Familia de proteínas

Una familia de proteínas es un grupo de proteínas relacionadas evolutivamente . En muchos casos, una familia de proteínas tiene una familia de genes correspondiente , en la que cada gen codifica una proteína correspondiente con una relación 1:1. El término "familia de proteínas" no debe confundirse con el término familia tal como se utiliza en taxonomía.

Las proteínas de una familia descienden de un ancestro común y normalmente tienen estructuras tridimensionales y funciones similares, y una similitud de secuencia significativa . ^{[1] [2]} La similitud de secuencia (normalmente la secuencia de aminoácidos) es uno de los indicadores más comunes de homología o ascendencia evolutiva común. ^{[3] [4]} Algunos marcos para evaluar la importancia de la similitud entre secuencias utilizan métodos de alineamiento de secuencias . Es poco probable que las proteínas que no comparten un ancestro común muestren una similitud de secuencia estadísticamente significativa, lo que hace que el alineamiento de secuencias sea una herramienta poderosa para identificar a los miembros de las familias de proteínas. ^{[3] [4]} Las familias a veces se agrupan en clados más grandes llamados superfamilias en función de la similitud estructural, incluso si no hay una homología de secuencia identificable.

Actualmente, se han definido más de 60.000 familias de proteínas, ^[5] aunque la ambigüedad en la definición de "familia de proteínas" lleva a distintos investigadores a utilizar cifras muy variables.

El término familia de proteínas tiene un uso amplio y puede aplicarse a grandes grupos de proteínas con similitud de secuencia apenas detectable, así como a grupos estrechos de proteínas con secuencia, función y estructura casi idénticas. Para distinguir entre estos casos, se utiliza una terminología jerárquica. En el nivel más alto de clasificación se encuentran las superfamilias de proteínas , que agrupan proteínas distantemente relacionadas, a menudo en función de su similitud estructural. ^{[6] [7] [8] [9]} A continuación están las familias de proteínas, que se refieren a proteínas con un origen evolutivo compartido exhibido por una similitud de secuencia significativa . ^{[2] [10]} Las subfamilias se pueden definir dentro de las familias para denotar proteínas estrechamente relacionadas que tienen funciones similares o idénticas. ^[11] Por ejemplo, una superfamilia como el clan PA de proteasas tiene menos conservación de secuencia que la familia C04 dentro de ella.

Arriba, conservación de secuencias de 250 miembros de la familia de proteasas PA ( superfamilia ). Abajo, conservación de secuencias de 70 miembros de la familia de proteasas C04: Las flechas indican residuos de la tríada catalítica , alineados sobre la base de la estructura por DALI .

Las familias de proteínas se reconocieron por primera vez cuando la mayoría de las proteínas que se entendían estructuralmente eran proteínas pequeñas de un solo dominio, como la mioglobina , la hemoglobina y el citocromo c . Desde entonces, se han encontrado muchas proteínas con múltiples unidades estructurales y funcionales independientes llamadas dominios . Debido a la reorganización evolutiva, los diferentes dominios de una proteína han evolucionado de forma independiente. Esto ha llevado a centrarse en las familias de dominios de proteínas. Varios recursos en línea están dedicados a identificar y catalogar estos dominios. ^{[12] [13]}

Las distintas regiones de una proteína tienen distintas limitaciones funcionales. Por ejemplo, el sitio activo de una enzima requiere que ciertos residuos de aminoácidos estén orientados con precisión. Una interfaz de unión proteína-proteína puede consistir en una gran superficie con limitaciones en la hidrofobicidad o polaridad de los residuos de aminoácidos. Las regiones funcionalmente restringidas de las proteínas evolucionan más lentamente que las regiones sin restricciones, como los bucles de superficie, lo que da lugar a bloques de secuencia conservada cuando se comparan las secuencias de una familia de proteínas (véase alineamiento de secuencias múltiples ). Estos bloques se denominan más comúnmente motivos, aunque se utilizan muchos otros términos (bloques, firmas, huellas dactilares, etc.). Varios recursos en línea están dedicados a identificar y catalogar motivos de proteínas. ^[14]

Según el consenso actual, las familias de proteínas surgen de dos maneras. En primer lugar, la separación de una especie progenitora en dos especies descendientes genéticamente aisladas permite que un gen/proteína acumule variaciones ( mutaciones ) de forma independiente en estos dos linajes. Esto da como resultado una familia de proteínas ortólogas , generalmente con motivos de secuencia conservados. En segundo lugar, una duplicación genética puede crear una segunda copia de un gen (denominada parálogo ). Debido a que el gen original aún puede realizar su función, el gen duplicado es libre de divergir y puede adquirir nuevas funciones (por mutación aleatoria).

Ciertas familias de genes/proteínas, especialmente en eucariotas , experimentan expansiones y contracciones extremas en el curso de la evolución, a veces en concierto con duplicaciones de todo el genoma . Las expansiones son menos probables, y las pérdidas más probables, para proteínas intrínsecamente desordenadas y para dominios proteicos cuyos aminoácidos hidrofóbicos están más lejos del grado óptimo de dispersión a lo largo de la secuencia primaria. ^[15] Esta expansión y contracción de las familias de proteínas es una de las características sobresalientes de la evolución del genoma , pero su importancia y ramificaciones actualmente no están claras.

A medida que aumenta el número total de proteínas secuenciadas y aumenta el interés en el análisis del proteoma , se está trabajando para organizar las proteínas en familias y describir sus dominios y motivos componentes. La identificación confiable de las familias de proteínas es fundamental para el análisis filogenético , la anotación funcional y la exploración de la diversidad de funciones de las proteínas en una rama filogenética dada. La Iniciativa de Función Enzimática utiliza familias y superfamilias de proteínas como base para el desarrollo de una estrategia basada en la secuencia/estructura para la asignación funcional a gran escala de enzimas de función desconocida. ^[16] Los medios algorítmicos para establecer familias de proteínas a gran escala se basan en una noción de similitud.

Muchas bases de datos biológicas catalogan familias de proteínas y permiten a los usuarios hacer coincidir las secuencias de consulta con familias conocidas. Entre ellas se incluyen:

• Pfam - Base de datos de alineaciones y HMM de familias de proteínas
• PROSITE - Base de datos de dominios de proteínas, familias y sitios funcionales
• PIRSF - Sistema de clasificación de superfamilias
• PASS2 - Alineamiento de proteínas como superfamilias estructurales v2 - PASS2@NCBS ^[17]
• SUPERFAMILIA - Biblioteca de HMM que representan superfamilias y base de datos de anotaciones (de superfamilias y familias) para todos los organismos completamente secuenciados
• SCOP y CATH - Clasificaciones de estructuras de proteínas en superfamilias, familias y dominios

De manera similar, existen muchos algoritmos de búsqueda en bases de datos, por ejemplo:

• BLAST - Búsqueda de similitud de secuencias de ADN
• BLASTp - Búsqueda de similitud de secuencias de proteínas
• OrthoFinder - Método para agrupar proteínas en familias (ortogrupos) ^{[18] [19]}

• Medios relacionados con Familias de proteínas en Wikimedia Commons