Desarrollan la base de datos más completa para el estudio de la agregación de proteínas

Investigadores del IBB-UAB han desarrollado la base de datos más completa disponible a fecha de hoy para comprender las bases de la agregación proteica, fenómeno asociado al envejecimiento y a varias patologías. El nuevo recurso, A3D-MOBD, reúne los proteomas de doce de los organismos modelo más estudiados que alcanzan clados biológicos distantes y contiene más de medio millón de predicciones de regiones proteicas con propensión a formar agregados.

El A3D-MOBD lo ha desarrollado el Grupo de Plegamiento de Proteínas y Enfermedades Conformacionales, dirigido por el catedrático de Bioquímica y Biología Molecular Salvador Ventura, en colaboración con científicos de la Universidad de Varsovia, y se ha publicado en la revista Nucleic Acids Research. Ofrece análisis de propensión a la agregación precalculados y herramientas para el estudio de este fenómeno a escala proteómica, así como la comparación evolutiva entre diferentes especies.

El nuevo recurso parte del método que el mismo grupo de investigación diseñó en 2015, el Aggrescan 3D, pero amplía significativamente el conjunto de datos disponibles. En total, contiene más de 500.000 predicciones estructurales para las más de 160.000 proteínas de doce organismos modelo muy caracterizados y de gran interés y uso para la investigación en biología, biotecnología y biomedicina. Están incluidos, entre otros, la planta herbácea Arabidopsis thaliana, el gusano nematodo Caenorhabditis elegans, el pez cebra Danio rerio, la bacteria entérica Escherichia coli, la bacteria con genoma mínimo Mycoplasma genitalium, el ratón Mus musculus, las levaduras Saccharomyces cerevisiae y Schizosaccharomyces pombe, el Homo sapiens, la rata Rattus norvegicus, la mosca de la fruta Drosophila melanogaster y el virus causante de la COVID-19, el SARS-CoV-2. La arquitectura adaptable de A3D-MOBD permite dar cabida a futuras incorporaciones otros organismos relevantes para los sectores médico, biológico, agrícola e industrial.

Además, la herramienta proporciona resultados sobre la solubilidad y la estabilidad de las proteínas e incluye información adicional para contextualizar el proceso de agregación. Para su desarrollo, los investigadores han utilizado varias fuentes computacionales, como el programa de modelado de estructuras de proteínas basado en inteligencia artificial AlphaFold o la predicción de interacción de las proteínas con membranas lipídicas TOPCONS, además de enlazar con bases de datos de referencia de los organismos incluidos, como el Human Protein Atlas o la Wormbase.

La agregación de proteínas está asociada al envejecimiento y es la base de diferentes patologías, como el párkinson, el alzhéimer o la esclerosis lateral amiotrófica (ELA). Además, supone una de las barreras más importantes para la producción industrial de moléculas terapéuticas, lo que encarece su precio. Con la publicación de esta base de datos, los investigadores esperan que se puedan averiguar nuevas claves para entender por qué algunas enfermedades provocadas por la agregación proteica se desarrollan en algunas especies, mientras que otras no son susceptibles de sufrirlas.

El recurso publicado ahora por los investigadores de la UAB representa la herramienta más completa disponible a fecha de hoy para la predicción de regiones con propensión a agregar proteínas. “Prevemos que ofrecerá soluciones a un público mucho más amplio de investigadores, no solo por la amplia colección de estructuromas, sino también por su integración con bases de datos de diferentes ámbitos biológicos”, señala Salvador Ventura. “Confiamos en que establecerá un nuevo estándar en la investigación de la agregación de proteínas y esperamos que se convierta en un recurso básico en este campo”, concluye el investigador de la UAB.

Página web de A3D-MOBD Database: http://biocomp.chem.uw.edu.pl/A3D2/MODB

Artículo: Badaczewska-Dawid AE, Kuriata A, Pintado-Grima C, Garcia-Pardo J, Burdukiewicz M, Iglesias V, Kmiecik S, Ventura S. «A3D Model Organism Database (A3D-MODB): a database for proteome aggregation predictions in model organisms». Nucleic Acids Res 2023, gkad942. DOI: 10.1093/nar/gkad942.