Avaliação comparativa de Ferramentas para Predição Estrutural de proteínas com Mutação Pontual: estudo de caso em Mycobacterium tuberculosis.
Autor: Veridiana Piva Richter (Currículo Lattes)
Orientadora: Profa. Dra. Karina dos Santos Machado
Resumo
As proteínas são compostas por uma ou mais cadeias longas de aminoácidos dobradas de forma específica, desempenhando um papel crucial na estrutura, função e regulação dos processos celulares e vias metabólicas. Elas podem sofrer mutações, como as do tipo {missense, caracterizadas pela substituição de um par de bases no DNA, e consequente a troca de um aminoácido por outro na sequência da proteína, o que pode alterar propriedades como conformação, estabilidade, flexibilidade e resistência a medicamentos. A tuberculose é uma doença infecciosa causada pelo Mycobacterium tuberculosis, uma bactéria que atinge principalmente os pulmões e quando o tratamento é realizado inadequadamente, podem surgir cepas resistentes aos medicamentos, dificultando o controle da infecção e aumentando a mortalidade. Por isso, o diagnóstico precoce e o uso correto de antibióticos são fundamentais para prevenir essas situações. Nesse cenário, a bioinformática estrutural surge como campo fundamental, reunindo repositórios, algoritmos e ferramentas para explorar, analisar, prever e simular estruturas e interações. Os avanços na área, somados ao aumento da capacidade computacional, aos novos modelos de inteligência artificial e ao crescimento dos bancos de dados estruturais, têm permitido o desenvolvimento de modelos preditivos de estruturas tridimensionais de proteínas altamente confiáveis. Como análises experimentais demandam tempo e recursos elevados, muitas estruturas permanecem indeterminadas, exigindo métodos computacionais in silico para geração de modelos tridimensionais. Nesse contexto, um dos grandes desafios é a predição de estruturas de proteínas com mutações pontuais. Nosso objetivo foi avaliar diferentes ferramentas de predição de estruturas tridimensionais de proteínas com mutações pontuais missense e analisar diferentes métricas de validação a fim de descobrir qual das ferramentas performa melhor nesses casos. Este trabalho utiliza os algoritmos de predição estrutural - ColabFold, trRosetta, Swiss-Model, AlphaFold3, I-TASSER, Modeller e Phyre2 - para gerar modelos tridimensionais de proteínas com mutações missense. Para análise da qualidade dos modelos gerados, são utilizados validadores como MolProbity, SAVES (Verify3D e ERRAT), VoroMQA, QMEAN e QMEANDisCo, que oferecem métricas para identificar quais ferramentas foram as mais adequadas para predição estrutural com mutações. O estudo foca em proteínas-alvo relevantes no contexto da tuberculose, com mutações associadas à resistência a medicamentos. Os resultados obtidos com esse estudo mostram que AlphaFold3 e trRosetta se destacaram como as mais eficazes, com consistência e um bom desempenho na maioria dos casos, seguido pelo SWISS-MODEL, que apresentou desempenho estável. O ColabFold teve resultados medianos, porém consistentes, enquanto as ferramentas I-TASSER e Phyre2 mostraram variabilidade elevada e menor confiabilidade. Por fim, o MODELLER teve desempenho inferior em todas as métricas. A análise com o algoritmo de Borda Count reforça esses resultados encontrados e oferece uma base sólida para a escolha criteriosa de ferramentas em estudos de modelagem estrutural voltados à mutações pontuais missense associadas à resistência a fármacos no tratamento da tuberculose.