Unión de Dinámica Molecular y Aprendizaje Profundo para Explorar el Espacio Conformacional de Proteínas

La flexibilidad es a menudo un determinante clave de la función de las proteínas. Para elucidar el vínculo entre su estructura molecular y su papel en un organismo, se pueden aprovechar técnicas computacionales como la dinámica molecular para caracterizar su espacio conformacional. Sin embargo, se requiere un muestreo extenso para obtener resultados fiables, útiles para racionalizar datos experimentales o predecir resultados antes de que se realicen los experimentos. Demostramos que una red neuronal generativa entrenada en estructuras de proteínas producidas por simulación molecular puede ser utilizada para obtener nuevas conformaciones plausibles que complementen las existentes. Para demostrar esto, mostramos que una red neuronal entrenada puede ser explotada en un escenario de acoplamiento proteína-proteína para tener en cuenta amplios movimientos de bisagra que ocurren al unirse. En general, este trabajo muestra que las redes neuronales pueden ser utilizadas como una herramienta exploratoria para el estudio del espacio conformacional molecular.