Sí, ya se hizo, pero no se hizo lo suficientemente bien. Rosetta, como se mencionó anteriormente, ha demostrado que es capaz de hacer esto en dos casos notables, la reacción de eliminación de Kempf y la reacción de Diels-Alder. Sin embargo, hay tres advertencias a tener en cuenta para este enfoque computacional:
1. Las enzimas que pueden catalizar nuevas reacciones generalmente no funcionan muy bien. El k_cat está varios órdenes de magnitud por debajo del de las enzimas existentes naturalmente. Esto aún está lejos de ser suficiente. A veces aplicamos la evolución dirigida para mejorarla (como máximo) en un orden de magnitud. A menudo, estas mutaciones ocurren en las capas externas de las proteínas y no tenemos idea de por qué.
2. En uso industrial, las enzimas deben ser termoestables. Esto es mucho más difícil de diseñar computacionalmente y la mayoría de las personas en el campo no tienen idea de cómo hacerlo. Sin embargo, se ha demostrado que los enfoques experimentales alternativos son efectivos.
- ¿Cómo es el procedimiento para solicitar un doctorado en el campo de la biología molecular en los Estados Unidos? ¿Cómo se ve el programa de doctorado?
- ¿Cómo puede un biólogo molecular pasar de la biología experimental a la computacional?
- ¿Cuáles son algunos problemas o desafíos interesantes en el campo de la biología molecular?
- ¿Por qué no podemos aprender todo sobre el ADN a través de la comparación del genoma?
- Cómo realizar simulaciones de dinámica molecular para proteínas en Windows o Linux
3. Comenzando con algo así como 10 ^ 19 posibilidades, terminamos con quizás 1000 objetivos de clonación. Luego, los clonamos, quizás 10 tienen algún tipo de actividad medible. Si tenemos mucha suerte, podemos obtener 2 o 3 que realmente funcionan.
Aquí hay un breve resumen de cómo funciona el método computacional de Baker (PS. Andrew LF si alguna vez leyó esto, siéntase libre de chime-in / sugerir ediciones):
1. Existe una base de datos masiva de bibliotecas de fragmentos (es decir, pequeños trozos de la proteína) recolectados del PDB. Además, hay bibliotecas de rotadores que contienen una gran cantidad de configuraciones de cadenas laterales de baja energía.
2. Usando esta gran base de datos + rotámeros, se utiliza un algoritmo de hash geométrico para construir un conjunto inicial de andamios que podrían acomodar algún estado de transición deseado.
3. Una vez que la columna vertebral está más o menos diseñada, hay un conjunto de movimientos permitidos que pueden rotar los ángulos de torsión. Se utiliza un algoritmo de descenso de gradiente (BFGS) para alcanzar mínimos locales. Creo que esto se combina con los enfoques de tipo Monte Carlo para aumentar el muestreo. Cito a Andrew LF de una conversación privada que tuvimos una discusión sobre MD versus el enfoque de Rosetta:
“El muestreo rápido para encontrar minimas tiende a través de técnicas como Monte Carlo que funciona mejor ya que realmente no nos importa mucho la dinámica para la predicción de la estructura”.
Lo que tiene sentido ya que Rosetta trata el problema desde el punto de vista de las funciones estatales.
La evolución dirigida es una alternativa experimental, pero generalmente toma una enzima preexistente y permuta las elecciones sobre los posibles sitios de selección. Pero no sé lo suficiente para comentarlo: veré si puedo conseguir que Devin, del laboratorio de Frances Arnold, comente desde el lado del biólogo experimental. La mayoría de las compañías farmacéuticas / farmacéuticas / industriales todavía usan enfoques basados en la evolución dirigida porque crean enzimas realmente buenas que funcionan.
Al final, muchas de las dificultades terminan siendo un caso de “no entendemos la ciencia”. La teoría del estado de transición es inestable en el mejor de los casos en el contexto de las enzimas. No entendemos la dinámica de las proteínas lo suficientemente bien como la estructura simple no es suficiente. (Imagínese que solo le dan un reloj, pero no le dicen cómo se mueve, cómo da vueltas, cómo registra el tiempo). Los modelos QMM para predecir los estados de transición generalmente son esponjosos, la mayoría de las veces los estados de transición están diseñados Diagramas de movimiento de electrones y flechas químicas Orgo del primer año (reacciones de tipo SN1 / SN2 / E1 / E2).
TL; DR: estamos muy lejos de poder hacerlo de manera robusta utilizando un enfoque computacional. Necesitamos hacer más ciencia.