Análisis bioinformático de las proteínas multifuncinales (Moonlighting)

• Autores: Sergio Ivan Hernández Ranzani
• Directores de la Tesis: Enrique Querol Murillo (dir. tes.), Juan Antonio Cedano Rodríguez (dir. tes.)
• Lectura: En la Universitat Autònoma de Barcelona ( España ) en 2016
• Idioma: español
• Tribunal Calificador de la Tesis: Francesc Xavier Avilés Puigvert (presid.), Jorge Lloberas Cabero (secret.), Rafael de Llorens Duran (voc.)
• Materias:
  • Química
    • Bioquímica
      • Proteínas
    • Química macromolecular
      • Polipéptidos y proteínas
  • Ciencias de la vida
    • Biología molecular
• Enlaces
  • Tesis en acceso abierto en:  TDX  TESEO  DDD 
• Resumen

  • Moonlighting es la capacidad de algunas proteínas para ejecutar dos o más funciones bioquímicas. En general, las proteínas multifuncionales se identifican experimentalmente por casualidad (serendipia). Por esta razón, sería útil que la Bioinformática pudiera predecir esta multifuncionalidad, sobre todo debido a la gran cantidad de secuencias de proteínas provinientes de los proyectos genoma. En el presente trabajo, analizamos y describimos varios enfoques que utilizan secuencias, estructuras, interactómica y algoritmos y programas bioinformáticos corrientes para tratar de superar este problema. Entre estos enfoques están: a) la búsqueda de homología remota utilizando Psi-Blast, b) la detección de motivos y dominios funcionales, c) utilizar la información contenida en las bases de datos de interactómica (PPIs), d) el análisis de correlación de mutaciones de aminoácidos mediante algoritmos como MISTIC. Los programas diseñados para identificar un motivo o dominio funcional detectan principalmente la función canónica pero generalmente fallan en la detección de la función moonlighting, en todo caso Pfam y ProDom son los mejores métodos. La búsqueda de homología remota por Psi-Blast combinado con los datos de las bases de datos interactómica (PPIs) presentan el mejor rendimiento. La información estructural y análisis de correlación de mutación nos pueden ayudar a mapar los sitios funcionales. El análisis de correlación de mutación sólo se puede utilizar en situaciones muy específicas dado que se requiere la existencia de un multialineamiento de numerosas secuencias de proteínas de una familia funcional, pero esta estrategia puede sugerir cómo tuvo el proceso evolutivo de adquisición de la segunda función. En los análisis del presente trabajo se ha utilizado la base de datos de proteínas multifuncionales MultitaskProtDB (http://wallace.uab.es/multitask/), publicada anteriormente por nuestro grupo. Finalmente, indicar que un gran porcentaje (76%) de las proteínas multifuncionales humanas están implicadas en enfermedades y que el 47% son dianas de fármacos existentes. Esto aumenta el interés por los métodos para la predicción de proteínas moonlighting.