Mostrando entradas con la etiqueta mutaciones. Mostrar todas las entradas
Mostrando entradas con la etiqueta mutaciones. Mostrar todas las entradas

28 de abril de 2022

Gabriela y la dinámica molecular

Hola,

esta mañana leía sobre el descubrimiento de que una mutación en el gen TLR7 es suficiente para causar lupus eritematoso sistémico (LES), una enfermedad autoinmune. La mutación es la sustitución Y264H, deletérea según los programas SIFT y CADD (ver otras opciones aquí), de la que es portadora Gabriela, una chica madrileña. 

El artículo completo está en https://doi.org/10.1038/s41586-022-04642-z , yo quería simplemente destacar parte de la primera figura:

Adaptada del original en https://doi.org/10.1038/s41586-022-04642-z

En el alineamiento múltiple de arriba se puede ver que la tirosina Y264 está muy conservada en animales, y por eso SIFT le asigna una puntuación de 0.12 al cambio por histidina (otras dos mutaciones no sinónimas tienen puntuaciones de 0.05 y 0). 

El panel del medio muestra la unión del ligando guanosina al receptor silvestre TLR7 (Y264) y el de abajo con el receptor mutado, donde se ve que se libera volumen que ocupan varias moléculas de agua, aumentando a la vez la afinidad por la guanosina.

Este análisis fue posible por la disponibilidad de tres estructuras de la proteína ortóloga en Maccaca mulata en el PDB (6IF55GMF y 5GMH), que fueron usadas como punto de partida para hacer varias simulaciones de dinámica molecular que se describen con detalle (3 páginas) en el material suplementario,

hasta pronto,

Bruno

8 de marzo de 2022

CRISPR-Cas9 reloaded

Hola,

a pesar  de que lamentablemente la guerra sigue en Ucrania, hoy continuamos el marcaje que hacemos desde este blog a las enzimas Cas9 y las secuencias CRISPR (ver por ejemplo esta entrada), porque la actualidad nos ha traído novedades. Pero vayamos por partes.

La primera novedad es un trabajo de ingeniería de proteínas (publicado en https://doi.org/10.1038/s41586-022-04470-1) donde los autores avanzan en la comprensión del mecanismo de corte de la enzima Cas9 (Figura 1) y lo aprovechan para hacer una mutagénesis dirigida donde reemplazan algunos aminoácidos para que dejen de estabilizar los nucleótidos 18-20 del ADN diana en caso de no aparear (Figura 2) y sin afectar a la velocidad de la reacción de las secuencias apareadas:

figure 5

Figura 1. Modelo para la activación de la enzima Cas 9 tomado de https://doi.org/10.1038/s41586-022-04470-1.


 

Figura 2. Esquema del complejo PAM-distal gRNA–TS con moléculas de agua como círculos rojos. Los aminoácidos que contactan con los nucleótidos C18, A19 y G20 fueron mutados para comprobar su efecto en el corte de la secuencia diana. Las curvas muestran estudios de la dinámica de la reacción enzimática de corte de la Cas9 comparando moléculas guía que aparean (On-target) con moléculas que contienen mismatches (MM, Off-target) en las posiciones 18-20.  Adaptada de https://doi.org/10.1038/s41586-022-04470-1.

Qué significa esto? Pues que esta versión de Cas9 (SuperFi-Cas9) tiene mayor fidelidad y es un paso adelante en la dirección de conseguir enzimas que no corten donde no se esperaban cortes.


La segunda novedad es que en la batalla legal por los derechos de explotación de las tecnologías CRISPR parece de momento ha ganado la Universidad de Harvard, como podéis leer por ejemplo en https://www.technologynetworks.com/genomics/news/broad-institute-wins-crispr-patent-case-359160 . Ya veremos que consecuencias tiene esto para el uso de las tecnologías Cas9 en ciencia, pero vemos que si los premios Nobel dejaron fuera a algunos investigadoes clave como Francis Mójica (ver por ejemplo esto), ahora la guerra de las patentes deja fuera a las investigadoras que ganaron el Nobel por este trabajo!

Hasta pronto,

Bruno


26 de febrero de 2019

StructMAn: impacto funcional de mutaciones no sinónimas en base a la estructura 3D

Hola,
acabo de escuchar a Olga Kalininia en el Sanger Institute hablar sobre cómo analizar el impacto potencial de mutaciones no sinónimas en proteínas usando
https://structman.mpi-inf.mpg.de

Fuente: https://academic.oup.com/nar/article/44/W1/W463/2499349
Otro artículo interesante es https://www.nature.com/articles/oncsis201779

Es un "predictor sencillo", palabras textuales, que clasifica cada posición en al secuencia como sitio de interacción molecular (con otras proteínas, ligandos o ADN) o como sitio core (en contraposición a sitio en la superficie, según su área expuesta al solvente). Para ello mapea la secuencia sobre estructuras del PDB o sobre todos los modelos por homología posibles con identidad de secuencia >= 35% y luego  calcula la ΔΔ G de la mutación con foldX (del orden de segundos por mutación). Finalmente, por medio de un predictor de tipo bosque aleatorio (random forest) combina atributos de estructura y secuencia para predecir si hay un impacto funcional o no.

Entrenaron sus predictores con datos de ClinVar (fundamentalmente relacionados con cáncer), las proteínas humanas en UniProt y obtienen precisiones del orden del 80%. Es interesante que uno de los atributos que correlaciona negativamente con el impacto funcional es el desorden del residuo.
Cuando le pregunto sobre esto me dice que están mirando actualmente mutantes que afectan al splicing y están observando que suelen estar en regiones desordenadas,
hasta pronto,
Bruno