Bioinformática estructural Principios y aplicaciones de la Biofisicoquímica molecular Dr. Marcelo A. Martí Grupo de Modelado Molecular DQIAyQF Grupo de Bioinformática Estructural Dto.QB Facultad de Ciencias Exactas y Naturales Universidad de Buenos Aires marcelo@qi.fcen.uba.ar, marcelomarti@yahoo.com

¿Que es la Bioinformática estructural? Bioinformática: Desarrollo y aplicación de métodos que convierten datos biológicos en conocimiento sobre los sistemas 1) Desarrollo: teorías y algoritmos 2) Aplicaciones: análisis-predicción 3) Organización de datos: Arrays, Mass Spectrometry, DNA seqs Bioinformática estructural aplicación de 1,2 y 3 a la estructura de biomoléculas. 1 y 2 => química computacional 3 bases de datos estructurales

¿Qué es la Estructura? “Conocer la estructura implica conocer la posición espacial relativa de todos los átomos de la proteína” X Y Z

Otras Representaciones: Resalta la estructura adoptada por el “Backbone”

Otras Representaciones: Representación del potencial electroestático superficial Representación Volumétrica

Métodos de Simulación Computacional En Química y Biología Herramientas fisicoquímicas implementadas en programas 1) Modelos: recetas para evaluar superficie energía potencial (SEP). (potenciales clásicos, QM, etc) 2) Esquemas para extraer información de SEP. Monte Carlo, Dinámica Molecular.

MODELOS CUANTICOS Resuelven (o tratan!) ecuación Schrödinger: H = E , Energía es función de la configuración electrónica y de las posiciones nucleares Existen diferentes niveles de teoría (HF, DFT, MP2, CI, Semiempiricos) Indispensable para: procesos reactivos, estados excitados. En principio: válido para cualquier sistema. En la práctica: limitaciones computacionales en cuanto al tamaño del sistema.

MODELOS CLASICOS Modelos basados en la ideas clásicas: (ley Coulomb, resortes, etc) E = f(N:x,y,z) Distintos niveles aproximación según complejidad función propuesta, (atomísticos, grano grueso). En principio: no son válidos para procesos reactivos. Parametrización es clave y requiere artesanía! Son los más utilizados para Biomoléculas!!

Campos de Fuerza Clásicos ¿cómo es un campo de fuerza? Términos de unión Términos de NO unión

¿Como obtengo la información relevante? Supongamos que podemos crear MUCHAS conformaciones “R” y leer E(R) para cada una puedo crear una superficie de energía potencial (SEP) E Q Q1 Q3 Q2 V(Q2)-V(Q1) Propiedades del sístema

¿Cómo obtengo la SEP? x(t + dt) = x(t) + v dt + ½ (F(t)/m) dt2 Proyección temporal de las coordenadas integrando las ecuaciones de Newton => TRAYECTORIA x(t) => x(t + dt) => x(t + 2dt) ….. x(t + dt) = x(t) + v dt + ½ (F(t)/m) dt2 F = E/x Alternativa: Muestreo de la SEP x Monte Carlo

Monte Carlo A partir de una configuración de partida, se generan configuraciones nuevas “al azar” Cada nueva configuración se evalúa p = exp(-E)/kT), donde E, es la diferencia de energía entre ambas config. Si p > 1, se acepta la movida. (E < 0) Si p< 1 (E > 0), se compara p con otro número al azar entre 0 y 1, X. Si p < X, se acepta la movida.

¿Qué quiere decir aceptar movida? “A” propiedad del sistema y Ri una confromación Si acepto movida, uso esa configuración para la suma. Si rechazo movida, vuelvo a poner en la suma la configuración anterior. Actualmente MC se utiliza como algoritmo eficiente de búsqueda en el espacio configuracional

¿Qué se obtiene de una simulación? Confirmación de las Hipótesis sobre el comportamiento FQ de los sistemas estudiados Entender determinantes moleculares de un fenómeno conocido. Obtener valor agregado: poder lograr información no accesible experimentalmente

Un poquito más de FQ: “E vs G” Los métodos QM como los de MD nos permiten obtener la Energía “E” directamente pero El comportamiento de las Biomoléculas en solución esta determinado por la Energía Libre (G o A) G = H -T S A = E -T S En fases condensadas H  E, y G  A G = RT ln (Keq)

Estudio Dinámico Estructural de la Neuroglobina Humana Ejemplo 1 Estudio Dinámico Estructural de la Neuroglobina Humana

La Neuroglobina Grupo Hemo Función: desconocida Control redox ?

Mecanismo de regulación: Oxy Equilibrio 6c-5c determina la afinidad!! ¿Qué hicimos? Dinámica Ngb 6c, 5c, Oxy, 6cS-S, 5cS-S Perfil de energía libre 5c(S-S) <=> 6c(S-S)

Comparación estructural RMSD(Å): RMSD clustering: 6c SH Oxy 5c SH 6c S-S 5c S-S 6c vs 5c 1.96 6c vs Oxy 1.42 6c vs 5c (S-S) 0.73

Equilibrio 6c-5c S-S SH ------

Explicación Molecular 6c SH, 5c SH, Oxy 6cSS ---, 5cSS ---

Ejemplo 2 Mecanismos de regulación de la afinidad por oxigeno en hemoproteínas x Métodos QM-MM

Métodos Híbridos QM/MM Juntan lo bueno y lo malo de ambos mundos Precisión y relatividad en el sitio activo (QM) + efecto realístico del entorno proteico (MM) Estudio de reacciones Químicas en sistemas complejos Ejemplo: Calculo de energía de unión oxígeno en hemoproteínas Eu = Eoxy-(Edeoxy-EO2) Koff  Eu

Relación estructura-afinidad HisE7 ValE11 HisF8 Proteína Mioglobina Res. Dist. HV GV HN EO2 27.0 22.7 30.1 koff 12 1600 0.54 TyrB10 GlnE7 GlnE11 HisF8 Proteína trHb N Res. Dist. YQQ AQQ YQL YLQ ALL EO2 41.5 31.3 31.5 35.8 22.5 koff 0.014 30 n.r 0.2

Combinando MD con QM/MM Sitio Activo de la hemoglobina de Cerebratulus lacteus Afinidad por O2 moderada La mutación de TyrB10 reduce la afinidad 3 veces La mutación de ThrE11 aumenta la afinidad 1000 veces

Dinámica Molecular CerHb 2 conformaciones para la Tyr B10 ΔE O2 24.4 kcal/mol ΔE O2 32.8 kcal/mol Perfil de energía libre de ínter-conversión

Conclusión: Efectos dinámicos sobre la afinidad Proteína ΔEO2 (kcal/mol) koff (s-1) Salvaje 28.6* 180 Mut. TyrB10 26.1 540 Mut. ThrE11 32.0 0.18 *Sólo postulando un equilibrio dinámico se explican los resultados para la wt y las dos mutantes

Catálisis Enzimática x Métodos QM-MM Ejemplo 3 Catálisis Enzimática x Métodos QM-MM

Reacciones enzimáticos (x métodos QM-MM) Sitio activo: QM proteina: MM

Reaccion de la corismato mutasa Prefenato Corismato

Resulado: Reactivo Producto E Kcal/mol DE‡ = 13.8 DE‡ = 5.3 D(DE‡) = 8.5 D(DE‡exp) = 8 Reactivo DE = -22.0 DE = -24.9 Producto