Proteína

Las proteínas han sido estudiadas y reconocidas desde el siglo XVIII por Antoine Fourcroy y otros, ^{[ 1 ] [ 2 ]} quienes a menudo las denominaban colectivamente " albúminas " o "materiales albuminosos" ( Eiweisskörper , en alemán). ^{[ 2 ]} El gluten , por ejemplo, fue separado del trigo por primera vez en una investigación publicada alrededor de 1747, y posteriormente se determinó su existencia en muchas plantas. ^{[ 1 ]} En 1789, Antoine Fourcroy reconoció tres variedades distintas de proteínas animales: albúmina , fibrina y gelatina . ^{[ 3 ]} Las proteínas vegetales (de plantas) estudiadas a finales del siglo XVIII y principios del XIX incluían el gluten , la albúmina vegetal , la gliadina y la legumina . ^{[ 1 ]}

Las proteínas fueron descritas por primera vez por el químico holandés Gerardus Johannes Mulder y nombradas por el químico sueco Jöns Jacob Berzelius en 1838. ^{[ 4 ] [ 5 ]} Mulder realizó un análisis elemental de proteínas comunes y descubrió que casi todas las proteínas tenían la misma fórmula empírica , C ₄₀₀ H ₆₂₀ N ₁₀₀ O ₁₂₀ P ₁ S ₁ . ^{[ 6 ]} Llegó a la conclusión errónea de que podrían estar compuestas de un solo tipo de molécula (muy grande). El término "proteína" para describir estas moléculas fue propuesto por el colaborador de Mulder, Berzelius; proteína deriva de la palabra griega πρώτειος ( proteios ), que significa "primario", ^{[ 7 ]} "en cabeza", o "al frente", ^{[ 2 ]} + -in . Mulder procedió a identificar los productos de la degradación de proteínas, como el aminoácido leucina, para el cual encontró un peso molecular (casi correcto) de131 Da  . ^{[ 6 ]}

Los primeros científicos de la nutrición, como el alemán Carl von Voit, creían que la proteína era el nutriente más importante para mantener la estructura del cuerpo, porque se creía generalmente que "la carne hace carne". ^{[ 8 ]} Alrededor de 1862, Karl Heinrich Ritthausen aisló el aminoácido ácido glutámico . ^{[ 9 ]} Thomas Burr Osborne compiló una revisión detallada de las proteínas vegetales en la Estación Experimental Agrícola de Connecticut . Osborne, junto con Lafayette Mendel , estableció varios aminoácidos nutricionalmente esenciales en experimentos de alimentación con ratas de laboratorio. ^{[ 10 ]} Las dietas que carecen de un aminoácido esencial retrasan el crecimiento de las ratas, de acuerdo con la ley del mínimo de Liebig . ^{[ 11 ]} El último aminoácido esencial en ser descubierto, la treonina , fue identificado por William Cumming Rose . ^{[ 12 ]}

La dificultad para purificar proteínas obstaculizó el trabajo de los primeros bioquímicos de proteínas. Si bien se podían obtener proteínas en grandes cantidades de la sangre, la clara de huevo y la queratina , las proteínas individuales no estaban disponibles. En la década de 1950, la empresa Armour Hot Dog Company purificó 1 kg de ribonucleasa A  pancreática bovina y la puso a disposición de los científicos de forma gratuita. Este gesto contribuyó a que la ribonucleasa A se convirtiera en un objetivo principal del estudio bioquímico durante las décadas siguientes. ^{[ 6 ]}

La comprensión de las proteínas como polipéptidos , o cadenas de aminoácidos, surgió gracias al trabajo de Franz Hofmeister y Hermann Emil Fischer en 1902. ^{[ 13 ] [ 14 ]} El papel central de las proteínas como enzimas en los organismos vivos que catalizan reacciones no se apreció completamente hasta 1926, cuando James B. Sumner demostró que la enzima ureasa era, de hecho, una proteína. ^{[ 15 ]}

A Linus Pauling se le atribuye la predicción exitosa de estructuras secundarias regulares de proteínas basadas en enlaces de hidrógeno , una idea propuesta por primera vez por William Astbury en 1933. ^{[ 16 ]} El trabajo posterior de Walter Kauzmann sobre la desnaturalización , ^{[ 17 ] [ 18 ]} basado en parte en estudios previos de Kaj Linderstrøm-Lang , ^{[ 19 ]} contribuyó a la comprensión del plegamiento y la estructura de las proteínas mediada por interacciones hidrofóbicas . ^{[ 20 ]}

La primera proteína cuya cadena de aminoácidos fue secuenciada fue la insulina , por Frederick Sanger , en 1949. Sanger determinó correctamente la secuencia de aminoácidos de la insulina, demostrando así de manera concluyente que las proteínas consistían en polímeros lineales de aminoácidos en lugar de cadenas ramificadas, coloides o cicloles . ^{[ 21 ]} Ganó el Premio Nobel por este logro en 1958. ^{[ 22 ]} Los estudios de Christian Anfinsen sobre el proceso de plegamiento oxidativo de la ribonucleasa A, por los que ganó el Premio Nobel en 1972, consolidaron la hipótesis termodinámica del plegamiento de proteínas, según la cual la forma plegada de una proteína representa su mínimo de energía libre . ^{[ 23 ] [ 24 ]}

Con el desarrollo de la cristalografía de rayos X , fue posible determinar las estructuras de las proteínas, así como sus secuencias. ^{[ 25 ]} Las primeras estructuras de proteínas que se resolvieron fueron la hemoglobina por Max Perutz y la mioglobina por John Kendrew , en 1958. ^{[ 26 ] [ 27 ]} El uso de computadoras y el aumento de la capacidad de cálculo han apoyado la secuenciación de proteínas complejas. En 1999, Roger Kornberg secuenció la estructura altamente compleja de la ARN polimerasa utilizando rayos X de alta intensidad de sincrotrones . ^{[ 25 ]}

Desde entonces, se ha desarrollado la criomicroscopía electrónica (crio-EM) de grandes ensamblajes macromoleculares ^{[ 28 ]} . La crio-EM utiliza muestras de proteínas congeladas en lugar de cristales y haces de electrones en lugar de rayos X. Causa menos daño a la muestra, lo que permite a los científicos obtener más información y analizar estructuras más grandes. ^{[ 25 ]} La predicción computacional de la estructura de proteínas de pequeños dominios estructurales de proteínas ^{[ 29 ]} ha ayudado a los investigadores a alcanzar una resolución a nivel atómico de las estructuras de proteínas. A partir de abril de 2024El Protein Data Bank contiene 181.018 estructuras de proteínas obtenidas mediante rayos X, 19.809 mediante microscopía electrónica y 12.697 mediante resonancia magnética nuclear . ^{[ 30 ]}

Se estima que una célula bacteriana típica , por ejemplo E. coli y Staphylococcus aureus , contiene alrededor de 2 millones de proteínas. Las bacterias más pequeñas, como Mycoplasma o las espiroquetas , contienen menos moléculas, del orden de 50 000 a 1 millón. Por el contrario, las células eucariotas son más grandes y, por lo tanto, contienen mucha más proteína. Por ejemplo, se ha estimado que las células de levadura contienen alrededor de 50 millones de moléculas de proteína y las células humanas del orden de 1 a 3 000 millones. ^{[ 43 ]} La concentración de copias individuales de proteínas varía desde unas pocas moléculas por célula hasta 20 millones. ^{[ 44 ]} No todos los genes que codifican proteínas se expresan en la mayoría de las células y su número depende, por ejemplo, del tipo de célula y de los estímulos externos. Por ejemplo, de las aproximadamente 20 000 proteínas codificadas por el genoma humano, solo 6 000 se detectan en células linfoblastoides . ^{[ 45 ]} Se cree que la proteína más abundante en la naturaleza es la RuBisCO , una enzima que cataliza la incorporación de dióxido de carbono a la materia orgánica en la fotosíntesis . Las plantas pueden contener hasta un 1% en peso de esta enzima. ^{[ 46 ]}

Las proteínas se ensamblan a partir de aminoácidos utilizando la información codificada en los genes. Cada proteína tiene su propia secuencia única de aminoácidos que está especificada por la secuencia de nucleótidos del gen que codifica esta proteína. El código genético es un conjunto de conjuntos de tres nucleótidos llamados codones y cada combinación de tres nucleótidos designa un aminoácido, por ejemplo, AUG ( adenina - uracilo - guanina ) es el código para la metionina . Debido a que el ADN contiene cuatro nucleótidos, el número total de codones posibles es 64; por lo tanto, hay cierta redundancia en el código genético, con algunos aminoácidos especificados por más de un codón. ^{[ 42 ] : 1002–42} Los genes codificados en el ADN se transcriben primero en pre- ARN mensajero (ARNm) por proteínas como la ARN polimerasa . La mayoría de los organismos luego procesan el pre-ARNm (un transcrito primario ) utilizando varias formas de modificación postranscripcional para formar el ARNm maduro, que luego es utilizado como plantilla para la síntesis de proteínas por el ribosoma . En los procariotas, el ARNm puede utilizarse inmediatamente después de su producción o unirse a un ribosoma tras haberse desplazado del nucleoide . En cambio, los eucariotas sintetizan el ARNm en el núcleo celular y luego lo translocan a través de la membrana nuclear hacia el citoplasma , donde tiene lugar la síntesis de proteínas . La tasa de síntesis de proteínas es mayor en los procariotas que en los eucariotas y puede alcanzar hasta 20 aminoácidos por segundo. ^{[ 47 ]}

El proceso de síntesis de una proteína a partir de una plantilla de ARNm se conoce como traducción . El ARNm se carga en el ribosoma y se lee de tres nucleótidos en tres nucleótidos, emparejando cada codón con su anticodón correspondiente , ubicado en una molécula de ARN de transferencia ( ARNt ). Esta molécula transporta el aminoácido correspondiente al codón que reconoce. La enzima aminoacil-ARNt sintetasa "carga" las moléculas de ARNt con los aminoácidos correctos. El polipéptido en crecimiento se denomina a menudo cadena naciente . Las proteínas siempre se biosintetizan del extremo N-terminal al extremo C-terminal . ^{[ 42 ] : 1002–42}

El tamaño de una proteína sintetizada se puede medir por el número de aminoácidos que contiene y por su masa molecular total , que normalmente se expresa en daltons (Da) o en kilodaltons (kDa). El tamaño promedio de una proteína aumenta desde las arqueas hasta las bacterias y los eucariotas (283, 311, 438 residuos y 31, 34, 49  kDa respectivamente) debido a un mayor número de dominios proteicos que constituyen las proteínas en organismos superiores. ^{[ 48 ]} Por ejemplo, las proteínas de levadura tienen en promedio 466 aminoácidos de longitud y 53 kDa de masa. ^{[ 39 ]} Las proteínas más grandes conocidas son las titinas , un componente del sarcómero muscular , con una masa molecular de casi3000  kDa y una longitud total de casi27 000 aminoácidos. ^{[ 49 ]}

Las proteínas cortas pueden sintetizarse químicamente mediante una familia de métodos de síntesis de péptidos . Estos se basan en técnicas de síntesis orgánica , como la ligación química, para producir péptidos con alto rendimiento. ^{[ 50 ]} La síntesis química permite la introducción de aminoácidos no naturales en cadenas polipeptídicas, como la unión de sondas fluorescentes a las cadenas laterales de aminoácidos (esto también puede lograrse mediante ingeniería genética al producir proteínas recombinantes). ^{[ 51 ] [ 52 ]} Estos métodos son útiles en bioquímica de laboratorio y biología celular , aunque generalmente no para aplicaciones comerciales. La síntesis química es ineficiente para polipéptidos de más de unos 300 aminoácidos, y las proteínas sintetizadas pueden no adoptar fácilmente su estructura terciaria nativa . La mayoría de los métodos de síntesis química proceden del extremo C al extremo N, opuesto a la reacción biológica. ^{[ 53 ]}

Muchas proteínas están compuestas por varios dominios proteicos , es decir, segmentos de una proteína que se pliegan en unidades estructurales distintas. ^{[ 55 ] : 134} Los dominios suelen tener funciones específicas, como actividades enzimáticas (por ejemplo, quinasa ) o sirven como módulos de unión. ^{[ 55 ] : 155–156}

Las secuencias cortas de aminoácidos dentro de las proteínas suelen actuar como sitios de reconocimiento para otras proteínas. ^{[ 57 ]} Por ejemplo, los dominios SH3 se unen típicamente a motivos PxxP cortos (es decir, 2 prolinas [P], separadas por dos aminoácidos no especificados [x], aunque los aminoácidos circundantes pueden determinar la especificidad de unión exacta). Muchos de estos motivos se han recopilado en la base de datos Eukaryotic Linear Motif (ELM). ^{[ 58 ]}

La función más conocida de las proteínas en la célula es la de enzimas , que catalizan reacciones químicas. Las enzimas suelen ser muy específicas y aceleran solo una o unas pocas reacciones químicas. Llevan a cabo la mayoría de las reacciones implicadas en el metabolismo , además de manipular el ADN en procesos como la replicación , la reparación y la transcripción del ADN . Algunas enzimas actúan sobre otras proteínas para añadir o eliminar grupos químicos en un proceso conocido como modificación postraduccional. Se sabe que unas 4000 reacciones son catalizadas por enzimas. ^{[ 63 ]} La aceleración de la velocidad que confiere la catálisis enzimática suele ser enorme: hasta un aumento de ^10¹⁷ veces en la velocidad con respecto a la reacción no catalizada en el caso de la orotato descarboxilasa (78 millones de años sin la enzima, 18 milisegundos con la enzima). ^{[ 64 ]}

Las moléculas a las que se unen las enzimas y sobre las que actúan se denominan sustratos . Aunque las enzimas pueden estar compuestas por cientos de aminoácidos, generalmente solo una pequeña fracción de los residuos entra en contacto con el sustrato, y una fracción aún menor —de tres a cuatro residuos en promedio— participa directamente en la catálisis. ^{[ 65 ]} La región de la enzima que se une al sustrato y contiene los residuos catalíticos se conoce como sitio activo . ^{[ 55 ] : 389}

Las proteínas dirigentes pertenecen a una clase de proteínas que dictan la estereoquímica de un compuesto sintetizado por otras enzimas. ^{[ 66 ]}

Muchas proteínas participan en el proceso de señalización celular y transducción de señales . Algunas proteínas, como la insulina , son extracelulares y transmiten una señal desde la célula donde se sintetizaron a otras células en tejidos distantes . Otras son proteínas de membrana que actúan como receptores , cuya función principal es unirse a una molécula señalizadora e inducir una respuesta bioquímica en la célula. Muchos receptores poseen un sitio de unión expuesto en la superficie celular y un dominio efector intracelular, que puede tener actividad enzimática o sufrir un cambio conformacional detectado por otras proteínas dentro de la célula. ^{[ 41 ] : 251–81}

Los anticuerpos son componentes proteicos del sistema inmunitario adaptativo cuya función principal es unirse a antígenos , o sustancias extrañas en el cuerpo, y marcarlos para su destrucción. Los anticuerpos pueden secretarse al medio extracelular o anclarse en las membranas de células B especializadas, conocidas como células plasmáticas . Mientras que la afinidad de unión de las enzimas a sus sustratos está limitada por la necesidad de llevar a cabo su reacción, los anticuerpos no tienen tales limitaciones. La afinidad de unión de un anticuerpo a su objetivo es extraordinariamente alta. ^{[ 42 ] : 275–50}

Muchas proteínas transportadoras de ligandos se unen a pequeñas biomoléculas específicas y las transportan a otras ubicaciones en el cuerpo de un organismo multicelular. Estas proteínas deben tener una alta afinidad de unión cuando su ligando está presente en altas concentraciones, y liberar el ligando cuando está presente en bajas concentraciones en los tejidos diana. El ejemplo canónico de una proteína de unión a ligandos es la hemoglobina , que transporta oxígeno desde los pulmones a otros órganos y tejidos en todos los vertebrados y tiene homólogos cercanos en todos los reinos biológicos . ^{[ 42 ] : 222–29} Las lectinas son proteínas de unión a azúcares que son altamente específicas para sus restos de azúcar. Las lectinas suelen desempeñar un papel en fenómenos de reconocimiento biológico que involucran células y proteínas. ^{[ 67 ]} Los receptores son proteínas de unión altamente específicas, y muchas hormonas actúan uniéndose específicamente a sus receptores. ^{[ 68 ]}

Las proteínas transmembrana pueden funcionar como proteínas transportadoras de ligandos que modifican la permeabilidad de la membrana celular a moléculas pequeñas e iones. La membrana, por sí sola, posee un núcleo hidrofóbico a través del cual las moléculas polares o cargadas no pueden difundirse . Las proteínas de membrana contienen canales internos que permiten la entrada y salida de dichas moléculas de la célula. Muchas proteínas de canales iónicos están especializadas en la selección de un ion en particular; por ejemplo, los canales de potasio y sodio suelen discriminar solo por uno de los dos iones. ^{[ 41 ] : 232–34}

Las proteínas estructurales confieren rigidez a componentes biológicos que, de otro modo, serían fluidos. La mayoría de las proteínas estructurales son fibrosas ; por ejemplo, el colágeno y la elastina son componentes esenciales del tejido conectivo, como el cartílago , y la queratina se encuentra en estructuras duras o filamentosas como el cabello , las uñas , las plumas , las pezuñas y algunos caparazones animales . ^{[ 42 ] : 178-81} Algunas proteínas globulares pueden desempeñar funciones estructurales; por ejemplo, la actina y la tubulina son globulares y solubles como monómeros, pero se polimerizan para formar fibras largas y rígidas que componen el citoesqueleto , el cual permite a la célula mantener su forma y tamaño. ^{[ 55 ] : 490}

Otras proteínas que cumplen funciones estructurales son las proteínas motoras, como la miosina , la kinesina y la dineína , capaces de generar fuerzas mecánicas. Estas proteínas son cruciales para la motilidad celular de los organismos unicelulares y los espermatozoides de muchos organismos multicelulares que se reproducen sexualmente . Generan las fuerzas ejercidas por los músculos en contracción ^{[ 42 ] : 258-64, 272} y desempeñan funciones esenciales en el transporte intracelular ^{[ 55 ] : 481, 490.}

Las proteínas pueden purificarse de otros componentes celulares utilizando diversas técnicas como ultracentrifugación , precipitación , electroforesis y cromatografía ; ^{[ 36 ] : 21–24} el advenimiento de la ingeniería genética ha hecho posible una serie de métodos para facilitar la purificación. ^{[ 73 ]}

Para realizar un análisis in vitro , una proteína debe purificarse separándola de otros componentes celulares. Este proceso generalmente comienza con la lisis celular , en la que se rompe la membrana celular y se libera su contenido interno en una solución conocida como lisado crudo . La mezcla resultante puede purificarse mediante ultracentrifugación , que fracciona los diversos componentes celulares en fracciones que contienen proteínas solubles; lípidos y proteínas de membrana; orgánulos celulares y ácidos nucleicos . La precipitación mediante un método conocido como salinización puede concentrar las proteínas de este lisado. Luego se utilizan varios tipos de cromatografía para aislar la proteína o proteínas de interés en función de propiedades como el peso molecular, la carga neta y la afinidad de unión. ^{[ 36 ] : 21–24} El nivel de purificación puede monitorearse utilizando varios tipos de electroforesis en gel si se conocen el peso molecular y el punto isoeléctrico de la proteína deseada, mediante espectroscopia si la proteína tiene características espectroscópicas distinguibles, o mediante ensayos enzimáticos si la proteína tiene actividad enzimática. Además, las proteínas pueden aislarse según su carga mediante electroenfoque . ^{[ 74 ]}

Para las proteínas naturales, puede ser necesario un proceso de purificación para obtener proteínas con la pureza suficiente para aplicaciones de laboratorio. Para simplificar este proceso, se suele utilizar la ingeniería genética para añadir características químicas a las proteínas que faciliten su purificación sin afectar su estructura ni su actividad. En este caso, se une una "etiqueta" que consiste en una secuencia específica de aminoácidos, a menudo una serie de residuos de histidina (una " etiqueta His "), a un extremo de la proteína. Como resultado, cuando el lisado pasa por una columna de cromatografía que contiene níquel , los residuos de histidina se unen al níquel y se adhieren a la columna, mientras que los componentes del lisado sin etiqueta pasan sin impedimentos. Se han desarrollado varias etiquetas para ayudar a los investigadores a purificar proteínas específicas a partir de mezclas complejas. ^{[ 73 ]}

El estudio de las proteínas in vivo suele centrarse en la síntesis y localización de la proteína dentro de la célula. Si bien muchas proteínas intracelulares se sintetizan en el citoplasma y las proteínas unidas a la membrana o secretadas en el retículo endoplasmático , a menudo no se conocen con precisión los mecanismos de localización celular en orgánulos específicos. Una técnica útil para evaluar la localización celular utiliza la ingeniería genética para expresar en la célula una proteína de fusión o quimera compuesta por la proteína natural de interés unida a un marcador , como la proteína verde fluorescente (GFP). ^{[ 75 ]} La posición de la proteína fusionada dentro de la célula puede visualizarse de forma clara y eficiente mediante microscopía . ^{[ 76 ]}

Otros métodos para dilucidar la localización celular de las proteínas requieren el uso de marcadores compartimentales conocidos para regiones como el RE, el aparato de Golgi, los lisosomas o vacuolas, las mitocondrias, los cloroplastos, la membrana plasmática, etc. Con el uso de versiones marcadas con fluorescencia de estos marcadores o de anticuerpos contra marcadores conocidos, resulta mucho más sencillo identificar la localización de una proteína de interés. Por ejemplo, la inmunofluorescencia indirecta permite la colocalización de la fluorescencia y la demostración de la localización. Los colorantes fluorescentes se utilizan para marcar compartimentos celulares con un propósito similar. ^{[ 77 ]}

También existen otras posibilidades. Por ejemplo, la inmunohistoquímica suele utilizar un anticuerpo contra una o más proteínas de interés que se conjugan con enzimas, generando señales luminiscentes o cromogénicas que pueden compararse entre muestras, lo que permite obtener información sobre la localización. ^{[ 78 ]} Otra técnica aplicable es la cofraccionación en gradientes de sacarosa (u otro material) mediante centrifugación isopícnica . ^{[ 79 ]} Si bien esta técnica no demuestra la colocalización de un compartimento de densidad conocida con la proteína de interés, indica una mayor probabilidad. ^{[ 79 ]}

Finalmente, el método de referencia para la localización celular es la inmunomicroscopía electrónica . Esta técnica utiliza un anticuerpo contra la proteína de interés, junto con técnicas clásicas de microscopía electrónica. La muestra se prepara para un examen microscópico electrónico convencional y luego se trata con un anticuerpo contra la proteína de interés conjugado a un material extremadamente electrodenso, generalmente oro. Esto permite la localización tanto de detalles ultraestructurales como de la proteína de interés. ^{[ 80 ]}

Mediante otra aplicación de la ingeniería genética conocida como mutagénesis dirigida , los investigadores pueden alterar la secuencia de proteínas y, por lo tanto, su estructura, localización celular y susceptibilidad a la regulación. Esta técnica incluso permite la incorporación de aminoácidos no naturales en las proteínas, utilizando ARNt modificados, ^{[ 81 ]} y puede permitir el diseño racional de nuevas proteínas con propiedades novedosas. ^{[ 82 ]}

El conjunto total de proteínas presentes en un momento dado en una célula o tipo celular se conoce como su proteoma , y ​​el estudio de estos conjuntos de datos a gran escala define el campo de la proteómica , denominado por analogía con el campo relacionado de la genómica . Las técnicas experimentales clave en proteómica incluyen la electroforesis 2D , ^{[ 83 ]} que permite la separación de muchas proteínas, la espectrometría de masas , ^{[ 84 ]} que permite la identificación rápida de proteínas de alto rendimiento y la secuenciación de péptidos (generalmente después de la digestión en gel ), los microarrays de proteínas , que permiten la detección de los niveles relativos de las diversas proteínas presentes en una célula, y el cribado de doble híbrido , que permite la exploración sistemática de las interacciones proteína-proteína . ^{[ 85 ]} El conjunto total de interacciones biológicamente posibles se conoce como el interactoma . ^{[ 86 ]} Un intento sistemático de determinar las estructuras de las proteínas que representan cada plegamiento posible se conoce como genómica estructural . ^{[ 87 ]}

Descubrir la estructura terciaria de una proteína, o la estructura cuaternaria de sus complejos, puede proporcionar pistas importantes sobre cómo la proteína realiza su función y cómo puede verse afectada, por ejemplo, en el diseño de fármacos . Como las proteínas son demasiado pequeñas para ser vistas bajo un microscopio óptico , se deben emplear otros métodos para determinar su estructura. Los métodos experimentales comunes incluyen la cristalografía de rayos X y la espectroscopia de RMN , ambos capaces de producir información estructural a resolución atómica . Sin embargo, los experimentos de RMN pueden proporcionar información a partir de la cual se puede estimar un subconjunto de distancias entre pares de átomos, y las posibles conformaciones finales para una proteína se determinan resolviendo un problema de geometría de distancias . La interferometría de polarización dual es un método analítico cuantitativo para medir la conformación general de la proteína y los cambios conformacionales debidos a interacciones u otros estímulos. El dicroísmo circular es otra técnica de laboratorio para determinar la composición interna de lámina β / hélice α de las proteínas. La criomicroscopía electrónica se utiliza para producir información estructural de menor resolución sobre complejos proteicos muy grandes, incluidos los virus ensamblados ; ^{[ 41 ] : 340–41} una variante conocida como cristalografía electrónica puede producir información de alta resolución en algunos casos, especialmente para cristales bidimensionales de proteínas de membrana. ^{[ 88 ]} Las estructuras resueltas generalmente se depositan en el Protein Data Bank (PDB), un recurso de libre acceso del cual se pueden obtener datos estructurales sobre miles de proteínas en forma de coordenadas cartesianas para cada átomo de la proteína. ^{[ 89 ]}

Se conocen muchas más secuencias genéticas que estructuras proteicas. Además, el conjunto de estructuras resueltas está sesgado hacia proteínas que pueden someterse fácilmente a las condiciones requeridas en la cristalografía de rayos X , uno de los principales métodos de determinación de estructuras. En particular, las proteínas globulares son relativamente fáciles de cristalizar para su posterior cristalografía de rayos X. Por el contrario, las proteínas de membrana y los grandes complejos proteicos son difíciles de cristalizar y están subrepresentados en la base de datos PDB. ^{[ 90 ]} Las iniciativas de genómica estructural han intentado remediar estas deficiencias resolviendo sistemáticamente estructuras representativas de las principales clases de plegamiento. Los métodos de predicción de la estructura proteica intentan proporcionar un medio para generar una estructura plausible para proteínas cuyas estructuras no se han determinado experimentalmente. ^{[ 91 ]}

Complementario al campo de la genómica estructural, la predicción de la estructura de proteínas desarrolla modelos matemáticos eficientes de proteínas para predecir computacionalmente las formaciones moleculares en teoría, en lugar de detectar estructuras con observación de laboratorio. ^{[ 92 ]} El tipo más exitoso de predicción de estructura, conocido como modelado por homología , se basa en la existencia de una estructura "plantilla" con similitud de secuencia a la proteína que se está modelando; el objetivo de la genómica estructural es proporcionar una representación suficiente en estructuras resueltas para modelar la mayoría de las que quedan. ^{[ 93 ]} Aunque producir modelos precisos sigue siendo un desafío cuando solo se dispone de estructuras plantilla distantemente relacionadas, se ha sugerido que el alineamiento de secuencias es el cuello de botella en este proceso, ya que se pueden producir modelos bastante precisos si se conoce un alineamiento de secuencias "perfecto". ^{[ 94 ]} Muchos métodos de predicción de estructura han servido para informar el campo emergente de la ingeniería de proteínas , en el que ya se han diseñado nuevos plegamientos de proteínas. ^{[ 95 ]} Muchas proteínas (en eucariotas ~33%) contienen grandes segmentos no estructurados pero biológicamente funcionales y pueden clasificarse como proteínas intrínsecamente desordenadas . La predicción y el análisis del desorden proteico es una parte importante de la caracterización de la estructura proteica. ^{[ 96 ]}

Un problema computacional más complejo es la predicción de interacciones intermoleculares, como en el acoplamiento molecular , ^{[ 97 ]} el plegamiento de proteínas , la interacción proteína-proteína y la reactividad química. Los modelos matemáticos para simular estos procesos dinámicos involucran la mecánica molecular , en particular, la dinámica molecular . En este sentido, las simulaciones in silico descubrieron el plegamiento de pequeños dominios proteicos α-helicoidales como la cabeza de la vilina , ^{[ 98 ]} la proteína accesoria del VIH ^{[ 99 ]} y los métodos híbridos que combinan la dinámica molecular estándar con las matemáticas de la mecánica cuántica han explorado los estados electrónicos de las rodopsinas . ^{[ 100 ]}

Más allá de la dinámica molecular clásica, los métodos de dinámica cuántica permiten simular proteínas con detalle atómico y una descripción precisa de los efectos cuántico-mecánicos. Algunos ejemplos son el método de Hartree dependiente del tiempo, multicapa y multiconfiguracional, y el enfoque de ecuaciones jerárquicas de movimiento , que se han aplicado a criptocromos de plantas ^{[ 101 ]} y complejos captadores de luz de bacterias ^{[ 102 ]} , respectivamente. Tanto las simulaciones cuánticas como las clásicas de sistemas biológicos a escala mecánica son extremadamente exigentes desde el punto de vista computacional, por lo que iniciativas de computación distribuida como el proyecto Folding@home facilitan el modelado molecular aprovechando los avances en el procesamiento paralelo de GPU y las técnicas de Monte Carlo ^{[ 103 ] [ 104 ]} .

El contenido total de nitrógeno de la materia orgánica se forma principalmente por los grupos amino de las proteínas. El nitrógeno total Kjeldahl (NTK) es una medida de nitrógeno ampliamente utilizada en el análisis de aguas residuales, suelo, alimentos, piensos y materia orgánica en general. Como su nombre indica, se aplica el método Kjeldahl . Existen métodos más sensibles. ^{[ 105 ] [ 106 ]}