A polarized charge model for RNA: enhanced stability of G- quadruplexes and improved folding free energy landscapes

La vida en la Tierra depende de un complejo lenguaje molecular escrito en ácido ribonucleico, o ARN. Si bien el ADN es a menudo celebrado como el plano maestro de la herencia, el ARN actúa como el trabajador activo, traduciendo las instrucciones genéticas en proteínas y regulando innumerables procesos biológicos. Para entender cómo el ARN realiza estas tareas, los científicos deben ver cómo se pliega en formas tridimensionales específicas. La forma de una molécula determina su función, de la misma manera que una llave debe tener los contornos adecuados para encajar en una cerradura. Durante décadas, los investigadores han utilizado poderosas simulaciones por computadora para observar cómo estas moléculas se mueven y se pliegan, con la esperanza de predecir su comportamiento sin necesidad de construirlas en un laboratorio. Sin embargo, estos modelos digitales han tenido dificultades para capturar la verdadera naturaleza del ARN, produciendo a menudo formas demasiado laxas o inestables, que no coinciden con lo observado en experimentos reales.

El núcleo de este problema reside en cómo las simulaciones manejan la electricidad. Las moléculas de ARN tienen una alta carga eléctrica, y existen en un entorno acuoso donde las moléculas de agua constantemente blindan y remodelan estas fuerzas eléctricas. Los modelos informáticos estándar han tratado tradicionalmente la carga eléctrica de cada átomo como un valor fijo e inalterable, ignorando cómo el agua circundante y otros átomos podrían desplazar ligeramente esa carga. Esta simplificación causa que las simulaciones calculen erróneamente qué tan fuerte se atraen o repelen las diferentes partes del ARN. Como resultado, las moléculas digitales suelen desmoronarse o no logran formar las estructuras apretadas e intrincadas que la naturaleza crea.

En un estudio reciente, un equipo de investigadores de la Universidad de Jining y la Universidad de Tecnología Avanzada de Shenzhen propuso una nueva forma de solucionar esto. Desarrollaron un método para calcular las cargas eléctricas de los átomos del ARN no como números fijos, sino como valores que cambian dependiendo de la forma específica y el entorno de la molécula. Llaman a este enfoque un modelo de carga polarizada. Al aplicar este nuevo método a dos tipos distintos de estructuras de ARN, el equipo demostró que sus simulaciones podían mantener estas moléculas unidas de manera mucho más efectiva que los modelos anteriores. Los resultados sugieren que tener en cuenta estas fuerzas eléctricas cambiantes es esencial para crear gemelos digitales precisos del ARN.

Los investigadores probaron primero su modelo en una estructura conocida como G-cuadruplex. Estos son formas complejas de cuatro hebras formadas por secuencias de ARN ricas en un componente llamado guanina. Los G-cuadruplex se estabilizan por una pila de anillos planos de guanina y, crucialmente, requieren iones metálicos, como potasio o sodio, para situarse en el canal central y mantener la estructura unida. En las simulaciones estándar utilizando modelos antiguos, estos iones centrales a menudo se alejan hacia el agua circundante, provocando que toda la estructura se desmorone. Cuando los investigadores aplicaron su nuevo modelo de carga polarizada, los iones permanecieron firmemente en su lugar. El modelo recreó con éxito la fuerte atracción eléctrica entre los iones centrales y los anillos de ARN circundantes, manteniendo la estructura estable durante la duración de la simulación. Esta estabilidad se observó en diferentes tipos de iones y en varios entornos de simulación estándar, lo que indica que el nuevo método corrige un error fundamental en cómo se calculaban estas interacciones anteriormente.

El equipo dirigió luego su atención a una estructura más simple pero igualmente importante: el horquillado de ARN (hairpin). Este es un pliegue común donde una sola hebra de ARN se dobla sobre sí misma para formar un tallo y un bucle, asemejándose a una horquilla. Para probar su modelo, los investigadores simularon el proceso de una hebra de ARN suelta plegándose en esta forma de horquilla. Utilizaron una técnica especializada que permite a la computadora explorar muchas formas diferentes y calcular la energía necesaria para alcanzar cada una. En las simulaciones que utilizaban modelos estándar, el paisaje energético era desordenado y confuso, fallando a menudo en mostrar que el horquillado plegado era el estado más estable. En contraste, cuando los investigadores usaron su modelo de carga polarizada, las simulaciones mostraron consistentemente que el horquillado plegado era la forma energéticamente más favorable. El modelo guio con éxito la hebra de ARN virtual hacia su forma correcta y compacta, coincidiendo con lo observado en experimentos del mundo real.

Una idea clave de este trabajo es que la carga eléctrica de un átomo no es una propiedad estática, sino que depende de su entorno. En el horquillado plegado, los átomos involucrados en los enlaces de hidrógeno se vuelven ligeramente más cargados de lo que están en una hebra suelta y desplegada. El nuevo modelo captura este cambio, mientras que los modelos antiguos tratan a cada átomo como si tuviera la misma carga, independientemente de si está enterrado dentro de un nudo apretado o expuesto al agua. Al incorporar esta sensibilidad, los investigadores descubrieron que sus simulaciones podían reproducir la estabilidad correcta de la molécula sin necesidad de cambiar las reglas matemáticas subyacentes del software de simulación. Esto significa que el método puede ser adoptado fácilmente por otros científicos que utilicen herramientas estándar, ofreciendo una actualización práctica al campo.

El estudio también destacó una limitación: los nuevos valores de carga dependen de la forma específica de la molécula utilizada para calcularlos. Si los investigadores calcularan las cargas basándose en una hebra suelta y desplegada y luego intentaran simular el proceso de plegado, los resultados serían menos precisos. El modelo funciona mejor cuando las cargas se derivan de una forma que se asemeja estrechamente a la estructura final y estable. Esto sugiere que, para obtener los resultados más precisos, los científicos deben utilizar la forma conocida y estable de una molécula para generar los parámetros de carga antes de realizar las simulaciones de cómo se comporta dicha molécula.

En última instancia, esta investigación proporciona una ventana más clara al mundo microscópico del ARN. Al refinar la forma en que se calculan las fuerzas eléctricas, el equipo ha demostrado que es posible crear simulaciones que son mucho más fieles a la realidad. La capacidad de mantener estables los G-cuadruplex y de predecir correctamente el plegado de los horquillados acerca a los científicos a la comprensión de cómo el ARN funciona en la salud y la enfermedad. Si bien el método no es una solución perfecta para todos los escenarios, ofrece un paso significativo hacia la búsqueda de modelar la maquinaria dinámica y compleja de la vida a nivel atómico.