Desarrollo de herramientas bioinformáticas para el estudio y clasificación de proteínas usando coevolución

Los alineamientos múltiples de secuencias (MSA) contienen al menos dos tipos de información; una está dada por la conservación de aminoácidos en ciertas posiciones, mientras que la otra habla sobre la interrelación o coevolución entre dos o más posiciones. La coevolución entre sitios se inére utilizando métodos estadísticos que estiman la covariación entre posiciones a partir de un MSA. En esta tesis, se desarrolló web de acceso libre y gratuito que permite a usuarios no expertos calcular covariación en familias de proteínas. Los resultados se presentan en una interfaz interactiva que permite explorar la red de covariación e integrarla con la estructura 3D de la proteína. La coevolución entre sitios también puede ser detectada en la interfaz de contacto de dos proteínas que interactúan y han requerido mantener esta interacción durante su evolución. Hasta ahora, este tipo de análisis estaba restringido a secuencias de genomas bacterianos y se requerían conocimientos avanzados para la generación de un MSA concatenado adecuado para este tipo de cálculo. La herramienta I-COMS fue desarrollada con esto en mente, y facilitar a los usuarios este tipo de análisis, extender el rango de aplicabilidad y analizar los resultados de manera gráfica. Por último, se estudió cuál es el alcance de la información capturada en la topología de las redes de covariación para detectar familias de proteínas relacionadas. Este estudio sienta las bases para el desarrollo de nuevos métodos para agrupar y clasificar proteínas en familias.

Multiple sequence alignments (MSA) provide us with at least two types of information; one is given by the conservation of amino acids at certain position, while the other is given by the relationship or coevolution between two or more positions. This coevolution between sites is inferred using methods that estimate covariation from a MSA. In this thesis, a public webserver capable of calculating covariation between residues in a protein family was developed. More importantly, an interactive visualization framework is available to explore the results in terms of sequence conservation, covariation integrated with the protein 3D structure. Coevolution can also be detected at protein interfaces, where proteins need to maintain certain interactions throughout their evolution. Until now, such analysis was restricted to bacterial genomes sequences only and to expert users capable of building their own concatenated MSA suitable for this calculations. The I-COMS tools was developed to extend the analysis to any species as well as facilitate non expert users the calculation and interpretation of the obtained results. Finally, the extent of the covariation relationship across diferent protein families was studied to assess the network topology similarity between related functional domains. This study provides the foundation to the development of new methods that aim at clustering and classifying proteins in families.