A multi-layer computational framework for structural prioritization of transcriptome-derived proteins

Na vasta biblioteca da vida, cada célula carrega um conjunto de instruções escritas em um código chamado RNA. Essas instruções dizem à célula como construir proteínas, as máquinas moleculares que realizam quase todas as tarefas necessárias para que um organismo sobreviva e funcione. Por décadas, os cientistas foram capazes de ler essas instruções com uma velocidade incrível, gerando listas massivas de sequências de proteínas de plantas, animais e micróbios. No entanto, conhecer a sequência de letras em uma proteína é apenas o começo. Para entender o que uma proteína realmente faz, os pesquisadores precisam ver sua forma tridimensional. A forma de uma proteína determina sua função, tal como a forma de uma chave determina qual fechadura ela pode abrir. O desafio é que, embora os computadores possam agora ler milhões de instruções genéticas, prever as formas complexas e dobradas das proteínas resultantes continua sendo um gargalo difícil. Sem essas formas, é quase impossãoível saber quais proteínas podem interagir com alvos específicos no corpo, como as moléculas de sinalização que impulsionam a inflamação.

É aqui que um novo estudo entra, oferecendo uma maneira sistemática de navegar por essa montanha de dados. Pesquisadores da Universidade Federal do ABC, no Brasil, desenvolveram uma estrutura computacional de múltiplas camadas projetada para filtrar milhares de proteínas candidatas e identificar as mais promissoras para estudos posteriores. Eles se concentraram no Cereus jamacaru, um cacto nativo do bioma da Caatinga brasileira, conhecido por seu potencial anti-inflamatório. Enquanto pesquisas anteriores sobre esta planta focavam principalmente em pequenos compostos químicos, esta equipe queria explorar as proteínas escondidas dentro de seu código genético. O objetivo deles não era provar que essas proteínas vegetais curam doenças diretamente, mas criar um método confiável e passo a passo para encontrar candidatos proteicos estruturalmente sólidos que pudessem interagir com sinais inflamatórios humanos. Ao combinar diversas técnicas baseadas em computador, eles conseguiram reduzir uma lista de mais de 129.000 proteínas traduzidas para apenas nove candidatos de alta confiança, demonstrando uma estratégia escalável que poderia ser aplicada aos dados genéticos de qualquer organismo.

A jornada começou com um conjunto de dados massivo contendo 129.052 sequências de proteínas derivadas da raiz e da epiderme do cacto. Para dar sentido a esse número esmagador, os pesquisadores aplicaram primeiro um filtro amplo baseado em estruturas conhecidas. Eles compararam as proteínas do cacto contra um banco de dados de formas de proteínas determinadas experimentalmente, mantendo apenas aquelas que compartilhavam mais da metade de sua sequência com uma estrutura conhecida. Este passo inicial reduziu o grupo para cerca de 14.800 candidatos. Em seguida, utilizaram um sistema de pontuação para avaliar a qualidade das formas previstas, descartando aquelas que pareciam instáveis ou pouco confiáveis. Esse processo reduziu a lista para aproximadamente 3.500 modelos estruturais de alta qualidade, criando um conjunto gerenciável de candidatos para uma análise mais profunda.

Em seguida, a equipe voltou sua atenção para três proteínas humanas específicas conhecidas como citocinas: fator de necrose tumoral alfa, interleucina-1 beta e interferon-alfa. Essas moléculas são reguladores centrais da resposta inflamatória do corpo e estão frequentemente envolvidas em condições como a artrite reumatoide. Os pesquisadores queriam ver se alguma das proteínas do cacto poderia interagir fisicamente com essas citocinas humanas. Para fazer isso, empregaram uma estratégia de docking de duas etapas. Primeiro, utilizaram um método de triagem rápido de corpo rígido para testar o quão bem as 3.500 proteínas do cacto se ajustavam às três citocinas humanas. Este passo identificou um grupo menor de proteínas que mostraram correspondências iniciais promissoras. Para refinar esses resultados, utilizaram um segundo método de docking mais flexível, que permitia leves movimentos nas formas das proteínas, imitando a maneira como as moléculas reais poderiam se ajustar ao se aproximarem. Ao buscar proteínas que tivessem um bom desempenho em ambos os métodos, os pesquisadores identificaram nove candidatos que consistentemente mostraram forte compatibilidade estrutural com as citocinas humanas.

Antes de declarar essas nove proteínas como as vencedoras finais, a equipe as submeteu a uma série de testes de validação rigorosos para garantir que suas descobertas não fossem apenas artefatos computacionais. Primeiro, refinaram as formas dessas nove proteínas usando uma ferramenta de predição altamente avançada chamada AlphaFold 3, que gerou novos modelos de alta confiança para confirmar se as estruturas iniciais eram precisas. Em seguida, analisaram os pontos específicos onde as proteínas do cacto tocavam as citocinas humanas. Eles contaram o número de ligações químicas, como pontes de hidrogênio e pontes salinas, que se formavam nessas interfaces. Um alto número dessas conexões sugeria um ajuste estável e firme. Além disso, verificaram se as partes das proteínas do cacto envolvidas nessas interações eram evolutivamente conservadas, o que significa que permaneceram inalteradas ao longo de milhões de anos de evolução. Essa conservação frequentemente indica que uma região específica de uma proteína é crítica para sua função ou estabilidade, adicionando outra camada de confiança aos resultados.

Para testar se essas interações resistiriam a condições do mundo real, os pesquisadores realizaram simulações dinâmicas. Eles colocaram os quatro pares de proteínas mais promissores em um ambiente virtual repleto de moléculas de água e simularam seu comportamento ao longo do tempo. Essas simulações duraram 100 nanossegundos cada, repetidas três vezes para cada par para garantir que os resultados fossem reproduzíveis. O objetivo era ver se as proteínas permaneceriam unidas ou se se afastariam conforme se moviam e oscilavam. Os resultados mostraram que as interações permaneceram estáveis durante as simulações. As proteínas mantiveram sua forma e seus pontos de conexão, mesmo enquanto se moviam na água virtual. Essa estabilidade dinâmica confirmou que as interações previstas não eram apenas instantâneos estáticos, mas representavam complexos robustos e fisicamente plausíveis.

O estudo também examinou de perto o que essas nove proteínas priorizadas realmente são. Através da análise funcional, a equipe descobriu que elas pertencem a diversas famílias de enzimas e proteínas reguladoras, incluindo oxidorredutases e proteínas de ligação ao RNA. Estas são componentes típicos do metabolismo vegetal, envolvidos em processos como produção de energia e resposta ao estresse. Os pesquisadores enfatizaram que a seleção dessas proteínas foi impulsionada inteiramente por sua compatibilidade estrutural com as citocinas humanas, não por qualquer suposição de que funcionassem naturalmente como medicamentos humanos. De fato, o estudo argumenta explicitamente contra a ideia de que essas proteínas vegetais sejam equivalentes funcionais diretos dos reguladores de citocinas humanas. Em vez disso, os achados sugerem que as formas tridimensionais dessas proteínas vegetais criam superfícies que podem, por acaso, encaixar-se fisicamente com os sinais inflamatórios humanos, provavelmente devido a princípios compartilhados de geometria e química, e não a uma história biológica compartilhada.

O valor último deste trabalho reside na própria estrutura. Os pesquisadores não alegaram ter descoberto um novo remédio, mas sim um método confiável para encontrar candidatos. Ao integrar múltiplas camadas de evidência — modelagem estrutural, abordagens de docking duplo, análise evolutiva e simulações dinâmicas — eles criaram um fluxo de trabalho que reduz a incerteza em cada etapa. Essa abordagem permite que os cientistas passem de conjuntos de dados massivos e ingovernáveis para uma lista curta e curada de alvos de alta confiança que estão prontos para testes experimentais. O estudo conclui que esta estratégia é transferível, o que significa que pode ser aplicada a qualquer transcriptoma ou grande conjunto de dados proteicos para identificar candidatos estruturalmente robustos. Oferece um caminho prático para a bioprospecção, transformando o fluxo avassalador de dados genéticos em um conjunto focado de hipóteses que podem guiar futuras pesquisas bioquímicas e esforços de engenharia de proteínas.