Este documento resume un artículo sobre la influencia de la microbiota pulmonar en la carcinogénesis, inmunidad e inmunoterapia pulmonares. Discute cómo los cambios en la composición de la microbiota pulmonar pueden afectar el desarrollo del cáncer de pulmón al modular la respuesta inmune. También analiza cómo la interacción entre el tabaquismo, el gen TP53 y la microbiota podría ser relevante en la carcinogénesis pulmonar inducida por el tabaco. Finalmente, explora cómo la microbiota pul

1. FACULTAD DE CIENCIAS DE LA SALUD
ESCUELA DE FORMACIÓN PROFESIONAL DE MEDICINA HUMANA
PRACTICA Nº 10
Tema: El Interactoma humano y su relación con enfermedades.
Docente:
Dr. Galarza Pérez, Marco Antonio
Integrantes:
 Centeno Sulluchuco, Mateo William
 Fuentes Cruz, Víctor Hugo
 Guzman Bravo Katty
 Sabrera Flores, Crys Angeles
Curso:
Genoma y salud
Sección:
MD8T1- PRÁCTICA 1
LIMA – PERÚ
2021
“Año del Bicentenario del Perú: 200 años de Independencia”

2. TEMA DE EXPOSICIÓN: (SEMANA 12)
LA INFLUENCIA DE LA MICROBIOTA PULMONAR EN LA
CARCINOGÉNESIS, INMUNIDAD E INMUNOTERAPIA PULMONARES.
Ariel G. Ramírez-Labrada.
Volume 6, Issue 2, Febrero de 2020, páginas 86-97.
RESUMEN:
En esta revisión, resumimos el conocimiento científico actual para obtener una visión más
profunda de cómo la composición y la función de la microbiota pulmonar pueden afectar
el desarrollo del cáncer de pulmón. Discutimos cómo los cambios en la microbiota
pulmonar podrían alterar las interacciones huésped-microbiota al modular la respuesta
inmune sana y patológica y cómo esta modulación ofrece nuevas alternativas para una
inmunoterapia exitosa y segura en el cáncer de pulmón. Por ello los métodos moleculares
para caracterizar la microbiota pulmonar NGS ha surgido como una potente tecnología
para la caracterización molecular de microorganismos en muestras complejas. Según el
reino microbiano deseado a caracterizar, bacterias, arqueas u hongos, se seleccionan
cebadores específicos contra regiones genómicas conservadas dentro de cada reino.
la secuenciación del ARNr 16S es la tecnología más avanzada y ha sido clave para
identificar la composición microbiana procariota (bacterias y arqueas) de muestras
complejas. Sin embargo, todavía presenta algunas limitaciones, como su incapacidad para
diferenciar entre especies con diferente inmunogenicidad y patogenicidad. La
secuenciación del ARNr 16S solo proporciona información a nivel de género y no
diferencia especies, ya que esta tecnología se basa en longitudes de lectura cortas, lo que
dificulta la asignación taxonómica precisa. Este desafío explica potencialmente por qué
las asociaciones más sólidas que se han observado entre las especies bacterianas y el
intestino humano se refieren a especies que son únicas en los humanos entre su género.
Por ejemplo, la secuenciación del ARNr 16S ha mostrado un rendimiento más bajo que
el cultivo en la identificación de especies dentro del género Mycobacterium. Por lo tanto,
parece que una combinación de métodos independientes de cultivo molecular con cultivo
podría ser la mejor opción para una caracterización confiable de poblaciones bacterianas
y microbiota.

3. Establecimiento inicial de la microbiota pulmonar
Los estudios en modelos animales han demostrado que la carga bacteriana en los
pulmones aumenta durante las primeras 2 semanas de vida, y los taxones de organismos
detectados en el pulmón cambian de Gammaproteobacteria y Firmicutes a Bacteriodetes.
para dar forma al sistema inmunológico pulmonar y proteger al órgano de las respuestas
inflamatorias nocivas a los antígenos inhalados. Este proceso temprano podría promover
la tolerancia de la microbiota comensal, evitando el daño pulmonar relacionado con la
inflamación y, probablemente, la carcinogénesis pulmonar. Por tanto, estos datos sugieren
que las enfermedades relacionadas con la composición de la microbiota pulmonar como
el cáncer podrían verse influidas por la duración del embarazo, aunque esta hipótesis
requiere validación. Sin embargo, al igual que en el tracto respiratorio superior y el
intestino, es probable que las comunidades bacterianas en el pulmón sean dinámicas.
Composición de la microbiota en el carcinoma de pulmón
En cuanto a la microbiota de pulmón en pacientes con cáncer de pulmón, aunque se han
realizado pocos estudios, un enriquecimiento significativo de Granulicatella,
Abiotrophia, y Streptococcus a nivel de género y la disminución se han observado
diversidad de la comunidad en pacientes en comparación con muestras de control. Sin
embargo, estos hallazgos aparentemente contradictorios podrían explicarse por las
dificultades para identificar especies o cepas reales involucradas en la carcinogénesis. Por
el contrario, ciertos taxones pueden desempeñar roles distintos en diferentes nichos
corporales o incluso los mismos taxones pueden tener funciones protectoras o
perjudiciales en el mismo lugar dependiendo de la presencia de diferentes estímulos.
La composición de la microbiota modula la inflamación crónica y el desarrollo del
cáncer El microbioma pulmonar ha recibido menos atención que el microbioma intestinal
y, a diferencia del cáncer gastrointestinal, la correlación entre la microbiota y el cáncer
de pulmón se ha estudiado menos. Sin embargo, aunque hay menos estudios, la
composición de la microbiota pulmonar se ha asociado recientemente con el cáncer de
pulmón. El adenocarcinoma y el carcinoma de células escamosas son las formas
principales de cáncer de pulmón de células no pequeñas (NSCLC). Incluso cuando el
tabaquismo se correlaciona con su etiología, por sí solo no puede explicar por completo
la incidencia de cáncer de pulmón. Algunos autores han planteado la hipótesis de que la
alteración del microbioma pulmonar y la inflamación crónica en el tejido pulmonar

4. contribuyen a la carcinogénesis. Hay una relación ha sido el foco de la mayoría de los
estudios que relacionan la microbiota y la carcinogénesis pulmonar, como se analiza en
detalle en la siguiente sección. Varias bacterias se han asociado con la inflamación
crónica y el consiguiente aumento del riesgo de cáncer. Por ejemplo, Mycobacterium
tuberculosis se ha asociado con cáncer de pulmón.
Los productos bacterianos podrían promover la activación oncogénica del huésped
Encontramos algunos componentes microbianos pueden activar directamente vías
moleculares con potencial oncogénico. Aunque se han identificado pocos microbios
como cancerígenos per se, con la notable excepción de algunos oncovirus, trabajos
recientes han identificado algunas relaciones entre los cambios en el microambiente del
tejido pulmonar y la colonización microbiana que podrían afectar la transformación
celular y la carcinogénesis. Greathouse y col. planteó la hipótesis de que la interacción
entre el tabaquismo, el TP53 y la microbiota podría ser relevante durante la
carcinogénesis pulmonar provocada por el tabaquismo. Las células epiteliales pulmonares
con mutaciones en TP53 debido al humo del tabaco son invadidas por especies que
aprovechan el nuevo microambiente, lo que sugiere que estas bacterias podrían actuar
como promotoras en la tumorigénesis pulmonar
Inmunovigilancia de microbiota y cáncer
Existe un delicado equilibrio entre el sistema inmunológico y la microbiota. La
microbiota comensal contribuye a la tolerancia inmunitaria, disminuyendo la inflamación
pulmonar a través de células dendríticas (DC), γδ T y T. Reclutamiento de células
reguladoras (Treg). Los macrófagos y las células T responden a la colonización
microbiana y previenen la sobrecarga de patógenos o metabolitos (panel izquierdo). La
microbiota pulmonar podría contribuir al cáncer de pulmón desarrollo. Las bacterias
pueden promover factores pro inflamatorios que conducen a inflamación crónica y
regulación positiva de las vías de señalización proliferativas en las células epiteliales de
las vías respiratorias que inducen la transformación celular y tumorigénesis (panel
derecho). Además, algunos componentes microbianos pueden afectar directamente a los
tumores protumorigénicos. vías en las células epiteliales (oncogenes). Abreviaturas:
célula iNKT, célula asesina natural invariante; Th1 / 17, Ttipo de ayudante 1/17.

5. Gráfico Nº 01. Relación
entre microbiota
pulmonar, homeostasis y
cáncer de pulmón
Gráfico Nº 02. Enfoques
inmunomoduladores
potenciales para revertir el
microambiente
inmunológico protumoral
debido a la disbiosis de la
microbiota pulmonar.

6. CUESTIONARIO SEMANA -10
1) Que bases de datos sirven para realizar estudios relacionados a Interactoma
humano. Describa cada uno de ellos.
El interactoma humano es el mapa de las interacciones moleculares entre las proteínas
humanas, o lo que podría considerarse, la red social de las proteínas. (1)
Principales bases de datos de proteínas:
Uniprot.- Base de datos con libre acceso que proporciona a la comunidad científica
un recurso completo, de alta calidad y de libre acceso de secuencia de proteínas e
información funcional.(2)
Swiss-prot.- Buscador que contiene cientos de miles de descripciones de proteínas,
incluida la función, la estructura del dominio, la ubicación subcelular, las
modificaciones postraduccionales y las variantes caracterizadas funcionalmente.(2)
PDB.- Recurso de búsqueda impulsado por la información de archivo del Protein
Data Bank sobre las formas 3D de proteínas, ácidos nucleicos y conjuntos complejos
que ayuda a los estudiantes e investigadores a comprender todos los aspectos de la
biomedicina y la agricultura, desde la síntesis de proteínas hasta la salud y la
enfermedad.(3)
MMDB.- Base de datos de modelado molecular (MMDB). Buscador que permite
evidenciar la estructuras de proteínas, ARN y ADN resueltas experimentalmente,
derivadas del Protein Data Bank (PDB), con características de valor agregado como
gráficos químicos explícitos, dominios 3D identificados computacionalmente que se
utilizan para identificar estructuras 3D similares, como así como enlaces a literatura,
secuencias similares, información sobre sustancias químicas ligadas a las estructuras
y más.(4)
SCOP.- Clasificación estructural de proteínas; esta base de datos SCOP, creada
mediante inspección manual e instigada por una batería de métodos automatizados,
tiene como objetivo proporcionar una descripción detallada y completa de las
relaciones estructurales y evolutivas entre todas las proteínas cuya estructura se
conoce. Como tal, proporciona un estudio amplio de todos los pliegues proteicos
conocidos, información detallada sobre los parientes cercanos de cualquier proteína
en particular y un marco para futuras investigaciones y clasificación.(5)

7. 2) Explique qué bases de datos para vías metabólicas y de señalización existen en
los estudios de interactomas.
Las bases de datos más importantes en relación con las vías metabólicas y de
señalización en los interactomas son requeridas para construir la red metabólica de un
organismo son la lista de todas las reacciones bioquímicas que se pueden encontrar
en su metabolismo. Los datos se obtuvieron de la base de datos de la Enciclopedia de
genes y genomas de Kyoto (KEGG). Puesto que la herramienta Path2enet
desarrollada ha sido descrita en el lenguaje de programación R, se va a explicar
brevemente las herramientas desarrolladas en R que trabajan con bases de datos de
interacción de proteínas o rutas biológicas. En lo referente al análisis e integración de
bases de datos sobre rutas biológicas como KEGG, librerías de R como KEGG.db,
Gene2Pathway, KEGGgraph, PaxtoolsR, rBiopaxParser, PathView, o MetaboSignal
integran diferentes niveles de información y los utilizan para generar rutas biológicas,
redes complejas con varias rutas o completar con nueva información de otras bases
de datos.
La librería graphite nos permite acceder libremente a gran cantidad de bases de datos
sobre redes biológicas desde R, así como también permite asociar fenotipos o
características de muestras que deseemos estudiar a determinadas regiones de una red,
mediante el análisis topológico de la red y la teoría de descomposición. En el caso de
análisis de redes biológicas o de la incorporación de datos más complejos como series
temporales, BioNet y pwOmics son algunas de las más relevantes,
respectivamente.(6)
Finalmente en el enriquecimiento funcional basado en rutas biológicas, encontramos
librerías en R como SPIA, DEGraph, TopologyGSA, TAPPA, PRS y PWEA. A
destacar, SubpathwayMiner, herramientas novedosas, que siguen siendo utilizadas y
explotadas para conocer sus diferentes usos. (7)
3) Describir que bases de datos de estructura 3D de proteínas son usadas en la
actualidad.
 PDB y RCSB-PDB.
La base de datos Protein Data Bank (PDB) es el único repositorio de información
que existe en el mundo sobre estructuras tridimensionales (3D) de
macromoléculas biológicas, incluyendo proteínas y ácidos nucleicos. El
conocimiento de la conformación de una molécula ayuda a entender cómo trabaja

8. y a deducir su función fisiológica y en la enfermedad humana, así como aporta
importante información para el diseño de drogas.
 Búsqueda y localización de la proteína.
Completa la casilla PDB ID or Test con el “nombre de tu enzima” seguido de las
palabras “homo sapiens”. Pulsa Search.
Obtendrás una lista de referencias sobre la estructura de la enzima correspondiente
a humanos. En el documento de trabajo enviado a cada grupo por el profesor se
indica la referencia PDB que debe escogerse. En nuestro ejemplo 1I10. A
continuación seleccionarla y pulsar directamente sobre este código. Si en lugar de
colocar l-lactate dehydrogenase homo sapiens, colocamos directamente 1I10
vamos directamente al fichero completo en un solo paso.
Observa y anota estos datos en tu trabajo: autores científicos que han realizado
este estudio, fecha y método experimental utilizado para deducir la estructura
 Descripción de la molécula
Una vez visualizada la información de tu fichero.pdb, anota las características que
se recogen en el apartado: “Molecular description”: peso molecular, longitud de

9. la cadena polipeptídica en número de aminoácidos, polímero que se representa y
en su caso, la clase enzimática a la que pertenezca la proteína, así como el dato de
C.E. de la misma. Este último valor es un código de clasificación de enzimas que
comentaremos en el siguiente seminario.
 Visualización de la estructura.
Una vez que encuentras la entrada PDB como se ha indicado en el apartado
anterior, debes utilizar un programa de visualización molecular en el que a
través de la lectura en el fichero PDB, genera la imagen visible en la pantalla de
tu ordenador. Estos programas también incluyen herramientas de análisis que
permiten medir distancias y ángulos de enlace e identificar interesantes
características estructurales. Además, permiten descargar el fichero PDB en tu
ordenador.
Entre estos programas, Jmol es uno de los que ofrece más ventajas como visor de
moléculas para estudiantes, profesores e investigadores en química y
bioquímica. Además de ser gratuito y de código abierto, es multiplataforma,
compatible con sistemas Windows, Mac OS X y Linux/Unix.
Para visualizar la imagen de tu proteína pulsa el botón View en Jmol que hay
debajo de la imagen situada en la parte superior derecha de la misma página
dónde has observado la descripción molecular.
La aplicación Jmol es un programa autónomo en Java que funciona localmente en
el ordenador, fuera del navegador. Esto quiere decir que la imagen se visualiza
directamente en la misma página web en la que trabajamos sin necesidad de abrir
otro programa fuera de ella.
Después de pulsar View en Jmol, deberás esperar unos segundos a que se cargue
Jmol, transcurridos los cuales aparecerá una imagen con un menú inferior.
Situando el cursor sobre la imagen y pulsando el botón derecho del ratón,
podrás acceder a todas las opciones de visualización, algunas de las cuales
están recogidas en el menú inferior a la imagen.

10. (rotar, puentes de H, enlaces disulfuro, formato de bolas y varillas, superficie
accesible al agua, aminoácidos hidrofóbicos, cargados). Pulsando sobre cada una
de ellas, obtendrás la información correspondiente a las características
estructurales de la molécula. En la animación posterior se indican algunas de ellas.
Guarda alguna de las imágenes visualizadas que obtengas, pulsando la
opción del menú Archivo -> Exportar imagen GIF ó Exportar imagen
JPG ó Exportar imagen PNG. También puedes pulsar el botón Export
imagen del menú inferior a la figura.
Coloca estas imágenes en tu trabajo, explicando que características de la
estructura tridimensional de la molécula visualizas en cada caso.
 Estructura secundaria
Para conocer el porcentaje en que se presenta cada tipo de estructura
secundaria y en qué posición de la cadena se encuentra, nos desplazaremos

11. a otra página, pulsando la segunda pestaña de la barra superior referida
como Sequence.
Anota los tipos de estructura secundaria y porcentaje de los mismos que
presenta tu proteína.
En la misma pantalla se visualiza los diferentes tipos de estructura
secundaria indicándose:
 Primera línea: en nombre de la cadena peptídica analizada.
 Segunda línea: la representación indica que el fragmento
peptídico correspondiente presenta estructura secundaría de tipo hélice
alfa, estructura secundaria de tipo lámina beta y corresponde a
giros de la cadena estabilizados por puentes de hidrógeno. El resto
corresponde a cadena sencilla dispuesta acorde a la conformación de la
molécula.
 Tercera línea: secuencia de aminoácidos
 Cuarta línea: posición de los aminoácidos en la cadena
Colocándose con el cursor sobre cada punto de esta representación se visualiza
una breve descripción de lo que se está viendo

12. Observa que estas representaciones ya las has visualizado en la imagen de
estructura tridimensional previa pulsando las
opciones
En el trabajo se han de comparar las predicciones de estructura obtenidas con
el algoritmo de Chou y Fasman (Análisis de Secuencias) y las obtenidas en este
apartado. Por tanto, debe realizarse una tabla con estos datos y compararlos con
la tabla anterior, tal como se hizo en el caso de la Lactato Deshidrogenasa.(7)

13. 4) Elaborar un flujograma de trabajo para identificar una proteína humana de
interés y su relación con otras proteínas y metabolitos.
Las décadas de los 60 y 70 se vio el desarrollo de la tecnología del ADN recombinante
y la mejora de procesos de obtención de pequeños metabolitos como nucleótidos,
aminoácidos y vitaminas. Los procesos de fermentación experimentaron mejoras con
las técnicas de inmovilización de células y enzimas en soportes, y con la fermentación
continua para obtener proteína de células sencillas (biomasa microbiana).(8)
Su rápido crecimiento y altos rendimientos de biomasa en medios relativamente
económicos, el amplio conocimiento sobre su fisiología y genética, así como su
elevada capacidad de producción de proteínas heterólogas, la enterobacteria
Escherichia coli continúa siendo el sistema de elección para la expresión
recombinante.(9)
Figura 3. Flujograma de trabajo para la identificación y validación de proteínas.(10)

14. Figura 4. Flujograma de la fermentación de E. coli recombinante.(9)

15. BLIOGRAFIA:
1. El interactoma, aliado en la búsqueda de un tratamiento frente a coronavirus
[Internet]. [citado 11 de junio de 2021]. Disponible en:
https://www.institutoroche.es/observatorio/firmasalla/el_interactoma_aliado_en_la_
busqueda_de_un_tratamiento_frente_a_coronavirus
2. UniProt [Internet]. [citado 12 de junio de 2021]. Disponible en:
https://www.uniprot.org/
3. Bank RPD. RCSB PDB: Homepage [Internet]. [citado 11 de junio de 2021].
Disponible en: https://www.rcsb.org/
4. Grupo de recursos de estructuras macromoleculares [Internet]. [citado 11 de junio
de 2021]. Disponible en:
https://www.ncbi.nlm.nih.gov/Structure/MMDB/mmdb.shtml
5. Andreeva A, Kulesha E, Gough J, Murzin AG. The SCOP database in 2020:
expanded classification of representative family and superfamily domains of known
protein structures. Nucleic Acids Research. 8 de enero de 2020;48(D1):D376-82.
6. Gamermann D, Triana-Dopico J, Jaime R. A comprehensive statistical study of
metabolic and protein–protein interaction network properties. Physica A: Statistical
Mechanics and its Applications. 15 de noviembre de 2019;534:122204.
7. Chen Y-PP, editor. Bioinformatics technologies. Berlin ; New York, N.Y: Springer;
2005. 396 p.
8. Introducción a la Biotecnología e Ingeniería Genética [Internet]. [citado 12 de junio
de 2021]. Disponible en: https://www.ugr.es/~eianez/Biotecnologia/introbiotec.htm
9. Fig. 1. Diagrama de flujo general de un proceso de fermentación de E.... [Internet].
ResearchGate. [citado 12 de junio de 2021]. Disponible en:
https://www.researchgate.net/figure/Diagrama-de-flujo-general-de-un-proceso-de-
fermentacion-de-E-coli-recombinante_fig1_267568177
10. Zhang Y, Zhang Y, Adachi J, Olsen J, Shi R, de Souza G, et al. MAPU: Max-
Planck Unified database of organellar, cellular, tissue and body fluid proteomes.
Nucleic acids research. 1 de febrero de 2007;35:D771-9.