cat P06780.fasta15 Introducción al modelado estructural
En este módulo se introducen los principios fundamentales del modelado estructural de proteínas, cubriendo desde la estructura primaria hasta la cuaternaria, así como el uso de herramientas basadas en inteligencia artificial (IA) como AlphaFold y Boltz-1.
15.1 🧬 Niveles de organización estructural de una proteína
| Nivel | Descripción breve | Ejemplo visual/conceptual |
|---|---|---|
| Primaria | Secuencia lineal de aminoácidos (residuos) | MKTIIALSYIFCLVFADYKDDDDK |
| Secundaria | Plegamientos locales como hélices α o láminas β | Hélice α en una proteína transmembranal |
| Terciaria | Estructura tridimensional completa de una cadena polipeptídica | Dominio catalítico de una enzima |
| Cuaternaria | Asociación de múltiples cadenas polipeptídicas (subunidades) | Hemoglobina con 4 subunidades |
15.2 🧠 ¿Por qué modelar estructuras?
- Entender la función a partir de la forma.
- Predecir sitios activos, de unión a ligandos o a otras proteínas.
- Complementar estudios evolutivos con información estructural.
- Guiar experimentos de diseño racional, docking, mutagénesis o ingeniería de proteínas.
15.3 🤖 Modelado estructural con inteligencia artificial
En los últimos años, herramientas basadas en IA han revolucionado el campo del modelado proteico.
| Herramienta | Fuente / institución | Tecnología base | Uso principal |
|---|---|---|---|
| AlphaFold | DeepMind (Google) | Redes neuronales profundas | Predicción de estructuras a partir de secuencia |
| Boltz-1 | Universidad Nacional Autónoma de México (ejemplo) | Machine Learning (Ensemble) | Modelado rápido en servidores académicos |
| RoseTTAFold | Baker Lab (U. Washington) | Redes de atención (transformers) | Alternativa a AlphaFold, más modular |
| I-TASSER | Zhang Lab | Basado en plantillas y IA | Modelado por homología + refinamiento |
15.4 📂 Entrada necesaria
Para todas estas herramientas, la entrada básica es una secuencia en formato FASTA:
Asegúrate de tener una secuencia sin errores (sin residuos no estándar, sin caracteres especiales) y de al menos 50 aminoácidos para obtener modelos confiables.
15.5 📡 Plataformas en línea disponibles
| Plataforma web | URL | Requiere cuenta | Tiempo de espera | Comentario |
|---|---|---|---|---|
| AlphaFold DB | alphafold.ebi.ac.uk | Si (Google) | N/A (consulta modelos ya hechos) | Sólo consulta, no genera nuevos |
| ColabFold | colab.research.google.com | Sí (Google) | Medio | Modelo de AlphaFold accesible desde Google Colab |
| Boltz-1 Web | github.com/jwohlwend/boltz | Sí | Bajo | Rápido, para proyectos educativos o exploratorios |
| I-TASSER server | zhanggroup.org/I-TASSER | No | Medio a largo | Modelo basado en plantillas (si existen) |
15.6 🧭 Siguientes pasos
Una vez que obtengas tu modelo, puedes:
- Visualizar la estructura tridimensional con herramientas como PyMOL, Chimera o ChimeraX.
- Evaluar su calidad usando puntuaciones como pLDDT (AlphaFold) o C-score (I-TASSER).
- Comparar estructuras con otras proteínas (estructura-conservación).
- Usarlo para modelado funcional, docking, diseño o anotación estructural.
15.7 📌 En resumen
- El modelado estructural predice la forma 3D de una proteína a partir de su secuencia.
- Herramientas modernas como AlphaFold permiten hacerlo con precisión sin necesidad de cristalografía.
- La interpretación de los modelos depende del contexto biológico y debe ir acompañada de análisis funcionales y evolutivos.