Resumen del seminario 05 de abril del 2016

En esa ocasión tuvimos el placer de contar con una plática que nos dio David (Seminario del 05 de abril del 2016). Les dejo el resumen de su plática y sus resultados.

Saludos!

Alejandra

 

Estudio sobre la multifuncionalidad en polipéptidos

Respecto al trabajo usado como antecedente para mi proyecto, se podría concluir que se desarrolló y se validó un algoritmo que pudiera predecir posibles actividades compatibles con la función de ser penetrador de células. De acuerdo a los resultados de la predicción, las funciones de unión a ADN y de ser antimicrobiano serían compatibles con la de penetración de célula. Para hacer la validación de este método, se diseñaron tres péptidos (NLS-α-CE, α-NLS-C y Chimera) de tal forma que tuvieran estas tres funciones. En experimentos de crecimiento bacteriano de cepas de E.coli, los péptidos presentaron MICs de 2, 20 y 22 uM para NLS-α-CE, α-NLS-C y Chimera, respectivamente. Mediante los ensayos EMSA (ElectroMobility Shift Assay), se comprobó que efectivamente se unen a ADN, pues al correr plásmidos en presencia de estos péptidos diseñados, no se observó migración alguna al aplicar campo eléctrico. Por último, a estos mismo péptidos se les marco con un colorante llamado TAMRA, y se incubaron junto con un cultivo de levaduras. Usando un miscroscopio de fluorescencia confocal, se observó que el péptido había penetrado en las células de levadura.

Estos resultados sirvieron de motivación para mi proyecto de investigación, que se enfoca en desarrollar una metodología que me permita determinar las posibles actividades compatibles para una función de interés. Para lograrlo, utilizaré el algoritmo desarrollado en el trabajo previamente mencionado. Sin embargo, yo no predeciré péptidos que sean penetradores de células; si no péptidos que puedan realizar la función de mi interés.

Para mi set objetivo, tomé 55 millones de secuencias peptídicas de la base de datos de Pfam. Como dije previamente, esta vez el algoritmo fue entrado para predecir otra función, la de unión a ADN. Después de correr el algoritmo, solamente 145,352 secuencias presentaron capacidad para llevar a cabo esta función. De todas estas secuencias, se buscó la proteína a la cuál pertenecían, y se realizo un filtro, para descartar todas aquellas de las cuáles no existía evidencia experimental de que desarrollaban la actividad predicha, reduciendo el número de péptidos a 543.

El segundo filtro se encarga de eliminar aquellos péptidos que resulten ser falsos positivos, es decir, secuencias que presenten solamente un cambio de especificidad. Una forma de visualizar este cambio de especificidad es en un grupo de enzimas que tengan en común los primeros tres dígitos de la clasificación enzimática, pues todas las enzimas en este conjunto realizan la misma reacción, cambiando solamente el sustrato. Para comprobar que efectivamente esta era una buena forma de medir cambios de especificidad, se formaron grupos de enzimas que compartieran los primeros tres números de la clasificación enzimática, y se comparaban las relaciones ontológicas (obtenidas de Gene Ontology, GO) entre enzimas del mismo grupo. Desafortunadamente no fue posible visualizar intuitivamente este cambio de especificidad con esta metodología (esto se mostró en los grafos que presenté al final de mi presentación, en donde había ramificaciones en diferentes niveles). Otra alternativa para medir cambio de especificidad consiste en usar el mismo algoritmo de clasificación, pero entrenándolo esta vez para predecir cambio de especificidad.

Anuncios

Responder

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Cerrar sesión / Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Cerrar sesión / Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Cerrar sesión / Cambiar )

Google+ photo

Estás comentando usando tu cuenta de Google+. Cerrar sesión / Cambiar )

Conectando a %s