Pèptit
Els péptidos[1] (del grec antic πεπτός) són un tipo de molècula formades per l'unió de varis aminoàcits per mig d'enllaços peptídicos (enllaços amida).[2]

Els péptidos, de la mateixa manera que les proteïnes, estan presents en la naturalea i són responsables d'un gran número de funcions, moltes de les quals encara no es coneixen. L'unió d'un baix número d'aminoàcits dona lloc a un péptido, i si el número és alt, a una proteïna, encara que els llímits entre abdós no estan definits.[3][4][5]
Característiques
Els péptidos en menys de 10-20 aminoàcits també poden denominar-se oligopéptidos; aquells en més aminoàcits, polipèptits.
- Oligopéptido: de 2 a 10 aminoàcits.
- Dipéptidos si el número d'aminoàcits és 2.
- Tripéptidos si el n.º d'aminoàcits és 3.
- Tetrapéptidos si el n.º d'aminoàcits és 4.[6]
- Péptido: entre 10 i 50 aa.[6]
- Polipèptit: entre 51 i 100 aa.[7][8]
Les proteïnes fabricades en l'interior de les cèlules es formen en un o més polipèptits.[7]
Per a uns atres, 100 aminoàcits és el llímit entre un péptido i una proteïna.[8][9][10][11]
Els autors diferixen molt sobre on comencen a usar el terme proteïna.[12]
Els péptidos es diferencien de les proteïnes en que són més chicotets (tenen per convenció menys de 10.000 o 12.000 Daltons de massa) i que les proteïnes poden estar formades per l'unió de varis polipèptits i a voltes grups prostéticos.[5]
Un eixemple de polipèptit és l'insulina, composta per 51 aminoàcits i coneguda com una hormona d'acort a la funció que té en l'organisme dels sers humans. L'enllaç peptídico és un enllaç covalent entre el grup amino d'un aminoàcit i el grup carboxilo d'un atre. per a nomenar un péptido s'escomença per l'aminoàcit que porta el grup terminal, i es termina per l'aminoàcit que porta el grup . En el sistema clàssic cada aminoàcit es representa per tres lletres, i en el modern, impost per la genètica molecular, per una lletra. Si el primer aminoàcit del nostre péptido fora alanina i el segon serina tindríem el péptido alanil-serina, Ala-Ser, o AS.
Comportament àcit-base dels péptidos
ya que tenen un grup amino terminal i un carbòxil terminal, i poden tindre grups R ionizables, els péptidos tenen un comportament àcit-base similar al dels aminoàcits. Els péptidos, de la mateixa manera que aminoàcits i proteïnes són biomoléculas en un caràcter anfótero que permeten la regulació homeostática dels organismes. És de destacar este comportament en les enzimes, péptidos que funcionen com a catalisadors biològics de les reaccions metabòliques, ya que tenen una capacitat de funcionament dins de certs nivells de pH. En cas de superar-se es produïx una descompensacó de càrregues en la superfície de l'enzima, que pert la seua estructura i la seua funció (es desnaturaliza).
Reaccions químiques dels péptidos
Són les mateixes que les dels aminoàcits, és dir, les que donen respectivament els seus grups amino, carboxilo i R. Estes reaccions (sobretot les dels grups amino i carboxilo) s'han amprat per a secuenciar péptidos.
Reaccions del grup amino
Sobre les reaccions del grup amino, és molt interessant la reacció en el reactiu de Sanger per a secuenciar, ya que si tenim el 2,4-dinitrofenil-péptido i lo hidrolizamos per hidrólisis àcida, es hidrolizarán tots els enllaços peptídicos i obtindrem el dinitrofenil del primer aminoàcit de la seqüència, el terminal, més el restant dels aminoàcits disgregados en el mig. En esta reacció Sanger va conseguir secuenciar l'insulina. En esta reacció, el núcleu coloreado de dinitrobenzé s'unix a l'àtom de nitrogen de l'aminoàcit per a produir un derivat groc, el derivat 2,4-dinitrofenil o DNP-aminoàcit. El compost DNFB reaccionara en el grup amino lliure de l'extrem amino d'un polipèptit, aixina com també en els grups amino dels aminoàcits lliures. L'enllaç C–N que es forma és per lo general molt més estable que un enllaç peptídico. D'esta forma, fent reaccionar una proteïna nativa o un polipèptit intacte en el DNFB, hidrolizando la proteïna en àcit i aïllant els DNP-aminoàcits coloreados, pot identificar-se el grup amino terminal de l'aminoàcit en una cadena polipeptídica. El grup amino terminal de la lisina i alguns atres grups funcionals de les cadenes laterals també reaccionaran en el DNFB. No obstant, despuix de la hidrólisis, solament el derivat del grup amino terminal de l'aminoàcit original tindrà el seu grup α-amino bloquejat; aixina mateix, tals DNP-α-aminoàcits poden separar-se d'atres derivats DNP per mig de procediments d'extracció simples. En qualsevol dels variats métodos cromatogràfics es podrà identificar als DNP-α-aminoàcits
Pero este procés consumix molta energia, ya que, tenint el primer aminoàcit cal obtindre els demés trencant per atres zones. Açò s'evita en la degradació d'Edman (també és una reacció d'aminoàcits): Com la ciclacó es dona en condicions àcides suaus, no es trenquen els enllaços, i es dona la feniltiohidantoína de l'aminoàcit –NH2 terminal i queda el restant del péptido intacte.
Se separen abdós composts i per cromatografia es detecta. En el restant del péptido se seguix en el mateix procediment fins a tindre la seqüència completa. Este mètoto es coneix com a degradació d'Edman, i és la reacció que usen els seqüenciadors automàtics de proteïnes. Pero estos seqüenciadors solament poden secuenciar els 20 o 30 primers aminoàcits, per lo que tindrem que hidrolizar i seguir despuix. Açò és perque el rendiment no és del 100% i perdem péptido poc a poc, i al final no nos queda. Solament les enzimes conseguixen un rendiment al 100%.
Reaccions del grup carboxilo
També podem secuenciar escomençant per l'extrem carboxilo-terminal, per a lo que s'usen enzimes com la carboxipeptidasa. És una proteasa que hidroliza els enllaços peptídicos. Esta en concret és una exoproteasa (ataca a la proteïna per un extrem) que ataca a l'extrem carbòxil terminal. S'ampren 2 tipos, la carboxipeptidasa A i B. Catalizan la mateixa reacció, pero tenen especificidad distinta. L'A solament trenca l'enllaç peptídico si l'aminoàcit carboxilo-terminal és hidrofòbic. La B ho trenca si és bàsic. Cal controlar molt ben el temps de reacció, ya que quan es llibera un carbòxil terminal el següent aminoàcit es convertix en el carbòxil terminal.
Reaccions dels grups R
Respecte a les reaccions dels grups R, existixen molts reactius que reaccionen de forma específica en determinats grups R (OH de la serina, tiol de la cisteína...). Açò s'usa per a vore qué aminoàcit és essencial per al funcionament de la proteïna. Dins de les reaccions dels grups R, una interessant des del punt de vista d'aïllament i purificació de proteïnes és la del grup tiólico (-SH) de la cisteína, que és fortament reductor. En presència d'O2 té molta tendència a oxidarse. Si hi ha dos molècules de cisteína, en presència d'oxigen, es oxidan per a originar una molècula de cistina:
Açò ocorre freqüentment en una proteïna, quan es plega i dos molècules de cisteína queden pròximes en l'espai, generant un pont disulfur. El pont disulfur ocorre de forma natural, i deu formar-se per a estabilisar l'estructura tridimensional de les proteïnes. No obstant, pot ser que no dega ocórrer de forma natural, per eixemple, si hi ha cisteína essencials expostes (necessàries per a la funcionalitat). Quan aïllem una proteïna del seu entorn natural, posem a la proteïna en presència d'oxigen, en lo que eixos grups tiólicos es poden oxidar, i la proteïna perdre la seua funcionalitat. Per a evitar açò, en els mijos d'aïllament i purificació de proteïnes afegim β-mercapto-etanol, el grup del qual tiólico és més reductor que el de la pròpia cisteína; té més tendència a oxidarse.
De modo que en afegir β-mercapto-etanol, este es oxida i protegix aixina els grups tiólicos de la cisteína. Quan volem estudiar la composició d'aminoàcits d'una proteïna tenim que hidrolizarla completament, en lo que tenim una mescla de tot el conjunt d'aminoàcits lliures que constituïxen dita proteïna. Per a evitar, en tota esta manipulació, que les Cys que tingam en el mig es oxiden, tenim que protegir el seu grup tiólico afegint com a reactiu iodoacetato:
Aixina transformem la cisteína en carboximetilcisteína.
Interaccions proteïna-péptido
Els péptidos poden interactuar en proteïnes i atres macromolècules. Participen en numeroses funcions importants en les cèlules humanes, com la senyalisació celar, i actuen com a moduladors inmunitario.[5] De fet, alguns estudis han informat que entre el 15 i el 40% de totes les interaccions proteïna-proteïna en cèlules humanes estan mediades per péptidos.[14] Ademés, s'estima que a lo manco el 10% del mercat farmacèutic es basa en productes peptídicos.[5]
Aplicacions de l'aprenentage automàtic en la predicció de péptidos
Els mètotos d'aprenentage automàtic i aprenentage profunt s'utilisen cada volta més per a classificar, erejar i dissenyar péptidos a partir de senyes derivades de seqüències o estructures, especialment quan l'erejat experimental és costós, llent o difícil d'escalar.[15][16][17] Un fluix computacional típic inclou la preparació de conjunts de senyes de referència, la conversió de seqüències o estructures peptídicas en representacions numèriques, l'entrenament de models i l'evaluació del rendiment.[17] Entre les representacions més comunes s'inclouen la composició d'aminoàcits, la composició de dipéptidos, la composició pseudoaminoacídica, els descriptores fisicoquímicos, les matrius de substitució, les chafades moleculars i els embeddings depresos a partir de models de llenguage de proteïnes o péptidos.[17][18]
Estes aproximacions s'han aplicat a vàries classes de péptidos, inclosos els péptidos antimicrobianos, els péptidos penetrants en cèles, els péptidos capaços de travessar la barrera hematoencefàlica, els péptidos anticancerígenos, els péptidos antivirals i atres grups de péptidos funcionals.[17] Per eixemple, BrainPepPass utilisa reducció de dimensionalidad supervisada i extreme gradient boosting per a predir péptidos capaces de travessar la barrera hematoencefàlica a partir de descriptores moleculars de péptidos naturals i químicament modificats.[19] Per als péptidos penetrants en cèles, ConvBoost-CPP combina una ret neuronal convolucional en XGBoost i utilisa descriptores com a nitrogen, oxigen i hidrofobicidad segons l'escala d'Eisenberg; en el conjunt de senyes reportat, esta combinació de descriptores va aumentar l'exactitut en la prova independent del 82,6% al 91,3%.[20] En l'investigació sobre péptidos antimicrobianos, els métodos d'inteligència artificial han evolucionat des de classificadors clàssics d'aprenentage automàtic cap a grans models de llenguage, rets neuronals de grafos, models de difusió i estratègies de disseny guiades per estructura.[16] Entre les principals llimitacions es troben els conjunts de senyes chicotetes o biaixats, els protocols d'evaluació poc consistents, les mostres negatives incertes i la interpretabilidad llimitada d'alguns models predictius.[17][16]
Propietats moleculars i espai químic dels péptidos
L'espai químic dels péptidos pot descriure's com un espai multidimensional de descriptores o chafades moleculars, en el quals distàncies entre molècules aproximen la seua similitut química o funcional.[21][22] L'espai químic peptídico pot mapearse a partir de seqüències d'aminoàcits, estructures moleculars tridimensionals o abdós. Les propietats moleculars empleades per a este propòsit inclouen massa molecular, logP, logD, àrea de superfície polar topològica, donadores i aceptores d'enllaços d'hidrogen, número d'àtoms de nitrogen i oxigen, càrrega, hidrofobicidad, característiques relacionades en l'estructura secundària i chafades moleculars.[19][22] Els mètotos de reducció de dimensionalidad, com l'anàlisis de components principals, t-SNE, UMAP i l'aprenentage supervisat de varietats, a sovint combinats en agrupament o rets de similitut, s'utilisen per a visualisar biblioteques de péptidos i identificar grups en propietats o activitats relacionades.[23][24][21][22]
Els péptidos es diferencien de moltes molècules chicotetes perque la seua seqüència de residus, l'esquelet amídico, la flexibilitat conformacional i les modificacions químiques influïxen conjuntament en la bioactividad, la biodisponibilidad i la permeabilidad de membrana.[22] Les notacions basades en seqüències, incloses FASTA, HELM i BILN, poden codificar péptidos canònics i modificats per a l'anàlisis computacional, mentres que les cadenes basades en àtoms i les representacions en grafos poden capturar conectivitat, estereoquímica i restriccions estructurals.[22][18] Les modificacions químiques, com la ciclacó, la N-metilació, l'incorporació d'aminoàcits no naturals i les modificacions sitie-específiques, poden desplaçar la posició d'un péptido en l'espai químic i modificar propietats com solubilitat, estabilitat, permeabilidad i afinitat pel blanc molecular.[22][18] Ya que classes de péptidos no relacionades poden superpondre's parcialment en l'espai de descriptores, l'anàlisis de l'espai químic també s'utilisa per a investigar regions compartides de bioactividad i recolzar l'erejat virtual, el reposicionament i el disseny de péptidos.[22]
Vore també
Referències
- ↑ OMS,OPS,BIREME (ed.): «bvsalud.org/es/ths/resource/? id=605 Aminoàcits, Péptidos i Proteïnes». Descriptores en Ciències de la Salut. Biblioteca Virtual en Salut.
- ↑ «qmul. ac.uk/AminoAcid/A1113. html 3AA-11 to 3AA-13». iupac. qmul. ac.uk. Consultat el 2024-10-16.
- ↑ Lira Navarrete, Erandi(juny de 2007).unam. mx/computo/pdfs/met/sintesis_de_peptidos.pdf «Síntesis de Péptidos».Universitat Nacional Autònoma de Mèxic.Consultat el 25 d'abril de 2016.
- ↑ What Is the Difference Between a Peptide and a Protein?.
- ↑ 5,0 5,1 5,2 5,3 Nelson, D. L; Coix, M. M. (2018). «3 Aminoàcits, péptidos i proteïnes», , Omega, pp. 86-88. ISBN 9788428216678.
- ↑ 6,0 6,1 «cap.4: Péptido i Enllaç peptídico». Universitat de Múrcia.
- ↑ 7,0 7,1 «Péptido». National Human Genome Research Institute. NIH (2023).
- ↑ 8,0 8,1 «uq.edu.au/artícul/2017/11/explainer-peptides-vs-proteins-whats-difference Explainer: Peptides vs proteins - what's the difference?». Universitat de Queensland (2017).
- ↑ «Définitions: Polypeptide», Encyclopedie Larousse (en francés).
- ↑ Cuq J-L.. «Biochimie dones protéines» (en francés). Polytech Montpeller. Université de Montpeller.
- ↑ Aswaoui R.«Peptides, caractéristiques et structure dones protéines».Vaig facultar de médecine. Université d’Oren.
- ↑ Erro en la cita: L'element
<ref>no és vàlit; puix no n'hi ha una referència en text nomenadaIUPAC - ↑ «dcc. ufmg. br/propedia2/ Propedia v2.3 - Peptide-Protein Interactions Database». bioinfo. dcc. ufmg. br. Consultat el 2023-03-28.
- ↑ Neduva, Victor; Linding, Rune; El seu-Angrand, Isabelle; Stark, Alexander(2005-11-15).«Systematic Discovery of New Recognition Peptides Mediating Protein Interaction Networks».PLOS Biology.3(12)ISSN 1545-7885.doi:10.1371/journal.pbio.0030405.(en en)
- ↑ Wang, Jiaqi; Liu, Zihan; Zhao, Shuang; Xu, Tengyan(November 2023).«Deep Learning Empowers the Discovery of Self-Assembling Peptides with Over 10 Trillion Sequences».Advanced Science.10(31)ISSN 2198-3844.doi:10.1002/advs.202301544.(en en)
- ↑ 16,0 16,1 16,2 Brizuela, Carlos A.; Liu, Gary; Stokes, Jonathan M.; de la Font-Nunez, Cessar(2025).«AI methods for antimicrobial peptides: progress and challenges».Microbial Biotechnology.18(1)doi:10.1111/1751-7915.70072.
- ↑ 17,0 17,1 17,2 17,3 17,4 Asim, Muhammad Nabeel; Asif, Tayyaba; Mehmood, Faiza; Dengel, Andreas(2025).«Peptide classification landscape: an in-depth systematic literature review on peptide types, databases, datasets, predictors architectures and performance».Computers in Biology and Medicine.188doi:10.1016/j.compbiomed.2025.109821.
- ↑ 18,0 18,1 18,2 Erckes, Vanessa; Abderrahmane, Massina; Jusot, Maud; Steuer, Christian(2026).«Peptide cheminformatics tools: making computational tasks accessible in peptide drug discovery».Drug Discovery Today.31(2): 104612.doi:10.1016/j.drudis.2026.104612.
- ↑ 19,0 19,1 d'Oliveira, Ewerton Cristhian Llima; Hirmz, Hannah; Wynendaele, Evelien; Seixas Feio, Juliana Auzier(2024).«BrainPepPass: a framework based on supervised dimensionality reduction for predicting blood-brain barrier-penetrating peptides».Journal of Chemical Information and Modeling.64(7): 2368–2382.doi:10.1021/acs.jcim.3c00951.
- ↑ Seixas Feio, Juliana Auzier; d'Oliveira, Ewerton Cristhian Llima; de Sals Junior, Claudomiro de Souza; dona Costa, Kauê Santana(2024).«Investigating molecular descriptors in cell-penetrating peptides prediction with deep learning: employing N, O, and hydrophobicity according to the Eisenberg scale».PLOS ONE.19(6): i0305253.doi:10.1371/journal.pone.0305253.
- ↑ 21,0 21,1 Orsi, Markus; Reymond, Jean-Louis(January 2025).«Navigating a 1I+60 Chemical Space of Peptide/Peptoid Oligomers».Molecular Informatics.44(1)ISSN 1868-1743.doi:10.1002/minf.202400186.(en en)
- ↑ 22,0 22,1 22,2 22,3 22,4 22,5 22,6 d'Oliveira, Ewerton Cristhian Llima; Feio, Juliana Auzier Seixas; Coelho, Gabriel Pereira; do Nascimento, Lidiane Diniz(2026).«Navigating in the chemical space of peptides: computational strategies and molecular features to unveil their functional and drug-like properties».Physical Chemistry Chemical Physics.doi:10.1039/D5CP04611D.
- ↑ Romero, Maylin; Marrero-Ponce, Yovani; Martinez-Rios, Felix; Agüero-Chapin, Guillermin(2025-11-18).«Half-Space Proximal Networks (HSPNs): A Proxy for Multi-Query Similarity Searching Models Predicting Tumor-Homing Peptides».ACS Omega.10(45): 54389–54404.ISSN 2470-1343.doi:10.1021/acsomega.5c07055.(en en)
- ↑ Descamps, Amélie; Hirmz, Hannah; d'Oliveira, Ewerton; De Spiegeleer, Anton(2025-07-01).«Beyond Molecular Weight: Peptide Characteristics Influencing the Sensitivity of Retention to Changes in Organic Solvent in Reversed-Phase Chromatography».ACS Omega.10(25): 27089–27097.ISSN 2470-1343.doi:10.1021/acsomega.5c02327.(en en)