Proteínas BICYCLE

La inteligencia artificial puede ayudar a los científicos a resolver complejos enigmas biológicos, pero incluso los sistemas avanzados tienen límites cuando la información disponible es incompleta. Un estudio reciente de proteínas de áfidos ilustra cómo combinar predicciones computacionales con evidencia genética puede superar un difícil problema de investigación.

Los científicos descubrieron que miles de proteínas que cambian rápidamente comparten una base estructural común, ofreciendo nuevas pistas sobre cómo estos diminutos insectos influyen en el desarrollo de las plantas.

Descubriendo una Familia de Proteínas Ocultas

Los áfidos pueden influir en el desarrollo de ciertas plantas al introducir proteínas especializadas en sus tejidos. En algunos casos, este proceso hace que las plantas formen estructuras llamadas agallas, que proporcionan un lugar para que los insectos vivan y alimenten a su descendencia. Los científicos han estado estudiando un grupo de estas moléculas conocidas como proteínas BICYCLE. Su nombre se refiere a un patrón repetitivo que implica el aminoácido cisteína. Aunque los investigadores habían identificado las proteínas, comprender sus roles seguía siendo difícil porque sus secuencias genéticas diferían sustancialmente de las proteínas conocidas registradas en bases de datos científicas. Normalmente, los investigadores comparan la secuencia de aminoácidos de una proteína desconocida con ejemplos previamente estudiados. Las similitudes pueden ofrecer pistas sobre su forma y función biológica. Sin embargo, este enfoque fue menos efectivo para las proteínas BICYCLE porque habían cambiado tan extensamente a lo largo del tiempo evolutivo.

Por Qué Falló la Predicción de la IA

Para investigar, el equipo de investigación trabajó con biólogos estructurales para determinar los arreglos físicos de dos proteínas BICYCLE a través de la cristalografía de rayos X. Esta técnica de laboratorio ayuda a los científicos a establecer cómo están organizados los átomos dentro de una molécula. Las estructuras resultantes proporcionaron una referencia importante para probar AlphaFold2, un sistema de IA diseñado para predecir las formas de las proteínas a partir de sus secuencias de aminoácidos. Inicialmente, AlphaFold2 no pudo reproducir las estructuras determinadas experimentalmente. El problema no fue simplemente una falta de potencia informática. El sistema también se basa en información evolutiva, incluyendo patrones compartidos por proteínas relacionadas, para mejorar sus predicciones. Debido a que las proteínas BICYCLE eran tan inusuales, las bases de datos disponibles no proporcionaban suficientes comparaciones útiles. La IA carecía, por lo tanto, de una fuente importante de contexto biológico.

La Evolución Suministra las Pistas Faltantes

Los investigadores abordaron el problema recolectando información genética adicional de diferentes especies de áfidos. Su trabajo incluyó muestreos de campo en Estados Unidos y Japón, seguidos de secuenciación de genomas para revelar las relaciones entre las proteínas. Estas comparaciones suministraron evidencia evolutiva que faltaba en el análisis original. Con la información adicional disponible, AlphaFold2 predijo con éxito una estructura que coincidía con la establecida mediante cristalografía. Luego, el equipo extendió el enfoque a lo largo de siete especies de áfidos, generando aproximadamente 2,400 predicciones estructurales de alta confianza. Una característica consistente surgió de los resultados: las proteínas compartían un arreglo estructural conocido como un plegamiento similar al de la saposina. En términos simples, parecían seguir un plano tridimensional común a pesar de que sus secuencias individuales habían cambiado considerablemente. El hallazgo reveló una conexión que las comparaciones de secuencias convencionales habían tenido dificultades para identificar.

Una Estructura, Múltiples Funciones Posibles

Compartir una base estructural no significa necesariamente que las proteínas realicen tareas idénticas. Los investigadores encontraron una variación sustancial en las propiedades químicas de las superficies exteriores de las proteínas. Algunas regiones diferían en sus características eléctricas e interacciones con el agua. Los intentos de dividir las proteínas en grupos claramente definidos basados en estas propiedades no tuvieron éxito. Esta diversidad sugiere que las proteínas BICYCLE pueden interactuar con las moléculas de las plantas de muchas maneras diferentes. En lugar de depender de un mecanismo específico, las proteínas podrían influir en varios procesos biológicos dentro de las células vegetales. Los investigadores también sugirieron que la rápida evolución de las proteínas podría ayudar a los áfidos a mantener estas interacciones mientras hacen que sus moléculas sean más difíciles de reconocer por las plantas. Sin embargo, las funciones precisas de las proteínas individuales aún requieren más investigación.

Qué Significa el Descubrimiento para la Investigación Futura

El estudio, publicado en las Actas de la Academia Nacional de Ciencias en septiembre de 2026, ofrece un enfoque útil para examinar proteínas que han cambiado tanto que los métodos de comparación convencionales no las reconocen fácilmente. Su importancia se extiende más allá de los áfidos. Otros sistemas biológicos también contienen proteínas que evolucionan rápidamente y que siguen siendo difíciles de caracterizar. Combinar medidas de laboratorio, secuenciación genética, análisis evolutivo y predicciones de IA puede ayudar a los investigadores a estudiar estas moléculas de manera más efectiva. Sin embargo, las estructuras predichas no son un sustituto de la evidencia experimental. La investigación muestra que la IA puede ser más efectiva cuando los investigadores proporcionan el contexto biológico correcto. Al combinar estructuras determinadas experimentalmente con información genética de múltiples especies de áfidos, el equipo descubrió un plano compartido oculto bajo una extensa variación proteica. El próximo desafío es determinar cómo estas moléculas influyen en las células vegetales y si sus diversas estructuras corresponden a diferentes roles biológicos. A medida que la investigación continúa, el estudio puede ayudar a los científicos a entender mejor las complejas interacciones de las plantas mientras demuestra cómo el conocimiento evolutivo puede fortalecer los descubrimientos asistidos por IA.