July 8th, 2025
O design de proteínas envolve a construção de sequências de aminoácidos e a incorporação de motivos específicos para criar variantes funcionais. Essa abordagem é fundamental para o desenvolvimento de peptídeos antimicrobianos (AMPs) para combater patógenos resistentes a antibióticos. Este artigo apresenta um procedimento para construção de proteínas usando várias ferramentas de bioinformática.
Esta pesquisa tem como objetivo gerar os modelos estruturais de proteínas com funções antimicrobianas. Esses modelos são usados para realizar análises específicas que ajudam a determinar a utilidade de cada proteína como tratamento antes dos testes in vitro. Atualmente, a pesquisa neste campo depende de métodos in silico para a validação de proteínas de design. No entanto, eles não estabeleceram ferramentas desenvolvidas especificamente para apoiar essa parte de um processo. Nossa pesquisa futura se concentrará na inferência de redes biológicas e na interação da microbiota entre o hospedeiro e o ambiente em redes multicamadas. Este trabalho será apoiado por bionets ML e nosso pacote desenvolvido por colegas do laboratório.
[Narrador] Para começar, visite o servidor I-TASSER para previsão de estrutura e função de proteínas. Envie o alvo molecular ou a sequência de design como um arquivo no formato FASTA, um arquivo de texto ou colando-o diretamente no campo de entrada. Atribua um nome exclusivo à sequência e clique em executar I-TASSER para permitir que o programa analise a sequência. Para prever a estrutura 3D usando o trRosetta, acesse o servidor trRosetta. Insira a sequência do receptor alvo como um arquivo de formato FASTA, um arquivo de texto, um arquivo de formato MSA ou cole-o diretamente no campo de entrada no servidor. Depois de se registrar usando um e-mail institucional, atribua um nome à proteína prevista estruturalmente. Certifique-se de que a opção de excluir modelos esteja selecionada e escolha executar trRosettaX-Single para excluir o uso de quaisquer sequências e modelos homólogos. Clique em enviar para iniciar o processo de previsão da estrutura da proteína. No resultado da previsão, verifique se a pontuação TM é uma medida da qualidade do modelo. Em seguida, examine mapas de contato, mapas de distância por aminoácido e mapas de rotação para carbonos alfa e beta nos ângulos ômega, e phi. Abra um navegador da Web e navegue até o servidor da Web HADDOCK. Clique em enviar um novo trabalho e insira um nome de trabalho e o número de moléculas. Carregue as estruturas PDB das moléculas para encaixe. Deixe as configurações padrão inalteradas e clique em Avançar. Insira os resíduos de aminoácidos ativos e passivos para a molécula um e a molécula dois e clique em próximo. Na seção de parâmetros de encaixe, deixe as configurações padrão para todos os parâmetros, como restrições de distância, parâmetros de amostragem, parâmetros de agrupamento, etc., inalteradas e clique em enviar para iniciar o processo de encaixe. Abra a página de resultados e revise os resultados do encaixe. Depois de baixar o arquivo de encaixe do receptor de ligante, abra um software de visualização estrutural, como UCSF Chimera ou PyMOL. Carregue o arquivo de encaixe e visualize o modelo de estrutura. O modelo trRosetta do antiportador de sódio-hidrogênio revelou uma estrutura terciária altamente ordenada composta principalmente de alfa-hélices formando um feixe transmembrana compactado. Isso sugere o papel funcional da proteína como um transportador de íons embutido na membrana. A confiabilidade do modelo é apoiada por altos valores de teste de diferença local acima de 80% em toda a região central, com confiança reduzida em ambos os terminais, indicando possível flexibilidade. Os mapas de contato e distância confirmam dobras estáveis com padrões diagonais e agrupados consistentes. O acoplamento molecular do peptídeo antifúngico projetado no domínio extracelular do receptor resulta em um complexo estável, como evidenciado por uma pontuação HADDOCK favorável de -73 e um baixo desvio quadrático médio da raiz de 0,7 Angstroms. As distâncias medidas confirmam contatos próximos entre aminoácidos específicos, sendo o mais curto observado entre a tirosina 407 e a cisteína 13.
View the full transcript and gain access to thousands of scientific videos
Este estudo concentra-se no desenvolvimento de modelos estruturais de proteínas com funções antimicrobianas usando ferramentas de bioinformática. Os modelos gerados são analisados quanto ao seu potencial como tratamentos contra patógenos resistentes a antibióticos antes de prosseguir para testes in vitro.
Rapid, in silico protein modeling and docking are transforming early-stage antimicrobial discovery by enabling predictive evaluation of protein variants before laboratory synthesis. This approach accelerates the identification of candidates with high functional potential, directly addressing the urgent need for novel therapeutics against resistant pathogens. Integrating these computational tools into the discovery pipeline enhances portfolio triage and reduces biological risk prior to resource-intensive in vitro work.
These computational methods integrate at the interface of early discovery and lead identification, providing a foundation for subsequent experimental validation and preclinical assessment.