Un nuevo algoritmo hace que la interpretación de los resultados de los mapas de microscopía crioelectrónica sea más fácil y precisa, ayudando a los investigadores a determinar las estructuras de las proteínas y potencialmente a crear fármacos que bloqueen sus funciones.

Microscopía crioelectrónica, o crio-EM, utiliza haces de electrones para obtener imágenes tridimensionales de estructuras biomoleculares. El uso de esta técnica se ha disparado en los últimos años debido a los avances tecnológicos, pero a medida que cryo-EM gana fuerza en el campo, se necesitan herramientas adicionales para interpretar las imágenes que genera.

El producto final de cryo-EM es un mapa de la densidad de átomos en moléculas biológicas, incluyendo proteínas y nucleótidos. Para obtener el nivel de detalle que realmente necesitan, los investigadores deben identificar las posiciones de los residuos de átomos o aminoácidos en un mapa, que requiere análisis informático especializado. Existen programas que hacen esto, pero no siempre son precisos ni fáciles de usar, dijo Daisuke Kihara, profesor de ciencias biológicas e informática en la Universidad de Purdue.

Kihara y un investigador postdoctoral en su laboratorio, Genki Terashi, han creado un algoritmo totalmente automatizado para interpretar mapas de proteínas a una resolución inferior a la ideal, alrededor de 4 a 5 ångström (Å, una unidad de longitud para expresar el tamaño de átomos y moléculas). Se desarrollaron muchas herramientas similares para imágenes más detalladas o cristalografía de rayos X, que no funcionan tan bien para imágenes crio-EM de menor resolución.

El programa de Kihara, PALO MAYOR, identifica puntos de densidad local en un mapa EM dado y los conecta en una estructura de árbol, como conectar los puntos. El algoritmo prueba diferentes parámetros para definir puntos de densidad y ramas en un árbol.

"Con este método, no es necesario ajustar los parámetros de 1 a 1,2 a 1,5, o necesita algún conocimiento experto sobre cómo hacer esto. Típicamente, cuando la gente usa este tipo de software, eso es crítico, "Dijo Kihara." Este algoritmo ya tiene los diferentes parámetros dentro, para que los usuarios no tengan que hacer nada más que esperar ".

Luego, los árboles generados se clasifican mediante una puntuación que evalúa su similitud con la densidad de cada aminoácido en la secuencia de proteínas. Los 500 mejores modos están completamente reconstruidos y refinados.

Existen otros métodos para interpretar mapas crio-EM, pero muchos parecen similares estructuras proteicas previamente resueltas como punto de partida.

"Si ya se han resuelto las estructuras de proteínas similares, este es un lugar obvio para comenzar porque la nueva estructura probablemente sea similar, "Dijo Kihara." Los métodos basados ​​en referencias pueden ser precisos, pero si está resolviendo una estructura completamente nueva, no puedes usarlos porque no tienes nada para empezar ".

MAINMAST no depende de estructuras previamente resueltas para comenzar, es un método completamente "de novo" y, por lo tanto, modela nuevas estructuras utilizando solo información de mapas de densidad EM.

MAINMAST asigna niveles de confianza a diferentes regiones del mapa, que les dice a los usuarios qué regiones probablemente sean precisas y cuáles deben verificarse manualmente. Si el investigador conoce alguna información biológica, pueden ver visualmente qué estructuras concuerdan con su conocimiento de la proteína, Dijo Kihara.

Por otra parte, el enfoque de novo plantea algunos desafíos. A veces, las estructuras de MAINMAST necesitan un poco más de refinamiento, porque el programa no sabe cómo se ven realmente las estructuras de las proteínas. Y si un mapa crio-EM es de baja resolución y no tiene densidad en algunas áreas, MAINMAST no puede llenar esas partes. Kihara espera corregir estos defectos en el futuro, él dijo.

En mapas de densidad EM entre 2,6 y 4,8 Å de resolución, MAINMAST funcionó sustancialmente mejor que otros dos métodos de novo existentes. El código está disponible ahora, y el equipo de Kihara está trabajando para que el complemento sea más fácil de usar.

Los hallazgos fueron publicados en la revista Comunicaciones de la naturaleza .