Estudio de la Evolución Dinámica de las Proteínas Intrínsecamente Desordenadas Usando Cuaterniones Duales y Aprendizaje Automático Profundo

El problema central de este proyecto reside en el desconocimiento de los factores que determinan el desorden estructural en las proteínas. Por lo tanto, se propone investigar la correlación entre la estructura primaria de proteínas intrínsecamente desordenadas (IDPs) y la dinámica estructural de sus regiones desordenadas, como una estrategia para develar las características, a nivel atómico, que inducen el desorden. Lo anterior es de fundamental importancia para determinar las relaciones entre secuencia, estructura y función de proteínas que incluya regiones de gran plasticidad [1,2]. A pesar de los avances en la comprensión de la función de las IDPs, la correlación entre la dinámica de sus regiones ordenadas y desordenadas es aún incierta, lo que limita la capacidad de predicción sobre su comportamiento y su papel en los procesos biológicos en los cuales están implicadas, como en la formación de fibras amiloides, cuya presencia en los tejidos de los seres humanos se asocia a enfermedades como el Alzheimer y Parkinson, entre otras [3,4]. Actualmente, los estudios que buscan dilucidar las bases estructurales de las IDPs se enfrentan a desafíos significativos debido a la dificultad inherente para estudiar sus configuraciones dinámicas. Si bien técnicas como la resonancia magnética nuclear (RMN) y el análisis de dispersión de rayos X de ángulo pequeño (SAXS) han proporcionado información valiosa sobre los estados conformacionales transitorios de las IDPs, la correlación entre sus movimientos y su estructura primaria permanece en gran parte indeterminada [5,6]. La hipótesis principal de este proyecto es que la dinámica estructural de las IDPs está influenciada por su secuencia primaria, y que existe una correlación específica entre los movimientos de los residuos que conforman las regiones desordenadas, lo que implica que solo una porción reducida de residuos en la región desordenada gobierna la extrema flexibilidad (plasticidad) de esas regiones de la proteína. Este estudio pretende evaluar si, mediante el empleo de cuaterniones duales y algoritmos de aprendizaje profundo, se puede caracterizar una firma dinámica única de las IDPs que permita determinar los residuos claves que permiten conservar funciones específicas sin necesidad de una estructura fija. Esta correlación representaría un principio estructural que las IDPs compartirían con proteínas clásicamente estructuradas, y destacaría el potencial de la inteligencia artificial (IA) en la identificación de patrones moleculares. El objetivo general de este proyecto es determinar si la dinámica estructural de las proteínas intrínsecamente desordenadas está condicionada por su estructura primaria y si existe una correlación significativa entre el movimiento de los residuos en las porciones desordenadas de estas proteínas. Los objetivos especificos son: la determinación de la correlación de los residuos de una proteína intrínsecamente desordenada mediante cuaterniones duales usando análisis de componentes principales y error de predicción; el otro objetivo especifico es el análisis de la estructura de proteínas intrínsecamente desordenada obtenida mediante inteligencia artificial. Como resultados se espera obtener conocimiento básico de frontera sobre la relación secuencia-estructura de las proteínas en general y en particular de la proteínas intrínsecamente desordenadas, dos artículos científicos en revistas indexadas, dos tesis de pregrado y posgrado concluidas, una ponencia en congreso internacional y una conferencia de difusión abierta al público. El impacto de este proyecto es significativo, ya que aborda cuestiones clave relacionadas con la salud humana y el entendimiento de enfermedades críticas como el Alzheimer, el Parkinson y el cáncer. Al profundizar en el estudio de las proteínas intrínsecamente desordenadas (IDPs) y su rol en procesos patológicos, el proyecto tiene el potencial de generar avances en diagnósticos más tempranos y terapias más efectivas.