Universitat Politècnica de Catalunya. Departament d'Enginyeria Agroalimentària i Biotecnologia, Institut de Biologia Molecular de Barcelona, Sepulcre Sánchez, Francesc, Marcos Benteo, Enrique, Perona Gomez, Irene, Universitat Politècnica de Catalunya. Departament d'Enginyeria Agroalimentària i Biotecnologia, Institut de Biologia Molecular de Barcelona, Sepulcre Sánchez, Francesc, Marcos Benteo, Enrique, and Perona Gomez, Irene
De novo protein design has reached a new height in recent years thanks to new computational procedures, such as AlphaFold2, an artificial intelligence (AI) that predicts the three-dimensional structure of proteins from an amino acid sequence. This method allows for the design of proteins with high structural precision and complexity, capable of performing functions of medical and biotechnological relevance. This work aims to explore how the latest artificial intelligence methods, specifically AlphaFold2, can improve the prediction of protein tertiary structures and determine which proteins are more likely to successfully bind to therapeutic targets of interest, such as the RBD domain of SARS-CoV-2. Additionally, it aims to optimize current computational methodologies. Specifically, the prediction of structures of protein-protein complexes and ligand complexes competing for the same receptor has been carried out, analyzing various parameters regarding the quality of the prediction and the physicochemical properties of the proteins. This approach aims to optimize the computational methodology and develop a ranking of the affinities of proteins that could bind to the RBD receptor. The proteins studied have been designed both by other laboratories in previously published studies and by the Protein Design and Modeling group at the Institute of Molecular Biology of Barcelona (IBMB), for which experimental data are available. This provides an ideal framework for working on the optimization of computational methodologies., El disseny computacional de proteïnes de novo ha experimentat un creixement en els últims anys gracies a nous procediments computacionals, com AlphaFold2, una intel·ligència artificial (IA) que prediu l'estructura tridimensional de proteïnes a partir d'una seqüencia d'aminoàcids. Aquest mètode permet el disseny de proteïnes amb alta precisió estructural i complexitat, capaces de desenvolupar funcions de rellevància mèdica i biotecnològica. Aquest treball té com a objectiu explorar com els mètodes més recents d'intel·ligència artificial, concretament AlphaFold2, poden millorar la predicció de l'estructura terciària de proteïnes i determinar quines tenen més probabilitat d'unir-se exitosament a dianes terapèutiques d'interès, com el domini RBD de SARS-CoV-2. A més, es pretén optimitzar les metodologies computacionals actuals. Específicament, s'ha realitzat la predicció d'estructures de complexos proteïna-proteïna i de complexos de lligands competint pel mateix receptor, analitzant diversos paràmetres sobre la qualitat de la predicció i propietats fisicoquímiques de les proteïnes. Aquest enfocament busca optimitzar la metodologia computacional i desenvolupar un rànquing d'afinitat de les proteïnes que podrien unir-se al receptor RBD. Les proteïnes estudiantes han estat dissenyades tant per altres laboratoris en estudis prèviament publicats com pel grup Protein Design and Modeling de l'Institut de Biologia Molecular de Barcelona (IBMB), per a les quals hi ha dades experimentals disponibles. Això proporciona un marc ideal per treballar en l'optimització de les metodologies computacionals., El diseño computacional de proteínas de novo ha experimentado un auge en los últimos años gracias a nuevos procedimientos computacionales, como AlphaFold2, una inteligencia artificial (IA) que predice la estructura tridimensional de proteínas a partir de una secuencia de aminoácidos. Este método permite el diseño de proteínas con alta precisión estructural y complejidad, capaces de desempeñar funciones de relevancia médica y biotecnológica. Este trabajo tiene como objetivo explorar como los métodos más recientes de inteligencia artificial, concretamente AlphaFold2, pueden mejorar la predicción de la estructura terciaria de proteínas y determinar cuales tienen mayor probabilidad de unirse exitosamente a dianas terapéuticas d interés, como el dominio RBD de SARS-CoV-2. Además, se pretende optimizar las metodologías computacionales actuales. Específicamente, se ha realizado la predicción de estructuras de complejos proteína-proteína y de complejos de ligandos compitiendo por el mismo receptor, analizando diversos parámetros sobre la calidad de la predicción y propiedades fisicoquímicas de las proteínas. Este enfoque busca optimizar la metodología computacional y desarrollar un ranking de afinidades de las proteínas que podrían unirse al receptor RBD. Las proteínas estudiadas han sido diseñadas por otros laboratorios en estudios previamente publicados como el grupo Protein Design and Modeling del Instituto de Biología Molecular de Barcelona (IBMB), para las cuales hay datos experimentales disponibles. Esto proporciona un marco ideal para trabajar en la optimización de las metodologías computacionales., Objectius de Desenvolupament Sostenible::3 - Salut i Benestar