Luciana Constantino | Agência FAPESP – Pesquisadores conseguiram desenvolver uma técnica inédita capaz de mapear, em larga escala e simultaneamente, como milhares de proteínas mudam de forma ao longo do tempo. Os resultados, publicados em maio na revista Nature, revelam que mesmo proteínas com estrutura semelhante podem apresentar comportamentos dinâmicos completamente diferentes.

Além disso, essas mudanças não acontecem somente em pontos isolados da molécula – partes inteiras podem se abrir, relaxar ou ficar temporariamente menos estáveis. Esse aspecto contribui para a compreensão de como essas moléculas desempenham suas funções no organismo. Assim, o trabalho abre caminho para treinar modelos de inteligência artificial capazes de prever não apenas a forma, mas também como as proteínas se “dobram” (se enovelam, ou seja, assumem uma forma tridimensional) e se modificam.

Tradicionalmente, os estudos são focados em determinar a estrutura tridimensional da proteína de maneira estática, obtendo uma espécie de “fotografia”. No entanto, o funcionamento da molécula depende diretamente de como ela se movimenta e transita entre diferentes estados ao longo do tempo. Capturar experimentalmente essas flutuações dinâmicas envolve um processo lento e de alto custo, geralmente limitado à análise de uma ou poucas proteínas por pesquisa.

Agora, os cientistas, em vez de analisar uma molécula por vez, desenvolveram uma estratégia baseada na troca de hidrogênio-deutério (um processo em que os átomos de hidrogênio da própria proteína são substituídos pelos de um líquido especial em que ela é mergulhada) associada à espectrometria de massas multiplexada (mHDX-MS) – uma técnica avançada que mede com precisão essas variações no peso da molécula para rastrear seus movimentos. Essa abordagem inovadora permitiu mapear modificações e barreiras energéticas (a energia necessária para que a molécula mude de formato) de 5.778 domínios proteicos (menores módulos, ou “blocos de construção” da molécula) com comprimentos entre 28 e 64 aminoácidos, de dez famílias de proteínas distintas, sob condições experimentais idênticas.

“Desenvolvemos uma estratégia experimental multiplexada capaz de mapear a paisagem energética [os diferentes estados de energia e formato] de centenas dessas moléculas em um único experimento. Estamos observando um aspecto fundamental da biologia estrutural que permanecia pouco acessível: as diferentes conformações que as proteínas podem adotar além de sua estrutura mais comum. Agora temos um conjunto de ferramentas para criar um banco de dados massivo de dinâmica de proteínas e, com isso, treinar modelos capazes de predizer essas flutuações diretamente a partir da sequência de aminoácidos. Isso tem importância para entender, por exemplo, o mecanismo molecular pelo qual mutações pontuais alteram sutilmente a estabilidade local e desencadeiam fenótipos de doença [sintomas e manifestações clínicas], sem necessariamente levar à desestruturação da proteína inteira”, explica à Agência FAPESP Allan Ferrari, professor do Departamento de Farmacologia da Northwestern Medicine, em Chicago (Estados Unidos), e primeiro autor do artigo.

Ilustração de uma proteína alternando entre uma uma forma mais compacta ou enovelada (à esquerda) para uma desenovelada (crédito: Allan Ferrari)

Há mais de cinco anos trabalhando no laboratório do pesquisador Gabriel Rocklin, autor correspondente do trabalho, Ferrari iniciou o estudo ainda no seu pós-doutorado, realizado no Instituto de Química da Universidade Estadual de Campinas (Unicamp) com bolsa da FAPESP.

Para exemplificar como essas alterações têm impacto na saúde humana, o professor cita a lisozima, uma enzima (proteína) de defesa presente em secreções como lágrimas e saliva, cuja principal função é romper ligações químicas que formam a parede celular de bactérias para proteger o organismo. Existem, porém, mutações que tornam a lisozima menos estável localmente, deixando partes ocultas da proteína expostas e permitindo que umas grudem nas outras. Esse processo gera aglomerados anormais que se acumulam no fígado e nos rins, prejudicando progressivamente o funcionamento e podendo causar insuficiência desses órgãos.

As estruturas tridimensionais das duas formas da proteína – a original (sem mutações) e a mutante – são virtualmente idênticas quando analisadas pelos métodos tradicionais de biologia estrutural. O mapeamento da dinâmica revela, porém, que a mutação facilita a abertura local da estrutura da proteína.

“Para mapear essas nuances conformacionais transitórias, a biologia estrutural tradicional recorre a técnicas como cristalografia de proteínas, análise por difração de raio X, ressonância magnética nuclear ou criomicroscopia eletrônica. No entanto, muitas vezes o que se quer observar é invisível para essas metodologias. Ou ainda, elas exigem que cada sistema seja analisado de maneira específica, o que leva um longo tempo para caracterizar poucas variantes, contrastando com a escala obtida pela plataforma mHDX-MS”, completa Ferrari.

A importância dos bancos de dados

Durante mais de 50 anos, a comunidade científica internacional depositou estruturas tridimensionais resolvidas experimentalmente no Protein Data Bank.

Esse banco de dados público, combinado a bilhões de sequências conhecidas, permitiu a criação, em 2018, do AlphaFold, um modelo de inteligência artificial que ajudou a resolver o complexo problema do enovelamento de proteínas, revolucionando a área. O sistema consegue prever a estrutura tridimensional de biomoléculas, como proteínas, DNA e RNA, a partir de sua sequência genética. A inovação foi reconhecida com o Prêmio Nobel de Química de 2024, concedido a John Jumper e Demis Hassabis, do Google DeepMind em Londres, pelo desenvolvimento da ferramenta, e a David Baker, da Universidade de Washington, por seu trabalho em design computacional de proteínas (leia mais em: agencia.fapesp.br/53014).

Embora o AlphaFold consiga prever a “foto” estática de uma proteína a partir de sua sequência de aminoácidos, ele ainda enfrenta limitações para capturar as flutuações dinâmicas da molécula ao longo do tempo, uma espécie de “filme”. O problema é que não havia um banco de dados em larga escala capaz de descrever essas dinâmicas de forma sistemática.

“Existe um número ilimitado de combinações possíveis de aminoácidos [moléculas orgânicas que se unem para formar as proteínas]. Se você estiver projetando um novo medicamento ou um novo sensor para biotecnologia, qual é a melhor sequência de aminoácidos para uma função específica ou como modificações nessa sequência vão alterar o comportamento da proteína? A abordagem mHDX-MS agora nos permite examinar essas flutuações conformacionais para milhares de sequências de proteínas diferentes”, explicou Rocklin, em comunicado à imprensa.

A abordagem mHDX-MS resultou no primeiro banco de dados público experimental de dinâmica de proteínas em larga escala. Esse repositório pode contribuir para treinar e refinar a próxima geração de modelos de aprendizado de máquina, ensinando-os a prever paisagens energéticas completas diretamente da sequência de aminoácidos.

Além de mapear a dinâmica para milhares de estruturas naturais e desenhadas, os pesquisadores também demonstraram o uso da plataforma na engenharia de proteínas. Utilizando os dados experimentais gerados pela técnica, o grupo identificou duas mutações capazes de estabilizar uma região naturalmente flexível de uma das proteínas caracterizadas no estudo. Experimentos posteriores confirmaram que as modificações produziram o efeito esperado.

Para entender o método

A técnica consiste em mergulhar a molécula da proteína em um solvente especial à base de água contendo deutério (uma forma mais pesada do hidrogênio comum). Quando a molécula entra em contato com esse líquido, ocorre uma substituição natural: átomos de hidrogênio da própria proteína são trocados por átomos de deutério do solvente.

Esse processo funciona como um rastreador: partes da proteína que estão escondidas no interior de sua estrutura (“fechadas”) ficam protegidas e demoram para trocar de átomos. Já as regiões que se movimentam ou ficam na superfície (“abertas”) trocam de lugar rapidamente, ganhando massa. Ao medir essa velocidade de troca sob condições idênticas, os cientistas conseguem mapear exatamente onde e como a molécula flutua no espaço, calculando as energias associadas aos movimentos locais de cada proteína – algo impossível de ser detectado pelas técnicas tradicionais de biologia estrutural.

Com isso, foi possível observar que mudanças na sequência de aminoácidos já são suficientes para alterar significativamente a dinâmica e a estabilidade dessas moléculas. Em muitos casos, proteínas da mesma família estrutural apresentaram comportamentos dinâmicos mais diferentes entre si do que as de famílias distintas.

Em relação às oscilações estruturais, o estudo mostrou que, entre as proteínas mais dinâmicas, blocos estruturais inteiros (como alfa-hélices e folhas beta) são menos estáveis e se abrem com mais facilidade conjuntamente.

Mesmo após os avanços e a possibilidade de prever com alta precisão a estrutura tridimensional das moléculas, os cientistas apontam que ainda é um desafio da biofísica molecular entender como as sequências de proteínas determinam as transições entre os diferentes estados.

De acordo com Ferrari, sua pesquisa continua por dois caminhos – um deles é expandir a geração de dados para famílias específicas de proteínas e explorar o quanto é possível “aprender” sobre a dinâmica dessas moléculas com um grande conjunto de informações. O outro é entender como alterações na dinâmica de proteínas contribuem para o surgimento de doenças humanas.

O artigo Large-scale discovery, analysis and design of protein energy landscapes pode ser lido em nature.com/articles/s41586-026-10465-z.