Improving the description of protein-protein association energy

Resumen

Las proteínas juegan un papel fundamental en la práctica totalidad de los procesos biológicos que tienen lugar en nuestras células. En la mayor parte de las ocasiones, las proteínas no participan en estos procesos de manera individual, sino formando complejos de dos o más elementos. Por su indudable interés científico y su relevancia terapéutica, el estudio de las interacciones entre proteínas y la formación de complejos proteicos se ha convertido en un importante campo de investigación. Fruto de este interés, numerosas técnicas computaciones se han desarrollado durante los últimos años. El docking de proteínas es una de ellas. Su principal objetivo es obtener la estructura tridimensional de los complejos proteicos partiendo de las estructuras de las subunidades que lo forman. Si bien los avances que ha experimentado las técnicas de docking de proteínas han sido notables, todavía existen numerosos retos por resolver. El desarrollo de esta tesis se ha centrado en la creación de nuevas herramientas computacionales que permitan cubrir algunas de estas necesidades. Hemos creado pyDockLite, una función de evaluación de modelos de docking derivada de pyDock, la función de evaluación desarrollada en nuestro grupo, diez veces más rápida que ésta y con un rendimiento similar. El elemento clave en pyDockLite es un nuevo término de desolvatación, basado en el cálculo de distancias entre átomos, que permite reducir drásticamente el tiempo necesario para calcular la contribución de la desolvatación a la energía de pyDock de docking. Una vez contamos con una función de evaluación rápida como pyDockLite, pudimos desarrollar un algoritmo de minimización en cuerpo rígido que obtiene excelentes resultados cuando las subunidades se encuentran en su conformación holo. Combinando este algoritmo con modos normales fuimos capaces de modelar la flexibilidad de las proteínas, mejorando los modelos de los complejos finales, en especial aquellos correspondientes a proteínas flexibles y con flexibilidad media. Así mismo, proponemos una nueva manera de describir el paisaje energético de docking basado en ensamblados, que integra técnicas de clustering, sampleo conformacional y evaluación de consenso y mostramos como mejora los resultados de docking. Hemos desarrollado un nuevo método para calcular la energía de docking por residuo. Mostramos como podemos utilizar este método para identificar los residuos más relevantes en la formación de los complejos proteicos, así como para estimar los cambios en la afinidad de enlace provocados por mutaciones a alanina. También presentamos un método para evaluar los cambios en la afinidad de enlace provocados por cualquier tipo de mutación. Este método combina pyDock y MODELLER. Los resultados obtenidos son similares a los de otros métodos de referencia. Por último, proponemos una nueva función de evaluación que combina el índice de FTDock con la energía electrostática y de van der Waals de pyDock para evaluar modelos de complejos proteína-ARN.