Límites empíricos del MCP, Chothia y Lesk

La comparación de secuencias y estructuras desveló que proteínas semejantes a nivel de su secuencia tienen también semejantes estructuras terciarias. Sabemos además que proteínas relacionadas evolutivamente pueden mantener su semejanza estructural aún perdiendo su semejanza a nivel de secuencia.

Para expresar la semejanza a nivel se secuencia se usa normalmente el % de identidad que mide la proporción de posiciones de un alineamiento que son idénticas entre las secuencias alineadas. Hay otras formas más complicadas de expresar este concepto, pero sólo mencionaremos el e-value, una medida que hace referencia a bases de datos de secuencias. Si esta base contiene 1000 secuencias y las alineamos contra una secuencia X, cada una de ellas tendrá asociada un e-value para su alineamiento con X, que será el número esperado de secuencias en la base que obtendrian la misma puntuación por puro azar. De esta manera alineamientos con e-values bajos serán significativos.

Para expresar la semejanza estructural se usan también muchas formas de medida, pero casi todas ellas se basan en el RMSD, la raíz de la desviación cuadrática media de las posiciones de pares de átomos de dos proteínas que queremos comparar. Es una función sencilla de calcular a partir del alineamiento o superposición estructural de 2 proteínas $p$ and $q$ , donde $n_{eq}$ es el número de residuos alineados, normalmente representados por sus $C\alpha$ o $C\beta$ , y $d_{i}$ es la distancia entre dos residuos:

$$RMSD(p,q) = \sqrt{ \frac{ \sum_{i=1}^{n_{eq}}d_{i}^{2}}{n_{eq}} }$$ (1.1)

Chothia & Lesk (1986) cuantificaron por primera vez este principio de secuencias similares tienen estructuras similares en un número relativamente pequeño de pares de proteínas relacionadas evolutivamente. Para cada par definieron el corazón (core) del plegamiento como la fracción de residuos que podían superponerse a menos de 3Å of RMSD, usando las coordenadas de sus $C\alpha$ . Con los datos obtenidos pudieron ajustar una función exponencial que relaciona la semejanza secuencial con la estructural en el corazón del plegamiento:

$$RMSD_{esperado} = 0.40 e^{1.87(\frac{100-\%identidad}{100})}$$ (1.2)

La figura 1.8 muestra unos datos equivalentes a los de Chothia y Lesk obtenidos con un número mucho mayor de pares de roteínas. Incluye datos obtenidos de un experimento de evaluación continua de servidores de MCP, EVA (Eyrich et al., 2001), que muestran como la curva de Chothia y Lesk limita las aplicaciones del MCP. En general se puede decir que los servidores de MCP construyen modelos con errores a nivel del esqueleto peptídico de 1Å si el % de identidad está en torno al 95%. Si la identidad baja al 30% el RMSD esperado es ya de 4Å. Además, en la figura se ve que al bajar la identidad de secuencia es más difícil predecir el error cometido.

Figura 1.8: A, comparación de servidores de MCP. Se muestran RMSDs de carbonos alfa en función de la identidad se secuencia con los moldes utilizados. Las barras de error muestran la variabilidad de las observaciones. B, (ejes como en A), observaciones para pares de dominios SCOP usadas para calcular las barras de error de A. Para esta figura conté con la ayuda de Paul W.Fitzjohn, Cancer Research UK.

Aparte de estas limitaciones intrínsecas de las técnicas de MCP, los errores en la elección de moldes y sus alineamientos afectan negativamente a los modelos obtenidos. Por otro lado, de momento no hay herramientas fiables para calcular el arreglo de más de un dominio, es decir, para predecir estructuras cuaternarias, ni para predecir de manera ordinaria la estructura ni la dinámica de dominios flexibles. Por último, la calidad de los los modelos comparativos de proteínas sólo puede evaluarse a posteriori, porque a diferencia de las técnicas experimentales normalmente no intervienen en su construcción datos obtenido en el laboratorio que sirvan de control.

Talvez ahora podremos apreciar mejor la figura de las aplicaciones del MCP 1.1.