From In silico Prediction to Experimental Validation: An Integrated Workflow for Antimicrobial Peptide Discovery

Els pèptids antimicrobians (AMPs) es consideren alternatives prometedores per combatre la resistència antimicrobiana, a causa de la seva activitat de gran espectre, mecanismes d'acció i baixa propensió al desenvolupament de resistència. Aquesta tesi se centra en el descobriment i la caracterització de nous AMPs mitjançant la combinació d'enfocaments computacionals i experimentals. En primer lloc, es va desenvolupar PyAMPA, una plataforma computacional d'alt rendiment per a la predicció i l'optimització d'AMPs. Aquesta eina integra mòduls de cribratge, validació i disseny de pèptids, i permet identificar seqüències amb potencial antimicrobià a tot el proteoma. D'altra banda, el treball identifica limitacions estructurals a les regions intrínsecament desordenades i analitza com aquestes desafien els models de predicció actuals, aportant noves indicacions per al desenvolupament d'algorismes capaços de considerar la flexibilitat conformacional. A més, la tesi integra estudis experimentals de relació estructura-activitat i funcionals. Aquests se centren en el paper del domini C-terminal de la β-defensina Panusin, en l'activitat antimicrobiana i estabilitat sèrica, i la identificació de pèptids críptics en proteïnes d'unió a heparina humana, mostrant selectivitat i alta potència contra bacteris Gram-negatius multiresistents. En conjunt, aquesta tesi demostra que la combinació de prediccions computacionals i la validació experimental és essencial per al descobriment d'AMPs. A més, estableix les bases per a la integració de dades evolutives i estructurals a la generació d'AMPs amb múltiples propietats terapèutiques.