glicoengenharia

O que glicoengenharia faz?

Visão Geral

A glicosilação é a modificação pós-traducional (PTM) mais comum e complexa, afetando mais de 50% de todas as proteínas humanas. Os glicanos regulam o dobramento, estabilidade, reconhecimento imune, interações com receptores e farmacocinética de proteínas terapêuticas. A glicoengenharia envolve a modificação racional dos padrões de glicosilação para melhorar a eficácia terapêutica, estabilidade ou evasão imune.

Dois principais tipos de glicosilação:

• N-glicosilação: Ligada à asparagina (N) no sequon N-X-[S/T] onde X ≠ Prolina; ocorre no RE/Golgi
• O-glicosilação: Ligada à serina (S) ou treonina (T); sem motivo de consenso estrito; iniciação principalmente por GalNAc

Quando Usar Esta Habilidade

Use esta habilidade quando:

• Engenharia de anticorpos: Otimizar a glicosilação do Fc para ADCC, CDC ou imunogenicidade reduzida
• Projeto de proteínas terapêuticas: Identificar sítios de glicosilação que afetam meia-vida, estabilidade ou imunogenicidade
• Projeto de antígenos vacinais: Projetar blindagens de glicanos para focar respostas imunes em epítopos conservados
• Caracterização de biossimilares: Comparar padrões de glicanos entre referência e biossimilar
• Análise de alvos farmacológicos: A glicosilação afeta o engajamento de alvos para um receptor?
• Estabilidade proteica: N-glicanos frequentemente estabilizam proteínas; identificar sítios para mutações estabilizadoras

Análise de Sequon de N-Glicosilação

Varredura por Sítios de N-Glicosilação

A N-glicosilação ocorre no sequon N-X-[S/T] onde X ≠ Prolina.

import re
from typing import List, Tuple

def find_n_glycosylation_sequons(sequence: str) -> List[dict]:
    """
    Escaneia uma sequência de proteína em busca de sequons canônicos de N-glicosilação.
    Motivo: N-X-[S/T], onde X ≠ Prolina.

    Args:
        sequence: Sequência de aminoácidos em código de uma letra

    Returns:
        Lista de dicionários com posição (base 1), motivo e contexto
    """
    seq = sequence.upper()
    results = []
    i = 0
    while i <= len(seq) - 3:
        triplet = seq[i:i+3]
        if triplet[0] == 'N' and triplet[1] != 'P' and triplet[2] in {'S', 'T'}:
            context = seq[max(0, i-3):i+6]  # contexto de ±3 resíduos
            results.append({
                'position': i + 1,   # base 1
                'motif': triplet,
                'context': context,
                'sequon_type': 'NXS' if triplet[2] == 'S' else 'NXT'
            })
            i += 3
        else:
            i += 1
    return results

def summarize_glycosylation_sites(sequence: str, protein_name: str = "") -> str:
    """Gera um resumo de registro de pesquisa dos sítios de N-glicosilação."""
    sequons = find_n_glycosylation_sequons(sequence)

    lines = [f"# Análise de Sequon de N-Glicosilação: {protein_name or 'Proteína'}"]
    lines.append(f"Comprimento da sequência: {len(sequence)}")
    lines.append(f"Total de sequons de N-glicosilação: {len(sequons)}")

    if sequons:
        lines.append(f"\nSítios N-X-S: {sum(1 for s in sequons if s['sequon_type'] == 'NXS')}")
        lines.append(f"Sítios N-X-T: {sum(1 for s in sequons if s['sequon_type'] == 'NXT')}")
        lines.append(f"\nDetalhes dos sítios:")
        for s in sequons:
            lines.append(f"  Posição {s['position']}: {s['motif']} (contexto: ...{s['context']}...)")
    else:
        lines.append("Nenhum sequon canônico de N-glicosilação detectado.")

    return "\n".join(lines)

# Exemplo: Região Fc de IgG1
fc_sequence = "APELLGGPSVFLFPPKPKDTLMISRTPEVTCVVVDVSHEDPEVKFNWYVDGVEVHNAKTKPREEQYNSTYRVVSVLTVLHQDWLNGKEYKCKVSNKALPAPIEKTISKAKGQPREPQVYTLPPSREEMTKNQVSLTCLVKGFYPSDIAVEWESNGQPENNYKTTPPVLDSDGSFFLYSKLTVDKSRWQQGNVFSCSVMHEALHNHYTQKSLSLSPGK"
print(summarize_glycosylation_sites(fc_sequence, "IgG1 Fc"))

Mutando Sítios de N-Glicosilação

def eliminate_glycosite(sequence: str, position: int, replacement: str = "Q") -> str:
    """
    Elimina um sítio de N-glicosilação substituindo Asn → Gln (conservadora).

    Args:
        sequence: Sequência da proteína
        position: Posição base 1 da Asn a ser mutada
        replacement: Aminoácido a substituir (padrão Q = Gln; tamanho similar, não glicosilado)

    Returns:
        Sequência mutada
    """
    seq = list(sequence.upper())
    idx = position - 1
    assert seq[idx] == 'N', f"Posição {position} é '{seq[idx]}', não 'N'"
    seq[idx] = replacement.upper()
    return ''.join(seq)

def add_glycosite(sequence: str, position: int, flanking_context: str = "S") -> str:
    """
    Introduz um sítio de N-glicosilação mutando um resíduo para Asn,
    e garantindo que X ≠ Pro e +2 = S/T.

    Args:
        position: Posição base 1 para introduzir Asn
        flanking_context: 'S' ou 'T' na posição+2 (se modificação necessária)
    """
    seq = list(sequence.upper())
    idx = position - 1

    # Muta para Asn
    seq[idx] = 'N'

    # Garante que X+1 != Pro (muta para Ala se necessário)
    if idx + 1 < len(seq) and seq[idx + 1] == 'P':
        seq[idx + 1] = 'A'

    # Garante que X+2 = S ou T
    if idx + 2 < len(seq) and seq[idx + 2] not in ('S', 'T'):
        seq[idx + 2] = flanking_context

    return ''.join(seq)

Análise de O-Glicosilação

Predição Heurística de Pontos Críticos de O-Glicosilação

def predict_o_glycosylation_hotspots(
    sequence: str,
    window: int = 7,
    min_st_fraction: float = 0.4,
    disallow_proline_next: bool = True
) -> List[dict]:
    """
    Pontuação heurística de pontos críticos de O-glicosilação com base na densidade local de S/T.
    Não substitui NetOGlyc; use como linha de base rápida.

    Regras:
    - A O-GalNAc glicosilação se agrupa em segmentos ricos em Ser/Thr
    - Marca resíduos Ser/Thr em janelas enriquecidas para S/T
    - Evite S/T imediatamente seguido por Pro (motivos TP/SP inibem GalNAc-T)

    Args:
        window: Tamanho ímpar da janela para densidade local de S/T
        min_st_fraction: Fração mínima de S/T na janela para marcar o sítio
    """
    if window % 2 == 0:
        window = 7
    seq = sequence.upper()
    half = window // 2
    candidates = []

    for i, aa in enumerate(seq):
        if aa not in ('S', 'T'):
            continue
        if disallow_proline_next and i + 1 < len(seq) and seq[i+1] == 'P':
            continue

        start = max(0, i - half)
        end = min(len(seq), i + half + 1)
        segment = seq[start:end]
        st_count = sum(1 for c in segment if c in ('S', 'T'))
        frac = st_count / len(segment)

        if frac >= min_st_fraction:
            candidates.append({
                'position': i + 1,
                'residue': aa,
                'st_fraction': round(frac, 3),
                'window': f"{start+1}-{end}",
                'segment': segment
            })

    return candidates

Ferramentas Externas de Glicoengenharia

1. NetOGlyc 4.0 (Predição de O-glicosilação)

Serviço web para predição de alta precisão de sítios O-GalNAc:

• URL: https://services.healthtech.dtu.dk/services/NetOGlyc-4.0/
• Entrada: Sequência de proteína em FASTA
• Saída: Pontuações de probabilidade de O-glicosilação por resíduo
• Método: Rede neural treinada em sítios O-GalNAc experimentalmente verificados

import requests

def submit_netoglycv4(fasta_sequence: str) -> str:
    """
    Submete sequência ao serviço web NetOGlyc 4.0.
    Retorna a URL do job para recuperação dos resultados.

    Nota: Usa o serviço web DTU Health Tech. Resultados levam ~1-5 min.
    """
    url = "https://services.healthtech.dtu.dk/cgi-bin/webface2.cgi"
    # Submissão NetOGlyc (parâmetros podem variar com a versão do serviço web)
    # Recomende usar a interface web diretamente para a maioria dos casos de uso
    print("Submeta a sequência em: https://services.healthtech.dtu.dk/services/NetOGlyc-4.0/")
    return url

# Também: NetNGlyc para predição de N-glicosilação
# URL: https://services.healthtech.dtu.dk/services/NetNGlyc-1.0/

2. GlycoSHIELD (Análise de Blindagem por Glicanos)

O GlycoSHIELD enxerta bibliotecas de conformeros de glicanos pré-simulados em uma estrutura proteica estática e pontua o quanto da superfície proteica os glicanos blindam, sem executar nova DM (Tsai et al., Cell 2024, doi:10.1016/j.cell.2024.01.034):

• URL: https://gitlab.mpcdf.mpg.de/dioscuri-biophysics/glycoshield-md/ (aplicativo web: https://glycoshield.eu)
• Uso: Modelar a blindagem de glicanos em uma glicoproteína e mapear a blindagem por resíduo
• Saída: Conjuntos de PDB/XTC glicosilados por sítio, gráfico de blindagem por resíduo, PDB com blindagem na coluna do fator B

O GlycoSHIELD não está no PyPI — uv pip install glycoshield falha. Ele é distribuído como três scripts sobre um pequeno pacote glycoshield (precisa de numpy, scipy, matplotlib, MDAnalysis; GlycoSASA.py também precisa de gmx do GROMACS no PATH). Instale a partir do checkout:

# Instalação (GPL-3.0). As bibliotecas de conformeros de glicanos são baixadas separadamente —
# veja glycan_library_downloader.py e GLYCAN_LIBRARY/ no repositório.
git clone https://gitlab.mpcdf.mpg.de/dioscuri-biophysics/glycoshield-md.git
cd glycoshield-md
uv pip install -e .

# 1. Enxerta conformeros de glicanos em cada sequon listado no arquivo de entrada.
#    Uma linha por sítio: <chain> <res-1,res,res+1> <1,2,3> <glycan.pdb> <glycan.xtc> <out.pdb> <out.xtc>
python GlycoSHIELD.py --protpdb protein.pdb --inputfile sequons_input \
    --threshold 3.5 --mode CG --shuffle-sugar

# 2. Pontuação de blindagem por resíduo nos conjuntos enxertados (raios da sonda em nm)
python GlycoSASA.py --pdblist A_463.pdb,A_492.pdb --xtclist A_463.xtc,A_492.xtc \
    --probelist 0.14,0.25 --plottrace

Ilustrativo: as flags vêm das definições argparse dos scripts e do tutorial upstream (N-caderina EC5 com glicanos Man5); elas não foram executadas aqui. --mode CG verifica colisões apenas contra átomos Cα e combina com --threshold 3.5; --mode All com --threshold 0.7 é a configuração all-atom.

3. GlycoWorkbench (Desenho/Análise de Estruturas de Glicanos)

• URL: https://www.eurocarbdb.org/project/glycoworkbench
• Uso: Desenhar estruturas de glicanos, calcular massas, anotar espectros de EM
• Formato: GlycoCT, notação condensada de glicanos IUPAC

4. GlyConnect (Banco de Dados Glicano-Proteína)

• URL: https://glyconnect.expasy.org/
• Uso: Encontrar glicoproteínas e sítios de glicosilação verificados experimentalmente
• Consulta: Por proteína (ID UniProt), estrutura de glicano ou tecido

import requests

def query_glyconnect(uniprot_id: str) -> dict:
    """Consulta GlyConnect para dados de glicosilação de uma proteína."""
    url = f"https://glyconnect.expasy.org/api/proteins/uniprot/{uniprot_id}"
    response = requests.get(url, headers={"Accept": "application/json"})
    if response.status_code == 200:
        return response.json()
    return {}

# Exemplo: consultar glicosilação de EGFR
eggfr_glyco = query_glyconnect("P00533")

5. UniCarbKB (Banco de Dados de Estruturas de Glicanos)

• URL: https://unicarbkb.org/
• Uso: Navegar por estruturas de glicanos, pesquisar por massa ou composição
• Formato: Notação GlycoCT ou IUPAC

Principais Estratégias de Glicoengenharia

Para Anticorpos Terapêuticos

Objetivo	Estratégia	Notas
Aumentar ADCC	Defucosilação no Fc Asn297	IgG1 afucosilado tem ligação ~50× melhor a FcγRIIIa
Reduzir imunogenicidade	Remover glicanos não humanos	Eliminar epítopos α-Gal, NGNA
Melhorar meia-vida PK	Sialilação	Glicanos sialilados estendem a meia-vida
Reduzir inflamação	Hipersialilação	Mecanismo anti-inflamatório da IVIG
Criar blindagem de glicanos	Adicionar N-glicosítios à superfície	Máscara epítopos vulneráveis (design de vacinas)

Mutações Comuns Usadas

Mutação	Efeito
N297A/Q (IgG1)	Remove glicosilação do Fc (aglicosil)
N297D (IgG1)	Remove glicosilação do Fc
S298A/E333A/K334A	Aumenta ligação a FcγRIIIa
F243L (IgG1)	Aumenta defucosilação
T299A	Remove glicosilação do Fc

Notação de Glicanos

Notação Condensada IUPAC (Abreviações de Monossacarídeos)

Símbolo	Nome Completo	Tipo
Glc	Glicose	Hexose
GlcNAc	N-Acetilglicosamina	HexNAc
Man	Manose	Hexose
Gal	Galactose	Hexose
Fuc	Fucose	Desoxi-hexose
Neu5Ac	Ácido N-Acetilneuramínico (Ácido Siálico)	Ácido siálico
GalNAc	N-Acetilgalactosamina	HexNAc

Estrutura de N-Glicano Complexo

N-glicano biantenário complexo típico:
Neu5Ac-Gal-GlcNAc-Man\
                       Man-GlcNAc-GlcNAc-[Asn]
Neu5Ac-Gal-GlcNAc-Man/
(±Fucose central no GlcNAc mais interno)

Melhores Práticas

• Comece com NetNGlyc/NetOGlyc para previsão computacional antes da validação experimental
• Verifique com espectrometria de massas: Glicoproteômica (Byonic, Mascot) para perfil de glicanos sítio-específico
• Considere o contexto do sítio: Nem todos os sequons previstos são realmente glicosilados (acessibilidade, tipo celular, conformação proteica)
• Para anticorpos: O glicano N297 do Fc é crítico — sempre caracterize este sítio primeiro
• Use GlyConnect para verificar se sua proteína de interesse possui dados de glicosilação experimentalmente verificados

Recursos Adicionais

• GlyTouCan (repositório de estruturas de glicanos): https://glytoucan.org/
• GlyConnect: https://glyconnect.expasy.org/
• CFG Functional Glycomics: http://www.functionalglycomics.org/
• Servidores DTU Health Tech (NetNGlyc, NetOGlyc): https://services.healthtech.dtu.dk/
• GlycoWorkbench: https://glycoworkbench.software.informer.com/
• Revisão: Apweiler R et al. (1999) Biochim Biophys Acta. PMID: 10564035
• Revisão de glicoengenharia terapêutica: Jefferis R (2009) Nature Reviews Drug Discovery. PMID: 19448661