miniatura|300px|derecha|Alineamiento estructural de tiorredoxinas del ser humano y de la mosca Drosophila melanogaster. Las proteínas se muestran como cintas, con la proteína humana en rojo y la de la mosca en amarillo. Generado con PDB 3TRX y 1XWC.

Un alineamiento estructural es un tipo de alineamiento de secuencias basado en la comparación de la forma. Estos alineamientos intentan establecer equivalencias entre dos o más estructuras de polímeros basándose en su forma y conformación tridimensional. El proceso se aplica normalmente a las estructuras terciarias de las proteínas, pero también puede usarse para largas moléculas de ARN. En contraste a la simple superposición estructural, donde al menos se conocen algunos residuos equivalentes de las dos estructuras, el alineamiento estructural no requiere un conocimiento previo de posiciones equivalentes. Es una valiosa herramienta para la comparación de proteínas con baja similitud entre sus secuencias, en donde las relaciones evolutivas entre proteínas no pueden ser fácilmente detectadas por técnicas estándares de alineamiento de secuencias. El alineamiento estructural puede usarse, por lo tanto, para sugerir relaciones evolutivas entre proteínas que comparten una secuencia común muy corta. Sin embargo, el uso de los resultados como evidencia de un ancestro evolutivo común debe realizarse con cautela dados los posibles efectos de confusión con la evolución convergente, según la cual múltiples secuencias de aminoácidos sin relación filogenética entre sí convergen a una misma estructura terciaria.

Los alineamientos estructurales pueden comparar dos o múltiples secuencias. Puesto que estos alineamientos dependen de información sobre todas las conformaciones tridimensionales de las secuencias problema, el método solo puede ser usado sobre secuencias donde estas estructuras sean conocidas. Estas se encuentran normalmente por cristalografía de rayos X o espectroscopia de resonancia magnética nuclear. Es posible realizar un alineamiento estructural sobre estructuras producidas mediante métodos de predicción de estructura. En efecto, la evaluación de tales predicciones requiere a menudo un alineamiento estructural entre el modelo y la estructura real conocida para evaluar la calidad del modelo. Los alineamientos estructurales son especialmente útiles para analizar datos surgidos de los campos de la genómica estructural y de la proteómica, y pueden usarse como puntos de comparación para evaluar alineamientos generados por métodos bioinformáticos basados exclusivamente en secuencias.

El resultado de un alineamiento estructural es una superposición de los conjuntos de coordenadas atómicas, así como una distancia media cuadrática mínima (o RMSD, de Root Mean Square Deviation, o desviación de la media cuadrática) entre las estructuras básicas de las proteínas superpuestas. La RMSD de estructuras alineadas indica las divergencias entre ellas. El alineamiento estructural puede complicarse por la existencia de múltiples dominios proteicos en el interior de una o más de las estructuras de entrada, ya que cambios en la orientación relativa de los dominios entre dos estructuras a alinear pueden exagerar la RMSD artificialmente.

Datos producidos por el alineamiento estructural

La información mínima producida por un alineamiento estructural correcto es un conjunto de coordenadas tridimensionales superpuestas para cada estructura inicial. Nótese que uno de los elementos de entrada puede estar fijado como referencia y que, por lo tanto, sus coordenadas superpuestas no cambiarán. Las estructuras encajadas pueden usarse para calcular valores RMSD mutuos, así como otras medidas de similitud estructural más sofisticadas como el test de distancia global (GDT, de sus siglas en inglés, y que es la métrica utilizada en CASP, Critical Assessment of Techniques for Protein Structure Prediction). Un alineamiento estructural también implica un alineamiento de secuencias unidimensional desde el que una secuencia identidad, o el porcentaje de residuos que son idénticos entre las estructuras de entrada, puede calcularse como una medida de cuán cercanamente se encuentran ambas secuencias.

Tipos de comparaciones

Puesto que las estructuras de las proteínas se componen de aminoácidos cuyas cadenas laterales están enlazadas por un esqueleto de proteínas comunes, se puede utilizar un número de los posibles subconjuntos diferentes de átomos que conforman una macromolécula de proteína para producir un alineamiento estructural y calcular los correspondientes valores RMSD. Cuando se alinean estructuras con secuencias muy diferentes, los átomos de la cadena lateral, generalmente, no se toman en cuenta, ya que sus identidades difieren en muchos de los residuos alineados. Por esta razón, en los métodos de alineamiento estructural es común usar por defecto solo los átomos del esqueleto incluidos en el enlace peptídico. Por simplicidad y eficiencia a menudo solo se consideran las posiciones del carbono alfa, ya que el enlace peptídico tiene una conformación planar mínimamente variante. Solo cuando las estructuras a alinear son altamente similares, e incluso idénticas, es significativo alinear posiciones de átomos de la cadena lateral, en cuyo caso la RMSD refleja no solo la conformación del esqueleto de la proteína, sino también los estados de las rotaciones angulares en las cadenas laterales. Otros criterios de comparación que reducen el ruido e impulsan las coincidencias incluyen tomar en consideración la estructura secundaria de las proteínas, los mapas de contactos nativos o patrones de interacción entre residuos, medidas del empaquetamiento de la cadena lateral, y medidas del mantenimiento de los enlaces de hidrógeno.

Superposición estructural

La comparación más sencilla posible entre estructuras de proteínas no intenta alinear las estructuras de entrada, sino que necesita un alineamiento precalculado como input para determinar cuáles de los residuos en la secuencia deben considerarse para el cálculo de la RMSD. La superposición estructural se usa comúnmente para comparar conformaciones múltiples de la misma proteína (en cuyo caso no es necesario el alineamiento ya que la secuencia es la misma) y para evaluar la calidad de los alineamientos producidos usando solo información de las secuencias entre dos o más secuencias cuyas estructuras son conocidas. Este método utiliza tradicionalmente un sencillo algoritmo de ajuste por mínimos cuadrados, en el que las rotaciones y translaciones óptimas se encuentran minimizando la suma de los cuadrados de las distancias entre todas las estructuras de la superposición. Más recientemente, los métodos bayesianos y de máxima verosimilitud han incrementado enormemente la precisión de las rotaciones, translaciones y matrices de covarianza estimadas para la superposición.

Se han desarrollado algoritmos basados en rotaciones multidimensionales y cuaterniones modificados para identificar relaciones topológicas entre estructuras proteicas sin la necesidad de un alineamiento predeterminado. Tales algoritmos han identificado exitosamente plegamientos canónicos tales como el haz de cuatro hélices alfa. El método SuperPose es suficientemente extensible de ajustar para rotaciones de dominios relativos y otros problemas estructurales.

Complejidad algorítmica

Tanto el enhebrado óptimo de una secuencia de una proteína sobre una estructura conocida como la generación de un alineamiento múltiple de secuencias óptimo han demostrado ser problemas NP-completos. Sin embargo, esto no significa que el problema del alineamiento estructural sea NP-completo. Sobre la base del argumento de que una solución óptima verdadera no es biológicamente significativa debido al error experimental inherente en la determinación de la estructura proteica, se ha desarrollado un algoritmo con aproximadamente tiempo polinómico para el alineamiento de estructuras que produce una familia de soluciones «óptimas» dentro de un parámetro de aproximación para una función de puntuación dada. Sin embargo, con un coste computacional para una proteína globular de n residuos, el algoritmo es todavía demasiado costoso computacionalmente para un uso práctico. Como consecuencia, no existen algoritmos prácticos que converjan a las soluciones globales del alineamiento dada una función de puntuación. La mayoría de los algoritmos son, por lo tanto, heurísticos, pero se han desarrollado algunos que garantizan la convergencia a (al menos) maximizadores locales de las funciones de puntuación, y que son prácticos.

Representación de estructuras

Las estructuras de las proteínas deben ser representadas en algún espacio de coordenadas independientes para hacerlas comparables. Normalmente se consigue construyendo una matriz, o serie de matrices, secuencia contra secuencia, y que abarquen métricas comparativas en lugar de distancias absolutas relativas a un espacio de coordenadas fijas. Una representación intuitiva es la matriz de distancias, que es una matriz bidimensional que contiene las distancias de todos los emparejamientos entre algún subconjunto de los átomos de cada estructura (por ejemplo, el carbono alfa). La matriz se incrementa dimensionalmente según se incrementa el número de estructuras a alinear simultáneamente. Reduciendo la proteína a una métrica más tosca, tal como elementos de su estructura secundaria o fragmentos estructurales, pueden también producirse alineamientos prácticos, a pesar de la pérdida de información ocasionada por las distancias descartadas puesto que también se descarta ruido. La elección de una representación que facilite la computación es crítica para el desarrollo de mecanismos de alineamiento eficientes.

Métodos

Las técnicas de alineamiento estructural se han usado en la comparación de estructuras individuales o conjuntos de estructuras, y en la producción de bases de datos de comparaciones «todos contra todos» que miden la divergencia entre cada par de estructuras presente en el Protein Data Bank (PDB). Tales bases de datos se usan para clasificar proteínas de acuerdo a su plegamiento. 330px|Ilustración de los vectores átomo-a-átomo calculados con SSAP. A partir de estos vectores se construirían una serie de vectores diferencia (por ejemplo, entre (FA) en la proteína 1 y (SI) en la proteína 2). Las dos secuencias se representan sobre las dos dimensiones de una matriz para formar una matriz de diferencias entre las dos proteínas. Se aplica programación dinámica sobre todas las posibles matrices de diferencias para construir una serie de trayectorias óptimas de alineamientos locales, que son sumadas para formar una matriz resumen sobre la cual se ejecuta una segunda ronda de programación dinámica.

DALI

Un método de alineamiento estructural común y popular es DALI (de Distance ALIgnment matrix, o matriz de alineamiento de distancias), que rompe las estructuras problema en fragmentos de hexapéptidos y calcula una matriz de distancia evaluando los patrones de contacto entre fragmentos sucesivos. Las peculiaridades de la estructura secundaria que implican residuos contiguos en la secuencia aparecen en la diagonal principal de la matriz; otras diagonales en la matriz reflejan contactos espaciales entre residuos que no están cercanos uno al otro en la secuencia. Cuando estas diagonales son paralelas a la diagonal principal, las características que representan son paralelas; cuando son perpendiculares, sus características son antiparalelas. Esta representación es intensiva en memoria, ya que las características en la matriz cuadrada son simétricas sobre la diagonal principal (y por lo tanto redundantes).