O design de proteínas (ou projeto de proteínas) é o design racional de novas moléculas de proteínas com o intuito de conceber atividades, comportamentos ou propósitos inéditos, bem como de aprofundar a compreensão básica sobre a função proteica. As proteínas podem ser projetadas a partir do zero (design de novo) ou por meio da introdução de variantes calculadas de uma estrutura proteica e de sua sequência conhecidas (processo denominado redesign de proteínas). Abordagens de design racional de proteínas formulam predições de sequências que se enovelarão em estruturas tridimensionais específicas. Essas sequências previstas podem então ser validadas experimentalmente por meio de métodos como a síntese de peptídeos, a mutagênese sítio-dirigida ou a síntese artificial de genes.
O design racional de proteínas remonta a meados da década de 1970. Mais recentemente, contudo, acumularam-se inúmeros exemplos bem-sucedidos de design racional de peptídeos e proteínas hidrossolúveis e até mesmo transmembranares, em parte devido a uma melhor compreensão dos diferentes fatores que contribuem para a estabilidade estrutural das proteínas e ao desenvolvimento de métodos computacionais aprimorados.
Visão geral e história O objetivo no design racional de proteínas é prever sequências de aminoácidos da estrutura primária que se enovelarão em uma estrutura proteica tridimensional específica. Embora o número de sequências proteicas possíveis seja colossal — crescendo exponencialmente com a extensão da cadeia polipeptídica —, apenas um subconjunto restrito delas se enovela de maneira confiável e rápida em um estado nativo bem definido. O design de proteínas consiste em identificar sequências inéditas dentro desse subconjunto. O estado nativo de uma proteína corresponde ao mínimo conformacional de energia livre termodinâmica da cadeia. Portanto, o design de proteínas é a busca por sequências que apresentem a estrutura desejada como seu mínimo de energia livre. Em certo sentido, trata-se do inverso da predição de estrutura de proteínas. No design, especifica-se uma estrutura terciária e identifica-se uma sequência que se enovele nela; daí decorre o termo enovelamento inverso (inverse folding). O design de proteínas configura-se, assim, como um problema de otimização: com o uso de determinados critérios de pontuação energética, escolhe-se uma sequência otimizada que assumirá a conformação estrutural pretendida.
Quando as primeiras proteínas foram projetadas racionalmente durante as décadas de 1970 e 1980, suas sequências foram otimizadas manualmente com base em análises empíricas de outras proteínas conhecidas, composição de sequência, cargas elétricas dos aminoácidos e considerações geométricas da estrutura pretendida. As primeiras proteínas projetadas são atribuídas a Bernd Gutte, que projetou uma versão reduzida de um catalisador conhecido — a ribonuclease bovina — e estruturas terciárias compostas por folhas beta e hélices alfa, incluindo um ligante para DDT. Posteriormente, Urry e colaboradores projetaram peptídeos fibrosos semelhantes à elastina fundamentando-se em regras de composição de sequências. Richardson e colaboradores projetaram uma proteína de 79 resíduos sem qualquer homologia de sequência com proteínas conhecidas. Na década de 1990, o advento de computadores mais potentes, de bibliotecas de rotâmeros de aminoácidos e de campos de força formulados primordialmente para simulações de dinâmica molecular viabilizou o desenvolvimento de ferramentas computacionais de design de proteínas baseadas em estrutura tridimensional.
A partir do desenvolvimento dessas ferramentas computacionais, registraram-se avanços notáveis nas últimas três décadas. A primeira proteína completamente projetada de novo foi concluída por Stephen Mayo e colaboradores em 1997, e, pouco depois, em 1999, Peter S. Kim e colaboradores projetaram dímeros, trímeros e tetrâmeros de estruturas em espiral enrolada (coiled coil) levógiras não encontradas na natureza. Em 2003, o laboratório de David Baker projetou uma proteína globular completa adotando uma dobra jamais observada na natureza, denominada Top7. Posteriormente, em 2008, o grupo de Baker projetou computacionalmente enzimas catalíticas para duas reações químicas distintas. Em 2010, um dos mais potentes anticorpos amplamente neutralizantes contra o HIV foi isolado do soro de um paciente com o auxílio de uma sonda proteica concebida computacionalmente. Em 2024, David Baker recebeu metade do Nobel de Química por suas contribuições pioneiras ao design computacional de proteínas, sendo a outra metade compartilhada entre Demis Hassabis e John M. Jumper pelo desenvolvimento de métodos preditivos de estrutura proteica na Google DeepMind. Com esses sucessos, o design de proteínas consolidou-se como uma das ferramentas mais importantes da engenharia de proteínas, impulsionando aplicações estratégicas na biomedicina e na bioengenharia.
Modelos subjacentes de estrutura e função proteica Os programas de design de proteínas utilizam modelos computacionais das forças moleculares que governam o comportamento das proteínas no ambiente celular in vivo. Para que o problema seja matematicamente tratável, tais forças são aproximadas e simplificadas. Embora os algoritmos divirjam amplamente em sua implementação, todos precisam responder a quatro questões fundamentais de modelagem: qual é a estrutura-alvo do design, qual grau de flexibilidade estrutural será permitido à conformação, quais sequências compõem o espaço de busca e qual campo de força será empregado para avaliar e pontuar as sequências e conformações candidatas.
Estrutura-alvo miniatura|esquerda|A proteína Top7 foi uma das primeiras proteínas projetadas para adotar uma dobra tridimensional jamais observada na natureza.
A função de uma proteína depende intimamente de sua arquitetura tridimensional, e o design racional utiliza essa relação para criar novas funções por meio da especificação de uma dobra ou conformação-alvo. Assim, por definição, no design racional de proteínas a estrutura-alvo ou o conjunto representativo de estruturas deve ser estabelecido previamente. Isso contrasta com abordagens de engenharia proteica como a evolução dirigida, na qual métodos empíricos e estocásticos são aplicados para identificar proteínas com a função desejada sem conhecimento estrutural obrigatório, e com a predição de estrutura de proteínas, na qual a sequência primária é conhecida e a estrutura tridimensional é desconhecida.
Na maioria dos casos, a estrutura-alvo baseia-se na conformação cristalográfica conhecida de uma proteína natural. Contudo, a concepção de dobras completamente inéditas tornou-se viável. Peter S. Kim e colaboradores projetaram trímeros e tetrâmeros estáveis de espirais enroladas não descritas anteriormente em sistemas biológicos. A proteína Top7, desenvolvida no laboratório de David Baker, foi concebida inteiramente por algoritmos computacionais adotando uma dobra artificial sem paralelo evolutivo. Posteriormente, Baker e colaboradores formularam princípios biofísicos para o design de estruturas globulares ideais baseando-se no conceito de funil de enovelamento, estabelecendo uma ponte conceitual entre a predição de estrutura secundária e terciária e gerando cinco novas topologias proteicas funcionais.
Espaço de sequências miniatura|FSD-1 (em azul, código PDB: 1FSV) foi a primeira proteína completa projetada computacionalmente de novo. O enovelamento-alvo foi derivado do domínio dedo de zinco dos resíduos 33–60 da proteína Zif268 (em vermelho, código PDB: 1ZAA). A sequência calculada não guardava homologia significativa com nenhuma proteína natural.
No design racional de proteínas, novas moléculas podem ser concebidas a partir da sequência e da estrutura de uma proteína já caracterizada (redesign) ou concebidas integralmente a partir do zero no design de novo. No redesign, a maior parte dos resíduos da cadeia nativa é conservada, permitindo a mutação apenas em posições pré-selecionadas. No design de novo, toda a sequência primária é calculada sem tomar qualquer sequência preexistente como molde direto.
Tanto o design de novo quanto o redesign estabelecem regras e restrições sobre o espaço de sequências: a lista de aminoácidos admitidos em cada posição mutável. Por exemplo, a composição da superfície da sonda RSC3 — utilizada para selecionar anticorpos amplamente neutralizantes contra o HIV — foi restrita com base em dados de conservação filogenética e equilíbrio de cargas. As primeiras tentativas de design proteico dependiam intensamente de regras empíricas aplicadas ao espaço de sequências. Da mesma forma, o design de proteínas fibrosas comumente adota regras rígidas de repetição de motivos primários; proteínas baseadas em colágeno, por exemplo, obedecem frequentemente ao padrão periódico Gly-Pro-X. O avanço das metodologias computacionais automatizadas permitiu explorar o espaço de sequências sem necessidade de interferência humana na escolha manual dos resíduos.
Flexibilidade estrutural miniatura|esquerda|200px|Programas convencionais de design de proteínas usam bibliotecas de rotâmeros para simplificar o espaço conformacional das cadeias laterais. Esta animação percorre todos os rotâmeros do aminoácido isoleucina com base na biblioteca Penultimate (total de 7 rotâmeros).
Embora a estrutura-alvo seja previamente especificada no design de proteínas, os algoritmos precisam incorporar graus controlados de flexibilidade à conformação para viabilizar um maior número de sequências compatíveis e minimizar o risco de a cadeia enovelar-se em estados alternativos indesejados. Caso se pretenda, por exemplo, mutar um aminoácido de cadeia lateral pequena (como uma alanina) no núcleo densamente empacotado de uma proteína, pouquíssimas sequências seriam computadas como estáveis caso os resíduos circundantes permanecessem inteiramente rígidos e incapazes de se reacomodar.
Dessa forma, a flexibilidade permitida tanto ao esqueleto polipeptídico (cadeia principal) quanto às cadeias laterais configura um parâmetro crítico. Nos modelos mais simples, o esqueleto é mantido completamente rígido enquanto as cadeias laterais podem rotacionar. No entanto, as cadeias laterais possuem diversos graus de liberdade em seus comprimentos de ligação, ângulos de ligação e ângulos diedros χ. Para simplificar o espaço de amostragem, utilizam-se bibliotecas de rotâmeros que fixam os comprimentos e ângulos de ligação em valores ideais e restringem os ângulos diedros χ a um conjunto discreto de conformações de baixa energia estatisticamente frequentes, denominadas rotâmeros.
As bibliotecas de rotâmeros derivam de análises estatísticas em bancos de estruturas proteicas resolvidas experimentalmente. As bibliotecas independentes do esqueleto compilam todas as orientações possíveis sem considerar a geometria local da cadeia principal. Em contrapartida, as bibliotecas dependentes do esqueleto calculam a probabilidade de ocorrência de cada rotâmero em função dos ângulos diedros e da cadeia principal circundante. A maioria dos programas emprega valores modais discretos para representar cada rotâmero; programas como o OSPREY, por outro lado, conseguem modelar a vizinhança rotamérica contínua com garantias de precisão analítica.
Embora a preservação da topologia global da dobra seja imperativa, admitir pequenos graus de flexibilidade na cadeia principal amplia sensivelmente o espectro de sequências viáveis calculadas. A flexibilidade do esqueleto ganha especial relevância no redesign, onde substituições pontuais induzem pequenos ajustes mecânicos na estrutura principal, e no design de sítios catalíticos e de interação ligante-receptor. Os esquemas usuais de modelagem da cadeia principal incluem deformações contínuas globais de baixa amplitude, perturbações discretas do tipo backrub, flexibilidade de alças e amostragem de conformações alternativas.
Função de energia