Las células dependen de complejas máquinas moleculares compuestas de conjuntos de proteínas para realizar funciones esenciales como la producción de energía, la expresión genética y la síntesis de proteínas. Para comprender mejor cómo funcionan estas máquinas, los científicos toman instantáneas de ellas aislando proteínas de las células y utilizando diferentes métodos para determinar su estructura. Sin embargo, aislar proteínas de las células también las elimina del contexto de su entorno nativo, incluidos los compañeros de interacción de proteínas y la ubicación celular.
Recientemente, la tomografía electrónica criogénica (crio-ET) ha surgido como un medio para observar proteínas en su entorno nativo mediante imágenes de células congeladas en diferentes ángulos para obtener información estructural en 3D. Este enfoque es interesante porque permite a los investigadores observar directamente cómo y dónde se unen las proteínas entre sí, revelando la vecindad celular de esas interacciones dentro de la célula.
Con la tecnología disponible para obtener imágenes de proteínas en su entorno nativo, el estudiante graduado del MIT Barrett Powell se preguntó si podría ir un paso más allá: ¿y si fuera posible observar máquinas moleculares en acción? En papel Publicado el 8 de marzo en Métodos de la naturalezaPowell describe el método que desarrolló, llamado tomoDRGN, para modelar diferencias estructurales de proteínas en datos crio-ET que surgen de movimientos de proteínas o proteínas unidas a diferentes socios de interacción. Estas diferencias se conocen como heterogeneidad estructural.
Aunque Powell se ha unido al laboratorio de un profesor asistente de biología en el MIT joey davis Como científico experimental, reconoció el impacto potencial de los métodos computacionales en la comprensión de la heterogeneidad estructural dentro de la célula. En el anterior, laboratorio davis Desarrolló una metodología relacionada. Su nombre es CryoDRGN. Comprender la heterogeneidad estructural en muestras puras. Cuando Powell y Davis vieron que la criogenia ET se volvía cada vez más importante en el campo, Powell enfrentó el desafío de reinventar este marco para trabajar en células.
Al resolver estructuras con muestras purificadas, se obtienen imágenes de cada partícula solo una vez. Por el contrario, los datos de crio-ET se recopilan tomando imágenes de cada partícula más de 40 veces desde diferentes ángulos. Esto significaba que tomoDRGN necesitaba poder combinar información de más de 40 imágenes, y ahí fue donde el proyecto llegó a un callejón sin salida: la cantidad de datos provocó una sobrecarga de información.
Para abordar este problema, Powell reconstruyó con éxito el modelo crioDRGN para priorizar solo los datos de la más alta calidad. Cuando se visualiza la misma partícula varias veces, se produce daño por radiación. Por tanto, las imágenes obtenidas antes suelen ser de mayor calidad porque las partículas son menos dañinas.
«Al excluir algunos de los datos de baja calidad, los resultados fueron en realidad mejores que utilizando todos los datos, y el rendimiento computacional fue mucho más rápido», dice Powell.
Cuando Powell se puso a trabajar para probar su modelo, tuvo un golpe de suerte: los autores de un nuevo e innovador estudio que visualiza, por primera vez, los ribosomas dentro de las células con una resolución casi atómica, compartieron sus datos preliminares en el electromicroscopio. Imagen pública Archivo (EMPIAR). Este conjunto de datos sirvió como un caso de prueba ideal para Powell, a través del cual demostró que tomoDRGN podría revelar heterogeneidad estructural dentro de los datos crio-ET.
Según Powell, un hallazgo interesante es lo que encontró tomoDRGN sobre un subconjunto de ribosomas en el conjunto de datos EMPIAR. Algunas moléculas de ribosomas se adhieren a la membrana celular bacteriana y participan en un proceso llamado translocación traslacional. Esto ocurre cuando una proteína se sintetiza y transporta a través de la membrana simultáneamente. Los investigadores pueden utilizar este hallazgo para desarrollar nuevas hipótesis sobre cómo funciona el ribosoma con otra maquinaria proteica que es fundamental para transportar proteínas fuera de la célula y que ahora está guiada por la estructura del complejo en su entorno nativo.
Después de ver que tomoDRGN podía resolver la heterogeneidad estructural a partir de un conjunto de datos estructuralmente diverso, Powell sintió curiosidad: ¿Qué tan bien podría tomoDRGN identificar una población pequeña? Para esta prueba, eligió una proteína llamada apoferritina, un estándar comúnmente utilizado para crio-ET y a menudo tratado como estructuralmente homogéneo. La ferritina es una proteína que se utiliza para almacenar hierro y se denomina apoferritina cuando falta hierro.
Sorprendentemente, además de las partículas esperadas, tomoDRGN reveló una pequeña población de partículas de ferritina (unidas al hierro) que representan sólo el 2 % del conjunto de datos y que no se habían informado anteriormente. Este resultado también demostró la capacidad de tomoDRGN para identificar estados estructurales que ocurren con poca frecuencia y promediarlos mediante reconstrucción 3D.
Powell y otros miembros del laboratorio de Davis están entusiasmados de ver cómo se puede aplicar tomoDRGN a estudios adicionales del ribosoma y de otros sistemas. Davis está trabajando para comprender cómo las células ensamblan, organizan y desarman las máquinas moleculares, por lo que los próximos pasos incluyen explorar la biogénesis de los ribosomas intracelulares con más detalle con esta nueva herramienta.
«¿Qué casos potenciales podríamos pasar por alto durante la desinfección?» pregunta Davis. «Quizás aún más interesante es que podemos observar cómo se localizan dentro de la célula y con qué socios y complejos proteicos podrían interactuar».
«Estudiante amistoso. Jugador certificado. Evangelista de las redes sociales. Fanático de Internet. Se cae mucho. Futuro ídolo adolescente».