Anar al contingut

Predicció de la funció de les proteïnes

De L'Enciclopèdia, la wikipedia en valencià

La predicció de la funció de les proteïnes comprén un conjunt de métodos amprats per investigadors en bioinformática per a assignar rols biològics o bioquímics a proteïnes. Generalment, estes proteïnes han segut poc estudiades o s'identifiquen a partir de senyes de seqüenciació genómica. Dites prediccions es basen, en gran mida, en procediments computacionals intensius en senyes. L'informació utilisada pot provindre de diverses fonts, com l'homologia de seqüències d'àcits nucleicos, perfils d'expressió gènica, estructures de dominis proteics, mineria de texts científics, perfils filogenético, perfils fenotípicos i interacciones proteïna-proteïna. [1]

El terme “funció proteica” és ampli, ya que comprén des de la catálisis de reaccions bioquímiques fins al transport i la transducción de senyals; ademés, una mateixa proteïna pot participar en múltiples processos o vies celulars. En térmens generals, la funció pot entendre's com “qualsevol procés que ocorre en o a través d'una proteïna”. [2]

El Consorci d'ontologia gènica proporciona una classificació útil de les funcions, basada en un vocabulari estructurat de térmens ben definits, organisats en tres categories principals: funció molecular, procés biològic i component celular. Els investigadors poden consultar esta base de senyes per mig del nom d'una proteïna o el seu número d'accés, en la finalitat de recuperar els térmens o anotacions de l'ontologia gènica (GO) associats, sustentats en evidència computacional o experimental.[3][4]


Encara que tècniques experimentals com l'anàlisis de microarreglos, l'interferència d'ARN i el sistema de doble híbrit en rent permeten demostrar la funció d'una proteïna, els alvanços en les tecnologies de seqüenciació han provocat que la velocitat de caracterisació experimental siga considerablement menor en comparació a la generació de noves seqüències. Per això, l'anotació de noves seqüències es realisa principalment per mig de métodos computacionals, ya que permeten analisar de manera ràpida grans cantitats de gens o proteïnes.[3]

Els primers enfocaments de predicció es basaven en l'inferència de funcions a partir de proteïnes homòlogues en funcions conegudes (predicció basada en homologia). Posteriorment, el desenroll de métodos basats en el context i en l'estructura ha ampliat la capacitat de predicció, permetent integrar distints tipos d'informació. Actualment, la combinació de múltiples enfocaments possibilita la reconstrucció de vies celulars completes a partir de senyes de seqüència.[5][3]

La rellevància i l'us estés de la predicció computacional de la funció gènica s'evidencien en l'anàlisis dels “còdics d'evidència” amprats per la base de senyes d'Ontologia Gènica: fins a l'any 2010, el 98% de les anotacions corresponien al còdic IEA (inferido per mig d'anotació electrònica), mentres que solament el 0.6% es basaven en evidència experimental. [3][4]

Métodos basats en homologia

[editar | editar còdic]
Una part d'una alliniació de seqüències múltiples de quatre seqüències diferents de proteïnes d'hemoglobina. Les seqüències proteiques similars usualment indiquen funcions compartides.

Les proteïnes de seqüències similars són usualment homòlogues [6] i, per tant, tenen una funció similar. És per açò que , les proteïnes en un genoma recent secuenciado són anotades rutinariamente utilisant les seqüències de proteïnes similars en genomes relacionats.

No obstant, les proteïnes estretament relacionades no sempre compartixen la mateixa funció.[5] Per eixemple, les proteïnes Gal1 i Gal3 del rent són parálogos (73% identitat i 92% similitut) que han evolucionat funcions molt diferents, en Gal1 sent una galactokinasa i Gal3 sent un inductor transcripcional. [7]

Dins de les proteïnes homòlogues, es distinguixen dos tipos principals: els ortólogos, que són gens en diferents espècies que varen evolucionar a partir d'un ancestro comú i solen conservar la mateixa funció, i els parálogos, que sorgixen per la duplicació genètica dins d'un mateix organisme i poden aplegar a evolucionar funcions diferents. [8]


No existix un llindar de similitut de seqüències estricte per a una “segura” predicció de funcions; moltes proteïnes de similitut de seqüència a penes detectable tenen la mateixa funció, mentres que unes atres (com Gal1 i Gal3) són molt similars, pero han evolucionat funcions diferents. Com a regla general, les seqüències que són més del 30-40% idèntiques solen considerar-se que tenen la mateixa funció o una funció molt similar.[9]

Para les enzimes, les prediccions de funcions específiques són especialment difícils, ya que solament necessiten uns pocs residus clau en el seu lloc actiu, per lo que seqüències molt diferents poden tindre activitats molt similars. En canvi, inclús en una identitat de seqüència del 70% o més, el 10% de qualsevol parell d'enzimes té substrats diferents; i les diferències en les reaccions enzimàtiques reals no són poc freqüents prop del 50% d'identitat de seqüència. [10][11]

Per a identificar seqüències homòlogues, s'ampren ferramentes bioinformáticas com BLAST (Basic Local Alignment Search Tool), que permet comparar seqüències problema contra bases de senyes,aixina com programes de alineamiento múltiple com Clustal Omega. Estes ferramentes faciliten la detecció de similituts i l'inferència de possibles funcions.[12]

Métodos basats en motius de seqüència

El desenroll de bases de senyes de dominis proteics com Pfam (Protein Families Database) [10] nos permet trobar dominis coneguts dins d'una seqüència de consulta, proporcionant evidència de funcions provables. El lloc web de dcGO [13] conté anotacions tant per als dominis individuals com per als supradominios (és dir, combinacions de dos o més dominis successius), permetent aixina per mig del predictor dcGO les prediccions de funcions de forma més realista.


Dins dels dominis proteics, les firmes més curtes conegudes com a 'motius' s'associen a funcions particulars, [14] i les bases de senyes de motius com PROSITE ('base de senyes de dominis, famílies i llocs funcionals de proteïnes') poden buscar-se per mig d'una seqüència de consulta. [15]

Els motius poden, per eixemple, usar-se per a predir la localisació subcelular d'una proteïna (a on en la cèlula la proteïna s'envia despuix de la síntesis). Els péptidos senyals curtes dirigixen certes proteïnes a una ubicació concreta, com les mitocondrias, i existixen diverses ferramentes per a predir estes senyals en una seqüència proteica. [16] Per eixemple, SignalP, que s'ha actualisat vàries voltes a mida que es milloren els métodos.[17] Aixina, es poden predir aspectes de la funció d'una proteïna sense comparació en atres seqüències de proteïnes homòlogues de llongitut completa.

Per estes llimitacions, la predicció de la funció proteica sol complementar-se en l'anàlisis de l'estructura tridimensional, ya que esta es conserva més que la seqüència a lo llarc de l'evolució. D'esta manera, proteïnes en baixa similitut de seqüència poden presentar estructures similars i, per tant, funcions relacionades.[18]

Métodos basats en estructura

[editar | editar còdic]
Una alliniació de les proteïnes tòxiques ricina i abrina. Els alineamientos estructurals poden utilisar-se per a determinar si dos proteïnes tenen funcions similars inclús quan les seues seqüències diferixen.

Comparació estructural de proteïnes.


Ya que l'estructura tridimensional de proteïnes (3D) sol estar millor conservada que la seua seqüència proteica, la similitut estructural és un bon indicador de funcions similars entre dos o més proteïnes.[5][14] S'han desenrollat diversos programes que permeten comparar una estructura proteica coneguda en les estructures disponibles en el Protein Data Bank,[19] en l'objectiu d'identificar similituts estructurals entre proteïnes.

Entre els programes més utilisats es troben, FATCAT (Flexible structure AlignmenT by Chaining AFPs (Aligned Fragment Pairs) with Twists), [20] CE (extensió combinatòria)[21]) i Deep Align (alliniació de l'estructura de proteïnes més allà de la proximitat espacial).[22] De manera similar, les principals bases de senyes de proteïnes, com UniProt, conten en ferramentes integrades que permeten comparar seqüències proteiques en  bases de senyes estructurals. Estes ferramentes faciliten l'establiment de relacions entre proteïnes d'estructura coneguda i aquelles la funció de les quals encara no ha segut completament caracterisada, contribuint aixina a la seua predicció de la seua funció biològica. [23]

Alineamiento estructural.

El alineamiento estructural és un método basat en l'estructura tridimensional que permet comparar proteïnes per mig de la superposició de les seues coordenades espacials. Este procediment establix equivalència entre estructures proteiques a partir de la seua forma i conformació tridimensional, lo que permet identificar similituts estructurals inclús entre proteïnes en baixa similitut de seqüència.[22]

Com a resultat del alineamiento estructural, s'obté la superposició de les coordenades atòmiques de les proteïnes i s'ampren mètriques com la desviació quadràtica mija (RMSD), que medix la distancia promig entre les posicions atòmiques de les estructures superpostes, proporcionant una mida quantitativa de la seua similitut. [22]

Comparació d'estructures 3D en colocar-les en la mateixa orientació per a evaluar la seua similitut (RMSD), incloent enfocaments globals, locals i métodos basats en fragments i matrius de distància.

Alineamiento estructural global.

Estos métodos poden realisar-se per mig de la comparació d'estructures completes, coneguda com alineamiento global, en la que se superpon la totalitat de la proteïna per a evaluar la similitut de la seua plegament tridimensional. Este tipo d'anàlisis resulta útil quan les proteïnes presenten arquitectura estructurals conservades. [24]

Alineamiento estructural local.

Aixina mateix, el alineamiento estructural pot centrar-se en la comparació de regions específiques, també denominat alineamiento local. En este cas, l'anàlisis s'enfoca en fragments estructurals o dominis funcionals, permetent detectar similituts en llocs actius o regions conservades, inclús quan existix baixa similitut global entre les proteïnes.[25]

Entre els métodos utilisats per a realisar alineamientos estructurals es troben enfocaments basats en la comparació de fragments estructurals i matrius de distància, els quals permeten identificar correspondències estructurals entre proteïnes i evaluar la seua relació funcional i evolutiva.[26]

Predicció de l'estructura de proteïnes

[editar | editar còdic]
Archiu:Predicción de la estructura de proteinas.png
A partir de la seqüència d'aminoàcits s'obté un model 3D en métodos computacionals (homologia, threading i ab initio), que després s'analisa per a identificar llocs funcionals i comprendre la seua funció.

Per a abordar el fet de que moltes seqüències proteiques carixen d'estructures resoltes, s'han desenrollat métodos de predicció de l'estructura de proteïnes que permeten determinar l'estructura tridimensional a partir de la seqüència d'aminoàcits. [27] Estos enfocaments generen models estructurals quan no es dispon de senyes experimentals i permeten analisar característiques com l'organisació tridimensional, l'accessibilitat al solvent i la presència de possibles regions funcionals, lo que facilita l'inferència de la funció biològica de la proteïna. [28]

Entre estes ferramentes es troben alguns servidors de predicció funcional, com RaptorX, que primer generen un model tridimensional de la seqüència proteica i posteriorment apliquen métodos estructurals per a inferir les seues funcions. Estos models poden amprar-se quan no existix una estructura experimental determinada, permetent l'anàlisis estructural de proteïnes poc caracterisades. [29][30]

Enfocaments de predicció estructural.

Estos métodos de predicció estructural poden basar-se en diferents enfocaments, com a modelació per homologia, threading o predicció ab initio, depenent de la disponibilitat d'estructures relacionades prèviament determinades. La modelació per homologia utilisa proteïnes en estructures conegudes com a plantilles, mentres que els métodos de threading busquen plegament compatibles en la seqüència analisada. Per la seua banda, els métodos ab initio prediuen l'estructura tridimensional a partir de principis físics i energètics sense dependre d'estructures prèviament conegudes.[31]

Predicció basada en motius estructurals.


En molts casos, en lloc d'analisar l'estructura completa de la proteïna, l'estudi s'enfoca en l'estructura tridimensional (3D) d'un motiu en particular que representa un lloc actiu o d'unió,[14][32][33][34]El método de Llocs Locals d'Activitat Estructuralment Alineats (SALSA)[33] desenrollat per Mary Jo Ondrechen i els seus estudiants, utilisa propietats químiques calculades dels aminoàcits individuals per a identificar llocs locals bioquímicamente actius. Aixina mateix, s'han desenrollat bases de senyes com Catalytic Site Atles[35] que poden consultar-se utilisant noves seqüències proteiques en la finalitat de predir llocs funcionals específics.

Organisació estructural i dominis.

La predicció estructural es basa en el principi de que l'estructura tridimensional d'una proteïna està estretament relacionada en la seua funció biològica. [36] En este context, l'estructura proteica s'organisa en diferents nivells (primària, secundària, terciaria i cuaternaria), els quals determinen la forma final de la proteïna i la seua capacitat per a interactuar en atres molècules. [37]


Aixina mateix, l'identificació de dominis estructurals dins d'una proteïna permet reconéixer regions funcionals conservades que poden estar associades en activitats específiques, inclús quan la seqüència global presenta baixa similitut en atres proteïnes conegudes. [38]

Mapage computacional de solvents.

[editar | editar còdic]
Archiu:Computational solvent mapping of CAPS 127 using CAPS 128
Mapage computacional de dissolvents de la proteïna AMA1 utilisant mapage computacional basat en fragments (FTMAP) per mig de l'escanege computacional de la superfície de AMA1 en 16 sondes (menudes molècules orgàniques) i definint les ubicacions a on les sondes s'agrupen (marcades com a regions colorides en la superfície de la proteïna [39]

Un dels principals desafius en la predicció de la funció de les proteïnes és l'identificació dels llocs actius. Açò es complica degut a que alguns d'estos llocs no estan preformados, sino que es generen quan la proteïna experimenta canvis conformacionales induïts per l'unió de molèculas menudes. La majoria de les estructures proteiques han segut determinades per mig de cristalografia de rajos X, tècnica que requerix un cristal de proteïna purificada. Com a resultat, els models estructurals disponibles solen correspondre a proteïnes aïllades, sense reflectir els canvis conformacionales que ocorren durant l'interacció en ligandos, és dir, quan la proteïna interactua en molècules menudes.[40]

El mapage computacional en solvents ampra sondes (menudes molècules orgàniques) que es desplacen computacionalment sobre la superfície de la proteïna per a identificar regions a on tendixen a agrupar-se. Generalment s'apliquen múltiples sondes en l'objectiu de generar diverses conformació de proteïna-sonda. Posteriorment els conglomerats obtinguts es classifiquen en funció de la seua energia lliure promig. Despuix del mapage computacional de múltiples sondes, les regions a on s'observa una alta concentració d'estos conglomerats solen correspondre a possibles llocs actius en la proteïna.[40]

Desenroll experimental del método.


Esta tècnica representa una adaptació computacional d'experiments de laboratori realisats en 1996. En dits estudis es va descobrir que en determinar l'estructura d'una proteïna mentres està suspesa en distints solvents i posteriorment superpondre dites estructures, les molècules del solvent orgànic tendixen a agrupar-se en el lloc actiu de la proteïna.  Este treball va sorgir a partir de l'observació de que les molècules d'aigua són visibles en els mapes de densitat electrònica obtinguts per cristalografia de rajos X i que estes interactuen en la proteïna concentrant-se principalment en regions polars. Açò va dur a l'idea de sumergir el cristal proteic purificat en atres dissolvents (per eixemple, etanol, isopropanol, etc.) per a identificar les regions a on estes molècules s'agrupen. en la proteïna. Els solvents es relacionen en funció de les interaccions que es desija simular; per eixemple, l'etanol pot amprar-se per a estudiar interaccions en l'aminoàcit serina, mentres que el isopropanol pot utilisar-se com una sonda per a la treonina, etc. És fonamental que la proteïna conserve la seua estructura terciaria en cada solvent. Este procediment es repetix en múltiples solvents i l'informació obtinguda pot utilisar-se per a intentar determinar possibles llocs actius en la proteïna. [41]

Anàlisis de superfície proteica.

L'anàlisis de la superfície proteica és fonamental en este tipo de métodos, ya que els llocs actius i d'unió solen localisar-se en regions accessibles al solvent. Estes regions presenten característiques estructurals i fisicoquímica específiques que favorixen l'interacció en atres molècules, com la presència de cavitats o "bojaques” en la superfície de la proteïna. [42]

De manera complementària, els llocs d'unió corresponen a regions específiques a on les proteïnes interactuen en ligandos, i la seua identificació permet comprendre els mecanismes de reconeiximent molecular i la funció biològica de la proteïna . Estos enfocaments reforcen l'us de l'anàlisis estructural com una ferramenta clau per a la predicció funcional. [43]


Referències

[editar | editar còdic]
  1. ↑ Rost, B.. “Automatic prediction of protein function” (en). Cellular and Molecular Life Sciences CMLS 60 (12): 2637–2650. doi:10.1007/s00018-003-3114-8. ISSN 1420-9071. PMID 14685688. PMC:11138487.
  2. ↑ Ashburner, Michael. “Gene Ontology: tool for the unification of biology” (en). Nature Genetics 25 (1): 25–29. doi:10.1038/75556. ISSN 1546-1718. PMID 10802651. PMC:3037419.
  3. ↑ 3,0 3,1 3,2 3,3 Gabaldón, T.. “Prediction of protein function and pathways in the genome era” (en). Cellular and Molecular Life Sciences CMLS 61 (7): 930–944. doi:10.1007/s00018-003-3387-i. ISSN 1420-9071. PMID 15095013. PMC:11138568.
  4. ↑ 4,0 4,1 du Plessis, L.. “The what, where, how and why of gene ontology--a primer for bioinformaticians” (en). Briefings in Bioinformatics 12 (6): 723–735. doi:10.1093/bib/bbr002. ISSN 1467-5463. PMID 21330331. PMC:3220872.
  5. ↑ 5,0 5,1 5,2 Whisstock, James C.. “Prediction of protein function from protein sequence and structure” (en). Quarterly Reviews of Biophysics 36 (3): 307–340. doi:10.1017/S0033583503003901. ISSN 0033-5835.
  6. ↑ Reeck, Gerald R.. ““Homology” in proteins and nucleic acids: A terminology muddle and a way out of it”. Cell 50 (5): 667. doi:10.1016/0092-8674(87)90322-9. ISSN 0092-8674.
  7. ↑ «PNAS» (en en). doi:10.1073/pnas.97.7.3154.
  8. ↑ «Protein Homology: Techniques & Definitions | StudySmarter» (en en-gb).
  9. ↑ Current Protocols in Bioinformatics.42(1)ISSN 1934-3396.doi:10.1002/0471250953.bi0301s42.Consultat el 2026-05-01.
  10. ↑ 10,0 10,1 Rost, Burkhard. “Enzyme Function Less Conserved than Anticipated”. Journal of Molecular Biology 318 (2): 595–608. doi:10.1016/S0022-2836(02)00016-5. ISSN 0022-2836.
  11. ↑ Tian, Weidong (31 de octubre 2003). “How Well is Enzyme Function Conserved as a Function of Pairwise Sequence Identity?”. Journal of Molecular Biology 333 (4): 863–882. doi:10.1016/j.jmb.2003.08.057. ISSN 0022-2836.
  12. ↑ Smith, Elliott. «Library Guides: NCBI Bioinformatics Resources: An Introduction: BLAST: Compare & identify sequences» (en en).
  13. ↑ Fang, Hai (1 de giner 2013). “dcGO: database of domain-centric ontologies on functions, phenotypes, diseases and more” (en). Nucleic Acids Research 41 (D1): D536–D544. doi:10.1093/nar/gks1080. ISSN 0305-1048. PMID 23161684. PMC:3531119.
  14. ↑ 14,0 14,1 14,2 Sleator, Roy D. (1 de març 2010). “An overview of in silico protein function prediction” (en). Archives of Microbiology 192 (3): 151–155. doi:10.1007/s00203-010-0549-9. ISSN 1432-072X.
  15. ↑ Sigrist, Christian J. A.. “PROSITE, a protein domain database for functional characterization and annotation” (en). Nucleic Acids Research 38 (suppl_1): D161–D166. doi:10.1093/nar/gkp885. ISSN 0305-1048. PMID 19858104. PMC:2808866.
  16. ↑ Menne, Kerstin M.L.. “A comparison of signal sequence prediction methods using a test set of signal peptides” (en). Bioinformatics 16 (8): 741–742. doi:10.1093/bioinformatics/16.8.741. ISSN 1367-4811.
  17. ↑ Petersen, Thomas Nordahl. “SignalP 4.0: discriminating signal peptides from transmembrane regions” (en). Nature Methods 8 (10): 785–786. doi:10.1038/nmeth.1701. ISSN 1548-7105.
  18. ↑ Dill, Ken A.. “The Protein Folding Problem” (en). Annual Review of Biophysics 37: 289–316. doi:10.1146/annurev.biophys.37.092707.153558. ISSN 1936-122X. PMID 18573083. PMC:2443096.
  19. ↑ Berman, H. M.. “The Protein Data Bank”. Nucleic Acids Research 28 (1): 235–242. doi:10.1093/nar/28.1.235. PMID 10592235. PMC:102472.
  20. ↑ Ye, Y.. “FATCAT: a web server for flexible structure comparison and structure similarity searching” (en). Nucleic Acids Research 32 (Web Server): W582–W585. doi:10.1093/nar/gkh430. ISSN 0305-1048. PMID 15215455. PMC:441568.
  21. ↑ Shindyalov, I. N.. “Protein structure alignment by incremental combinatorial extension (CE) of the optimal path” (en). Protein Engineering Design and Selection 11 (9): 739–747. doi:10.1093/protein/11.9.739. ISSN 1741-0126.
  22. ↑ 22,0 22,1 22,2 Wang, Sheng. “Protein structure alignment beyond spatial proximity” (en). Scientific Reports 3 (1): 1448. doi:10.1038/srep01448. ISSN 2045-2322. PMID 23486213. PMC:3596798.
  23. ↑ Nucleic Acids Research.51(D1)
    D621–D628.ISSN 0305-1048.doi:10.1093/nar/gkac1069.Consultat el 2026-05-01.
  24. ↑ BMC Structural Biology.7(1)
    50.ISSN 1472-6807.doi:10.1186/1472-6807-7-50.Consultat el 2026-05-01.
  25. ↑ Protein Science.7(12)
    2587–2594.ISSN 0961-8368.doi:10.1002/pro.5560071212.Consultat el 2026-05-01.
  26. ↑ Nucleic Acids Research.22(22)
    4673–4680.ISSN 0305-1048.doi:10.1093/nar/22.22.4673.Consultat el 2026-05-01.
  27. ↑ Nature.596(7873)
    583–589.ISSN 1476-4687.doi:10.1038/s41586-021-03819-2.Consultat el 2026-05-01.
  28. ↑ Structure.29(6)
    515–520.ISSN 0969-2126.doi:10.1016/j.str.2021.04.010.Consultat el 2026-05-01.
  29. ↑ Källberg, Morten. “Template-based protein structure modeling using the RaptorX web server” (en). Nature Protocols 7 (8): 1511–1522. doi:10.1038/nprot.2012.085. ISSN 1750-2799. PMID 22814390. PMC:4730388.
  30. ↑ Peng, Jian. “Raptorx: Exploiting structure information for protein alignment by statistical inference” (en). Proteins: Structure, Function, and Bioinformatics 79 (S10): 161–171. doi:10.1002/prot.23175. ISSN 0887-3585. PMID 21987485. PMC:3226909.
  31. ↑ BMC Bioinformatics.12(1)
    S54.ISSN 1471-2105.doi:10.1186/1471-2105-12-S1-S54.Consultat el 2026-05-01.
  32. ↑ Parasuram, Ramya. “Functional classification of protein 3d structures from predicted local interaction sites”. Journal of Bioinformatics and Computational Biology 08 (supp01): 1–15. doi:10.1142/S0219720010005166. ISSN 0219-7200.
  33. ↑ 33,0 33,1 Wang, Zhouxi. “Protein function annotation with Structurally Aligned Local Sites of Activity (SALSAs)” (en). BMC Bioinformatics 14 (3): S13. doi:10.1186/1471-2105-14-S3-S13. ISSN 1471-2105. PMID 23514271. PMC:3584854.
  34. ↑ Garma, Leonardo D.. “S tructure‐based classification of FAD binding sites: A comparative study of structural alignment tools” (en). Proteins: Structure, Function, and Bioinformatics 84 (11): 1728–1747. doi:10.1002/prot.25158. ISSN 0887-3585.
  35. ↑ Porter, C. T.. “The Catalytic Site Atles: a resource of catalytic sites and residues identified in enzymes using structural data” (en). Nucleic Acids Research 32 (90001): 129D–133. doi:10.1093/nar/gkh028. ISSN 1362-4962. PMID 14681376. PMC:308762.
  36. ↑ Gens.2(4)
    748–762.ISSN 2073-4425.doi:10.3390/gens2040748.Consultat el 2026-05-01.
  37. ↑ Annual Review of Biophysics.29(Volume 29, 2000)
    105–153.ISSN 1936-122X.doi:10.1146/annurev.biophys.29.1.105.Consultat el 2026-05-01.
  38. ↑ Essays in Biochemistry.66(3)
    255–285.ISSN 0071-1365.doi:10.1042/EBC20200108.Consultat el 2026-05-01.
  39. ↑ Wang, Geqing. “Molecular Insights into the Interaction between Plasmodium falciparum Apical Membrane Antigen 1 and an Invasion-Inhibitory Peptide” (en). PLOS ONE 9 (10): i109674. doi:10.1371/journal.posa.0109674. ISSN 1932-6203. PMID 25343578. PMC:4208761.
  40. ↑ 40,0 40,1 Clodfelter, Karl H.. “Computational Solvent Mapping Reveals the Importance of Local Conformational Changes for Broad Substrate Specificity in Mammalian Cytochromes P450”. Biochemistry 45 (31): 9393–9407. doi:10.1021/bi060343v. ISSN 0006-2960.
  41. ↑ Mattos, Carla. “Locating and characterizing binding sites on proteins” (en). Nature Biotechnology 14 (5): 595–599. doi:10.1038/nbt0596-595. ISSN 1546-1696.
  42. ↑ BMC Bioinformatics.20(1)
    478.ISSN 1471-2105.doi:10.1186/s12859-019-3058-0.Consultat el 2026-05-01.
  43. ↑ PLOS Computational Biology.6(2)
    i1000668.ISSN 1553-7358.doi:10.1371/journal.pcbi.1000668.Consultat el 2026-05-01.
Obtingut de «https://www.lenciclopedia.org/w/index.php?title=Predicció_de_la_funció_de_les_proteïnes&oldid=738500»