AlphaFold: Cómo leer la confianza de las estructuras predichas
Por qué es importante saberlo
AlphaFold ha ampliado enormemente la accesibilidad en biología estructural al predecir la posible estructura tridimensional de una proteína a partir de su secuencia de aminoácidos. Incluso cuando no existe una estructura experimental, se pueden formular hipótesis sobre mutaciones o experimentos al examinar los dominios y la disposición de los residuos. Sin embargo, interpretar las coordenadas predichas como una única estructura fija dentro de la célula implica asumir certezas que el modelo no ha respondido.
AlphaFold2, AlphaFold-Multimer y AlphaFold3 difieren en su objetivo y en el contrato de aprendizaje y salida. Es necesario registrar el modelo utilizado, la base de datos, la configuración de plantillas y MSA (alineamiento múltiple de secuencias), así como la versión de lanzamiento, para poder comparar los resultados.
Lo que genera la predicción
El modelo aprende las restricciones espaciales entre residuos a partir de la secuencia y la información evolutiva para generar coordenadas. En lugar de observar únicamente la salida en formato PDB, se deben leer también las métricas de confianza. La predicción no es una densidad electrónica observada experimentalmente ni una restricción de RMN, sino la disposición que el modelo considera más plausible.
La misma secuencia puede adoptar diferentes conformaciones dependiendo del ligando, el asociado, la membrana, el pH y las modificaciones postraduccionales. Las regiones intrínsecamente desordenadas pueden ser difíciles de representar como una única estructura estable.
Cómo leer el pLDDT
El pLDDT resume la confianza del modelo respecto a la geometría local alrededor de cada residuo. Un valor alto indica que la disposición del esqueleto y de las cadenas laterales es relativamente fiable, mientras que un valor bajo puede señalar regiones inciertas o con posible desorden. No se debe asumir inmediatamente que un pLDDT bajo corresponde a un fracaso experimental o a una región sin función.
Un pLDDT alto tampoco constituye evidencia de que la predicción realice una función biológica. Aunque el pliegue local sea correcto, la orientación global del dominio o el estado del complejo pueden ser incorrectos.
PAE y disposición de dominios
El PAE (predicted aligned error) muestra en forma de matriz el error esperado en la posición de otros residuos cuando se alinea uno de ellos como referencia. Si el PAE dentro de cada dominio es bajo pero alto entre dominios, se puede interpretar que el pliegue de los dominios individuales es fiable, mientras que su dirección relativa es flexible o incierta.
PAE resulta especialmente útil para evitar interpretar, a partir de una única instantánea PDB, una proteína unida por un linker largo como si tuviera una disposición fija de dominios. En una interfaz multimérica también deben revisarse conjuntamente la confianza de la interfaz y las estequiometrías alternativas.
Ejemplo de una pequeña variante
Aunque una variante missense de un paciente se encuentre en un residuo conservado de un núcleo de alta confianza y parezca alterar el empaquetamiento, esto no confirma su patogenicidad. Deben comprobarse la expresión y estabilidad de la proteína, la actividad enzimática, el fenotipo celular y los datos de segregación clínica. Por el contrario, tampoco debe ignorarse una variante de una cola de baja confianza, porque puede alterar un motivo lineal o una modificación reguladora.
La estructura es un mapa que ayuda a diseñar ensayos funcionales, no el resultado de un ensayo funcional.
Cómo utilizar mejor las predicciones
Limite la pregunta a un alcance que el modelo pueda respaldar, como límites de dominio, posible interfaz o posición para mutagénesis. Compare estructuras homólogas, datos experimentales, varias predicciones y sus niveles de confianza. No afirme afinidad de unión ni eficacia farmacológica basándose únicamente en una puntuación de docking o en una colisión visual.
Puntos que pueden generar confusión
- Una confianza alta no equivale a una importancia biológica alta.
- Una confianza baja no implica necesariamente una secuencia incorrecta ni ausencia de función.
- La similitud estructural no garantiza automáticamente el mismo sustrato o función.
- Un complejo predicho no demuestra la unión intracelular, la concentración ni la estequiometría.
- Las diferencias entre versiones del modelo no son cambios estructurales experimentales.
Límites de la interpretación
Los resultados de AlphaFold ayudan a generar hipótesis y diseñar experimentos. El entorno celular, la dinámica, los estados alternativos, la afinidad de unión y la patogenicidad clínica deben comprobarse mediante evidencia bioquímica, celular y estructural.
Lectura relacionada
La relación entre la predicción y la evidencia funcional real continúa en el concepto Ensayos funcionales e interpretación de variantes; la clasificación clínica de variantes, en Evidencia genotipo–fenotipo.