Los biólogos publican nuevas pautas para facilitar el intercambio de datos de la investigación de proteínas desordenadas

Durante décadas, los biólogos estructurales han trabajado para descifrar las estructuras moleculares tridimensionales de las proteínas para comprender su función. Pero, ¿y si una proteína no tiene una estructura fija? Para moléculas que cambian constantemente de forma, investigar y compartir los resultados dentro de la comunidad científica puede ser complicado. Los científicos del EMBL han aportado nuevas directrices que harán que la parte de intercambio de datos sea más eficiente. La investigación se publica en la revista métodos naturales.

Esencialmente, las proteínas son cadenas de aminoácidos, muchos de los cuales se pliegan como un origami en una estructura 3D. Sin embargo, algunas proteínas “prefieren” permanecer como una cadena torcida similar a los espaguetis cocidos (ignorando el hecho de que los espaguetis son principalmente carbohidratos). De hecho, alrededor de un tercio de todas las proteínas conocidas son completa o parcialmente similares a espaguetis.

Sin embargo, eso no significa que no realicen una función. De lo contrario. Esta flexibilidad adicional le da a las proteínas varias habilidades, como adaptar su propia forma a la forma de otras moléculas. De esta manera, pueden interactuar con moléculas más diversas y, por lo tanto, participar en más procesos celulares de lo que podría hacerlo una proteína de estructura rígida.

Es importante comprender las proteínas no estructuradas, también llamadas “proteínas intrínsecamente desordenadas”, porque están implicadas en muchos procesos patológicos, como el cáncer, la neurodegeneración y las infecciones virales.

Hacer que los datos de proteínas sean significativos

Los datos científicos, incluidos los relacionados con proteínas desordenadas, son más útiles para la comunidad cuando se pueden volver a analizar e integrar con otros conjuntos de datos para explorar nuevas preguntas de investigación. Para ello, los datos deben estar descritos con precisión y ser de libre acceso. Esto generalmente se logra mediante el envío de datos a recursos de datos públicos, como los que mantiene EMBL-EBI. Algunos de los recursos de datos de proteínas más utilizados incluyen UniProt para secuencias de proteínas y Protein Database in Europe (PDBe) para estructuras de proteínas.

La comunidad científica ya ha elaborado una amplia gama de directrices para garantizar que los científicos incluyan información útil junto con los datos de sus investigaciones. Ahora, por primera vez, EMBL y sus colaboradores han desarrollado dichas pautas para datos de proteínas desordenadas.

Llamado “Experimento de información mínima sobre el trastorno” o MIADE, este conjunto de pautas es para cualquier persona que trabaje con proteínas desordenadas, para ayudarlos a compartir sus datos de una manera útil. Este marco abierto y compartido está diseñado para ayudar a los científicos de proteínas a aumentar la exploración y la interoperabilidad de los datos de proteínas.

“Además de definir la cantidad mínima de información sobre un experimento necesaria para que los resultados sean significativos para otros científicos, también definimos cómo reportar esa información”, dijo Bálint Mészáros, ex investigador postdoctoral del Grupo Gibson en EMBL Heidelberg y primer autor de el papel. “Esencialmente, estamos desarrollando un lenguaje común que puede ser utilizado por la comunidad para que la comunicación sea inequívoca”.

Lucha contra la pérdida de datos

“Es muy frustrante leer un artículo que describe una gran ciencia, pero no puedes entender completamente los datos porque falta algo realmente importante”, explicó Sandra Orchard, líder del equipo EMBL-EBI para el contenido funcional de las proteínas. “La mayoría de las veces, la información adicional existe, pero los autores pasan por alto la necesidad de compartirla. Suena tonto, pero una de las mayores pérdidas de datos ocurre porque los autores no dicen de qué especie proviene la proteína. Son trabajando en.”

A medida que la comunidad adopte MIADE, más datos deberían comenzar a fluir a las bases de datos públicas. Esto permitirá a los investigadores de todo el mundo acceder a información sobre proteínas relacionadas y familias de proteínas de interés y comparar sus datos con los de otros laboratorios. MIADE debería “ordenar” la investigación de proteínas desordenadas y hacerla más comprensible para las personas nuevas que ingresan al campo.

Las características estructurales de los sistemas de proteínas intrínsecamente desordenadas se pueden estudiar utilizando una variedad de técnicas experimentales, incluida la dispersión de rayos X de ángulo pequeño (SAXS) y la dispersión de neutrones de ángulo pequeño (SANS). SASBDB, la base de datos para SAXS y SANS, es mantenida y organizada por el equipo SAXS en EMBL Hamburgo, que contribuyó al desarrollo de las pautas MIADE.

“Es esencial que los resultados científicos se compartan, de lo contrario podrían terminar como ‘hallazgos no descubiertos'”, dijo Cy Jeffries, científico del equipo SAXS en EMBL Hamburgo y coautor de las pautas. “Fue fantástico trabajar con una comunidad diversa de científicos, ingenieros de software, programadores y administradores de recursos de datos. MIADE es un paso para garantizar que los científicos y los recursos de datos puedan comunicarse mucho más fácilmente utilizando un conjunto de términos e ideas básicos que nosotros (y computadoras) todos pueden reconocer”.

MIADE también contribuirá a posibilitar el uso de la inteligencia artificial para nuevos descubrimientos sobre proteínas desordenadas. La disponibilidad de una gran cantidad de datos estandarizados es crucial para el entrenamiento de herramientas de aprendizaje automático e inteligencia artificial. Con suficientes datos de entrenamiento, los investigadores podrían desarrollar herramientas de aprendizaje automático para ayudar a predecir nuevas proteínas desordenadas, interpretar los efectos de las modificaciones de proteínas, identificar regiones que interactúan y mucho más.

Un esfuerzo comunitario

Las pautas de MIADE brindan un marco sistemático para compartir definiciones experimentales que, además de SASBDB, también beneficiarán a muchas otras bases de datos, como BMRB (para resonancia magnética nuclear, NMR), PCDDB (para datos espectrales de dicroísmo circular) y Protein Ensemble Database ( DEP). Esto también es importante para transmitir y contextualizar datos experimentales a recursos bioinformáticos “superiores” como DisProt y otras bases de conocimiento estructural de proteínas, como las desarrolladas en PDBe.

Las guías MIADE fueron desarrolladas por científicos de más de 20 instituciones en 11 países. El trabajo fue realizado por el Instituto de Investigación del Cáncer en Londres, Reino Unido.