O problema de predição da proteína (PSP) vem sendo abordado desde a década de 70, mas até agora não foi encontrada uma solução (DILL; MACCALLUM, 2012), sendo um dos maiores desafios da bioinformática estrutural ainda em aberto, mesmo com vários avanços nos últimos 10 anos (DRAKE, 2015).
Na literatura existem trabalhos que demonstram que, durante o processo de folding, a proteína pode apresentar diversas conformações e que seria inviável uma abordagem aleatória para percorrer todo o espaço de busca que essas conformações podem assumir, caracterizando um problema de otimização.
O processo de folding, ou enovelamento, é o processo de formação da estrutura terciária da proteína. Para esse processo, algumas propriedades físicas precisam ser levadas em consideração (DILL; MACCALLUM, 2012):
2.6. Problema de predição da estrutura terciária 37
(a) Arquivo FASTA (b) Arquivo PDB
Figura 9: Representação computacional do problema de predição da estrutura terciária
da proteína. Em (a) é exibido a sequência primária da proteína 2LZT, onde cada caractere representa um aminoácido. Em (b) mostra cada átomo dos aminoácidos com seus valores angulares, descritos no arquivo PDB.
∙ Interações entre os aminoácidos que compõem a proteína; ∙ Interações eletrostáticas;
∙ Forças de dispersão (Van der Waals); ∙ Restrição de volume;
∙ Pontes de hidrogênio e dissulfeto;
∙ Interações dos aminoácidos com o meio aquoso.
Na Biologia Computacional, o processo de folding pode ser demonstrado utilizando dois tipos de arquivos, FASTA e PDB, os quais representam as estruturas primária e terciária, respectivamente, da proteína. A Figura 9a mostra o arquivo FASTA da proteína Lisozima (PDBID: 2LZT) e a Figura 9b exibe um trecho do arquivo PDB da mesma proteína, onde é possível ver os átomos de cada resíduo e outros valores.
A predição do processo de folding por meio de métodos computacionais na Biologia Computacional pode ser dividido em três técnicas principais (BAXEVANIS; OUELLETTE,
2001):
∙ Homologia: esta técnica prediz a estrutura terciária de uma proteína desconhecida com base em outra proteína com estrutura conhecida, chamada de homóloga, que possuem um ancestral comum;
∙ Threading: Ao contrário da homologia, esta técnica é aplicada quando uma pro- teína não possui nenhuma outra proteína homóloga, mas com uma estrutura tridi- mensional similar;
38 Capítulo 2. Proteínas
∙ Ab initio: Ao contrário dos dois métodos anteriores, esse método não precisa ter conhecimento de nenhuma outra estrutura, predizendo a estrutura da proteína le- vando em consideração os aspectos físicos e não experimentais, a partir da estrutura primária. Pode ser aplicado mesmo sem a existência de uma proteína homóloga ou similar.
39
Capítulo
3
Métodos de predição
Neste capítulo serão abordados alguns métodos aplicados no problema de predição da estrutura de proteína, os quais têm uma ferramenta de execução com uma interface amigá- vel para o usuário no servidor criado, além de estarem integrados com outras ferramentas de análises.
A Seção 3.1 descreve o framework 2PG e alguns dos seus programas utilizados. Nas Seções 3.2 e 3.3 são apresentados dois softwares diferentes aplicados ao PSP desenvolvidos no LCR-ICMC, ProtPred-EDA e AEMMT. Por fim, a Seção 3.4 sumariza as informações de alguns métodos disponíveis no servidor criado neste trabalho.
3.1
ProtPred-Gromacs
O ProtPred-Gromacs (2PG) é um framework de computação evolutiva, com algoritmos mono e multiobjetivos, aplicado ao problema de predição de estrutura da proteína (PSP) (FACCIOLI et al., 2011) (FACCIOLI et al., 2012) (FACCIOLI; BORTOT; DELBEM, 2014). O 2PG utiliza o framework GROMACS (SPOEL et al., 2009) para realizar os cálculos dos fitness1 dos indivíduos. O Gromacs (GROningem MAchine for Chemical Simulations) é
utilizado em modelagem molecular para simulações e minimização de energia em sistemas moleculares.
A representação da proteína no sistema é realizada utilizando as coordenadas Carte- sianas, e não as coordenadas internas. Com isso, o sistema trabalha com valores para os indivíduos em nível atômico. Ademais, o 2PG utiliza os campos de força CHAMM27 (FEL-
LER; MACKERELL, 2000), (KLAUDA et al., 2005) e AMBER99 (WANG; CIEPLAK; KOLLMAN,
2000).
Para execução de cada algoritmo disponível, o 2PG utiliza um arquivo de parâmetros contendo informações de diretórios, arquivos, opções avançadas para customizar a exe- cução dos algoritmos, entre outras. Esses parâmetros foram utilizados como campos de
1Na computação evolutiva, fitness é o valor de uma solução que determina o quão boa ela é para o
40 Capítulo 3. Métodos de predição
entrada nas ferramentas desenvolvidas no servidor criado. Com essa abstração, o usuário não precisa se preocupar em preencher corretamente o arquivo de parâmetro, saber qual é o nome específico do parâmetro a ser preenchido ou até mesmo correr o risco de incluir informações incorretas, o que poderia gerar resultados errôneos ou erros no software. A Figura 10 mostra o diagrama genérico de execução do 2PG.
Figura 10: Diagrama do ProtPred-Gromacs. Como entrada (input) o 2PG recebe uma
sequência de aminoácidos e um arquivo PDB como população inicial, além de um arquivo com os parâmetros do algoritmo. A partir desses arquivos, o 2PG carrega os parâmetros e o arquivo de população e calcula o fitness dos indivíduos utilizando o GROMACS. No final, vários modelos são gerados como resposta do algoritmo. (Adaptado de (FACCIOLI, 2012)).
O 2PG possui diversos algoritmos baseados em otimização implementados e aplicados ao PSP. Para esses métodos foram criadas algumas ferramentas para execução no servidor, e integrados com outros algoritmos e ferramentas de análises, em uma infraestrutura computacional baseada em cloud. Os algoritmos utilizados foram:
∙ Build Conformation: Um método para a criação de conformações aleatórias de proteínas, que são utilizadas como parâmetro de entrada como população inicial para os outros algoritmos preditores do 2PG. A partir de uma sequência de aminoácidos, esse algoritmo cria N modelos aleatórios, no padrão de arquivo PDB;