La UAB crea herramientas bioinformáticas para predecir proteínas clave en alzhéimer, párkinson y cáncer

Un equipo del Instituto de Biotecnología y de Biomedicina (IBB) de la Universitat Autònoma de Barcelona (UAB) ha desarrollado nuevas herramientas bioinformáticas para analizar con mayor fiabilidad el comportamiento de las proteínas que forman condensados moleculares, estructuras sin membrana que regulan funciones celulares esenciales.

El estudio, publicado en la revista Genome Biology, permite mejorar los modelos actuales que predicen qué proteínas participan en este proceso, conocido como separación por fases líquido-líquido (LLPS), implicado en el envejecimiento, el funcionamiento celular y diversas enfermedades.

Un proceso celular esencial y complejo

La LLPS es un mecanismo por el cual ciertas proteínas se agrupan de forma espontánea dentro de la célula para crear compartimentos moleculares sin membrana. Estas estructuras —condensados moleculares— organizan funciones celulares clave, regulan interacciones entre proteínas y permiten una respuesta flexible y controlada al entorno interno. Sin embargo, cuando el proceso falla, puede contribuir al desarrollo de enfermedades nuerodegenerativas como el alzhéimer, el párkinson, ciertos cánceres o trastornos del desarrollo.

Los investigadores de la UAB han reunido y clasificado la base de datos más completa y fiable hasta la fecha, sobre proteínas implicadas en este fenómeno, diferenciando entre las que pueden generar condensados por sí solas (drivers) y aquellas que solo forman parte del condensado (clientes). El objetivo es mejorar la predicción computacional de su comportamiento.

Clasificación de proteínas y evaluación de modelos existentes

El estudio ha identificado y clasificado con precisión 2.876 proteínas implicadas en la LLPS. Los investigadores también han desarrollado por primera vez un conjunto estándar de proteínas no implicadas en este proceso, incluyendo tanto proteínas con estructura definida como proteínas desordenadas.

Para validar sus herramientas, el equipo ha analizado rasgos fisicoquímicos específicos en distintos subconjuntos de secuencias proteicas, encontrando diferencias significativas entre ellas. Esta caracterización permite mejorar la capacidad predictiva de los algoritmos existentes.

En concreto, el equipo ha comparado 16 herramientas bioinformáticas actuales para evaluar su eficacia en la predicción de la LLPS, lo que representa la evaluación comparativa más completa realizada hasta ahora en este campo.

Plataforma abierta para investigadores

Los recursos generados —tanto los conjuntos de datos como las herramientas asociadas— se han puesto a disposición de la comunidad científica a través de una plataforma en línea. Según el comunicado de la UAB, esta iniciativa pretende superar las limitaciones actuales en la predicción del comportamiento proteico, al ofrecer un marco más sólido para futuras investigaciones biomédicas.

Aplicaciones biomédicas potenciales

La comprensión precisa de la LLPS es esencial para avanzar en el estudio de mecanismos celulares implicados en múltiples enfermedades. La capacidad de predecir qué proteínas pueden formar condensados —y cómo lo hacen— podría abrir nuevas vías para el desarrollo de tratamientos dirigidos o estrategias de intervención temprana, especialmente en patologías donde este proceso se encuentra alterado.