Científicos de la Universidad de Barcelona han descrito propiedades termodinámicas de sistemas complejos de biomoléculas de ácidos nucleicos y péptidos utilizando un modelo independiente. Los resultados, publicados en Science, permiten extender los teoremas de fluctuaciones más allá de las reacciones de plegamiento unimolecular.
La mayor parte de las medidas termodinámicas de reacciones de unión entre moléculas se basan en la validez de la ley de acción de masas y la suposición de una solución diluida. Sin embargo, los sistemas biológicos relevantes, como la unión alostérica de ligando-receptor, la aglomeración macromolecular o el plegamiento anómalo de moléculas, no cumplen estas suposiciones y requieren un modelo de reacción particular.
Un equipo de investigadores de la Universidad Barcelona (UB) ha utilizado un modelo independiente para determinar propiedades termodinámicas de sistemas complejos de biomoléculas como por ejemplo energías de unión, selectividad química, o alosteridad —es decir, capacidad de unión fuera de los núcleos activos— de ácidos nucleicos y péptidos.
El trabajo, publicado en la revista Science, se ha llevado a cabo íntegramente en el Small Biosystems Lab de la UB, laboratorio dirigido por Fèlix Ritort. También han participado en el estudio Joan Camuñas y Anna Alemany, del mismo laboratorio.
“Esta investigación ha permitido extender los teoremas de fluctuaciones más allá de las reacciones de plegamiento unimolecular, uniendo la termodinámica de los sistemas pequeños y las leyes básicas del equilibrio químico. Además, se podría aplicar una aproximación similar a sistemas más complejos, como las interacciones ARN-proteína y proteína-proteína”, explica Ritort.
Las energías de unión son valores clave para poder determinar el destino de las reacciones intermoleculares, y las técnicas de fuerzas —como las pinzas ópticas aplicadas a moléculas individuales— se pueden utilizar para tirar de complejos individuales ligando-ADN, lo que permite detectar los diferentes puntos de unión uno a uno.
“Aquí introducimos el teorema de fluctuación para la unión de ligandos (fluctuation theorem for ligand binding, FTLB), hecho que nos permite extraer directamente energías de unión de reacciones biomoleculares o de orden superior a partir de la medida del trabajo irreversible en experimentos de tracción”, añade.
Contabilizar el intercambio de masa
La manipulación de partículas individuales es especialmente adecuada para observar estructuras con plegamientos anómalos, pero todavía faltaban métodos para caracterizar este tipo de sistemas. Aplicando el FTLB, ha sido posible extraer información de estas estructuras no nativas estabilizadas cinéticamente.
“Utilizando horquillas de ADN con dos zonas de unión unidas por cuatro pares de bases, hemos observado la formación de una estructura plegada de forma anómala que consiste en dos pinzas cortas en serie”, apunta Ritort.
Mediante sistemas biomoleculares diferentes de complejidad creciente, los investigadores de la UB han proporcionado una verificación de molécula individual de la ley de acción de masas, y han constatado cómo la FTLB puede contabilizar el intercambio de masa entre un sistema molecular y su entorno.
“El teorema FTLB proporciona una medida experimental directa de las energías de unión sin utilizar ningún modelo o esquema de la reacción, lo cual es especialmente útil en casos en los que la ley de acción de masas no funciona”, concluye el experto.
Referencia bibliográfica:
Joan Camuñas-Soler, Anna Alemany, Felix Ritort. "Experimental measurement of binding energy, selectivity, and allostery using fluctuation theorems". Science, enero de 2017.
Investigadores del Instituto de Física Corpuscular han logrado medir en el laboratorio la formación de un elemento clave en la evolución de la composición química de los elementos pesados. Un isótopo de este elemento, el Plomo-204, se produce en estrellas gigantes rojas, responsables de la creación de la mitad de los elementos más pesados que el hierro en la naturaleza.
La Real Academia Sueca de las Ciencias ha premiado a los investigadores John Hopfield, de la Universidad de Princeton (EE UU), y Geoffrey Hinton, de la Universidad de Toronto (Canadá), por sus descubrimientos e inventos que permiten el aprendizaje automático con las redes neuronales artificiales.
