Análisis estructural de la enzima PETasa S26B y propuestas de diseño racional para su mejora funcional

Abstract

Ante la creciente contaminación ambiental por plásticos, destaca la acumulación de polietileno tereftalato (PET). En este contexto, la enzima S26b, aislada de Streptomyces sp. del desierto de Atacama, se perfila como una PETasa novedosa con potencial catalítico.

La investigación se centra en mejorar la eficiencia de la enzima PETasa S26b para la degradación de PET, combinando modelado estructural, análisis filogenético y simulaciones de dinámica molecular. Se caracterizó la estructura tridimensional de S26b, confirmando la conservación de la tríada catalítica y la arquitectura típica de las α/β hidrolasas. A partir de mutaciones previamente reportadas, análisis de consenso evolutivo, perfil hidrofóbico, potencial electrostático y energía de plegamiento, se generó un catálogo de variantes con potencial teórico de mejora en estabilidad y afinidad por PET. Los análisis de docking y dinámicas moleculares de 300 ns permitieron evaluar la afinidad de las variantes mediante Mecánica Molecular / Área de Superficie de Born Generalizada (MM/GBSA) y Mecánica Molecular / Área de Superficie de Poisson-Boltzmann (MM/PBSA), identificando mutaciones individuales, como S29N y Y66T, con reducción en la energía libre de unión frente a la enzima wild-type (WT), lo que sugiere un incremento teórico en estabilidad y actividad catalítica.

A partir de las mejores variantes predichas, se realizó una evaluación de mutaciones dobles in silico que mostró que los efectos individuales no fueron aditivos, y que ninguna combinación superó la estabilidad del la enzima S26b silvestre. La comparación con la enzima Leaf-branch compost cutinase (LCC), reportada como altamente eficiente en la degradación de PET, evidenció que S26b, aunque mejora en algunas mutaciones, aún no alcanza un nivel competitivo de afinidad y estabilidad. Estos resultados confirman la hipótesis planteada: las herramientas computacionales permiten identificar variantes prometedoras y reducir el espacio de búsqueda experimental, aún así, se debe seguir investigando y buscando mejoras acumulativas que mejoren el rendimiento equivalente al de PETasas ya optimizadas.