realizado descifra uno de los mayores enigmas sobre el mecanismo funcional de fitocromos y abre un nuevo horizonte en la caracterización de los procesos que regulan en bacterias y también en plantas y hongos donde se encuentran ampliamente distribuidos”, destacó Lisandro Otero, también director del trabajo, investigador del CONICET en el LIMM de la FIL e integrante de la Plataforma Argentina de Biología Estructural y Metabolómica PLABEM.

Del estudio, publicado en Science Advances, también participaron Goldbaum, Sabrina Foscaldi, Giuliano Antelo, Sebastián Klinke, Maximiliano Sánchez-Lamas, del Instituto Leloir; Maria-Andrea Mroginski y Giovanni Battocchio, de la Universidad Técnica de Berlín; Germán Rosano, del Instituto de Biología Molecular y Celular de Rosario (IBR) y del CONICET; Serena Sirigu y Leonard Chavas, del Sincrotrón Soleil, en Francia; Lucas Defelipe, del Laboratorio Europeo de Biología Molecular (EMBL); y Adrián Vojnov y Valeria Conforte, del Instituto de Ciencia y Tecnología Dr. César Milstein, que depende de la Fundación Pablo Cassará y del CONICET.

octubre 07/2022 (Dicyt)

Referencia:

Otero, L. H., Foscaldi, S., Antelo, G. T., Rosano, G. L., Sirigu, S., Klinke, S., … & Bonomi, H. R. (2021). Structural basis for the Pr-Pfr long-range signaling mechanism of a full-length bacterial phytochrome at the atomic level. Science advances, 7(48), eabh1097.

Hace más de 50 años, científicos de la talla de los premiados con el Nobel, Kendrew, Perutz, o Hodgkin, estaban metidos de lleno en el estudio de las proteínas, el milagro de la vida, mediante cristalografía de rayos X. El plegamiento, no solo de las proteínas, sino de las macromoléculas en general (enzimas y receptores), junto con poder discernir su estructura tridimensional, ha sido uno de los desafíos científicos de las últimas décadas.

Poder conocer la estructura de las proteínas posibilita, de una forma más sencilla, determinar su función y, por lo tanto, poder entender y solucionar problemas cuando alguna de ellas no funciona como deberían.

Diferentes disciplinas, como la ya mencionada cristalografía, la criomicroscopía electrónica, la resonancia magnética nuclear (RMN), la bioinformática y la modelización in silico, han conseguido increíbles logros en este sentido. Sin embargo, el trabajo de resolver la estructura de estas macromoléculas sigue siendo complicado y costoso.

Y este es un desafío importante, porque las macromoléculas responsables de la vida, como las proteínas, son elementos clave para el buen funcionamiento de nuestro organismo, estando involucradas en prácticamente todos los procesos biológicos que tienen lugar en nuestras células. Poder conocer la estructura de las proteínas posibilita, de una forma más sencilla, determinar su función y, por lo tanto, poder entender y solucionar problemas cuando alguna de ellas no funciona como debería.

Así contribuye la inteligencia artificial

La inteligencia artificial ha llegado por la puerta grande a este campo, como en otras muchas áreas del conocimiento, para ayudar a resolver, por ejemplo, la predicción de la estructura 3D de una manera más rápida. Nos va a permitir poder predecir la forma y, como hemos dicho antes, el funcionamiento que tienen las proteínas (un conocimiento indispensable para el desarrollo de tratamientos eficaces para cualquier enfermedad) o las enzimas (llaves maestras en muchos procesos tanto biológicos como industriales), entre otras macromoléculas.

Los impresionantes resultados han sido posibles gracias a la sinergia de diferentes disciplinas: matemáticas, bioinformática y biología.

Recientemente se ha conocido el ganador del concurso científico CASP 14 (del inglés Critical Assessment of Protein Structure Prediction).

A este concurso internacional concurren cientos de grupos de investigación para presentar el desarrollo de sus softwares o aproximaciones para predecir la estructura de proteínas a partir de sus secuencias de aminoácidos.

Podríamos decir que es el escaparate de los desarrollos teóricos más prometedores para la elucidación de la estructura 3D de las proteínas. El ganador, sin ningún tipo de duda, ha sido el algoritmo AlphaFold, desarrollado por la empresa DeepMind (perteneciente a Google).

La mayoría de las predicciones de AlphaFold para la estructura 3D de las proteínas resueltas son muy similares a las que se obtienen a partir de las técnicas experimentales. AlphaFold consiguió una puntuación de casi 90 sobre 100 en un test que mide la semejanza estructural entre la determinada experimentalmente y la predicha por el algoritmo (por encima de 90 se considera como un nivel de predicción total). Nunca antes se había alcanzado una puntuación por encima de 60 en este test.

Los impresionantes resultados han sido posibles gracias a la sinergia de diferentes disciplinas: matemáticas, bioinformática, biología… El sistema informático parte de la premisa de que la estructura plegada tridimensional de una macromolécula (enzimas, proteínas, receptores) se asemeja a un grafo espacial, donde los aminoácidos son los nodos y las aristas del grafo conectan dichos aminoácidos. 

Partiendo de esta idea y utilizando el conocimiento derivado del alineamiento de cientos de miles de secuencias de proteínas de estructura 3D conocidas, AlphaFold utiliza la metodología del aprendizaje profundo (deep learning) para aprender las características físicas, geométricas y evolutivas de esos datos de entrada.

Los desarrolladores han hecho un buen trabajo enseñando a AlphaFold a extraer información de lo ya conocido para después aplicar dicho conocimiento ante una nueva situación: determinar la estructura de proteínas para las que solo conocemos sus secuencias de aminoácidos, y hacerlo con una precisión y rapidez que no están al alcance de los métodos tradicionales.

Todavía queda mucho camino por andar y numerosos desafíos a los que enfrentarnos, pero AlphaFold ya ha abierto las puertas a abordar un gran reto: ahondar en el secreto de la vida.

Las aplicaciones no se han hecho esperar. DeepMind y el Laboratorio Europeo de Biología Molecular (EMBL), publicaron recientemente más de 350 000 nuevas estructuras, incluyendo, no solo unas 20 000 proteínas humanas, sino también proteínas de otros 20 organismos, como las de las bacterias E. Coli, y del micobacterium tuberculoso, (causante de la tuberculosis), entre otras, o las de los ratones que se utilizan para los experimentos en los laboratorios. Y ya hay organizaciones, como la Iniciativa Medicamentos para Enfermedades Olvidadas (DNDi) que están rastreando esta nueva base de datos de proteínas en busca de nuevos tratamientos.

Evidentemente todavía queda mucho camino por andar y numerosos desafíos a los que enfrentarnos, pero AlphaFold ya ha abierto las puertas a abordar un gran reto: ahondar en el secreto de la vida.

Núria Campillo y Carmen Fernández son investigadoras del Consejo Superior de Investigaciones Científicas (CSIC), en el Centro de Investigaciones Biológicas Margarita Salas (CIB-CSIC).

agosto 14/2021 (SINC)