Análisis y modelado estructural de los dominios catalíticos de DCL1 de Arabidopsis thaliana

Los micro-ARNs (miARN) son una clase de ARNs pequeños que participan activamente de procesos biológicos fundamentales tales como el desarrollo de los organismos y las respuestas a cambios ambientales. Su biogénesis es un proceso complejo que comienza con el procesamiento de precursores que no poseen secuencias en común. La información estructural de alta resolución sobre proteínas involucradas en el proceso es escasa. La endoribonucleasa DCL1 es la enzima más importante involucrada en el proceso en plantas; sin embargo, no se conoce en detalle su funcionamiento. El estudio estructural y funcional de proteínas multidominio como DCL1 requiere la expresión por separado de cada dominio. Conocer el plegamiento de la proteína en estudio permitiría realizar elecciones racionales en la definición de los límites de los constructos a expresar. Por todo esto se planteó en este trabajo hacer un análisis estructural in silico de la región Plataforma-PAZ de DCL1, que es esencial en la determinación del tamaño del producto. Para ello se comenzó generando una base de datos con secuencias de proteínas que tuvieran similitud con la homóloga humana DICER, la cual fue curada según parámetros de similitud. Luego se procedió a realizar una predicción de dominios, en base a los cuales se determinó una región de interés que fue extraída de cada una de las secuencias. Después de realizar un análisis de la identidad presente entre las mismas, se extrajo un subgrupo de secuencias el cual fue alineado. Se llevó a cabo la predicción de estructuras secundarias de algunas de las proteínas de interés y se comparó con la información presente en bibliografía. Se pudo observar que las predicciones tanto de dominios como de secuencias fueron muy buenas, correspondiéndose con lo esperado. Sin embargo el alineamiento no fue bueno, y esto puede deberse a la baja homología de secuencia presente entre las distintas proteínas. Finalmente se hizo un modelado estructural usando la información del alineamiento general y la estructura conocida de la homóloga humana.