Determinação da estrutura de proteínas usando restrições derivadas de ligação cruzada em espectrometria de massas: comparação de metodologias computacionais
PDF

Palavras-chave

Proteínas
Modelagem molecular
Determinação estrutural.

Como Citar

SANTOS, Matheus Mantovani dos; MARTINEZ, Leandro. Determinação da estrutura de proteínas usando restrições derivadas de ligação cruzada em espectrometria de massas: comparação de metodologias computacionais. Revista dos Trabalhos de Iniciação Científica da UNICAMP, Campinas, SP, n. 26, 2019. DOI: 10.20396/revpibic2620181042. Disponível em: https://econtents.sbu.unicamp.br/eventos/index.php/pibic/article/view/1042. Acesso em: 18 mar. 2026.

Resumo

Sistemas biológicos trabalham como máquinas complexas e altamente coordenadas e, desde o surgimento da Biologia Estrutural, muitos mecanismos e estruturas biológicas foram elucidados. A quantidade considerável de conhecimentos que vem se gerando nessa área devem-se a aplicação de métodos experimentais associados a metodologias computacionais que permitem compreender a dinâmica estrutural de sistemas biológicos. Metodologias computacionais de modelagem molecular, que utilizam as distâncias experimentais como restrições para a determinação estrutural das macromoléculas, usando potenciais estatísticos, modelos baseados em estrutura (SBM) ou métodos de determinação inferencial de estruturas (ISD). O ISD tem se destacado como um método de alta resolução para determinação de estruturas terciárias e quaternárias de proteínas a partir de dados experimentais de espectroscopia de ressonância magnética nuclear (RMN) e de massas empregando ligações cruzadas (XL-MS). No presente trabalho foi possível observar que a alta resolução obtida provém da combinação de técnicas computacionais que empregam inferência bayesina, obtendo parâmetros e modelos de maior precisão, e também de simulated annealing, obtendo maiores espaços conformacionais.

PDF
Creative Commons License
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.

Copyright (c) 2019 Matheus Mantovani dos Santos, Leandro Martinez