Mecanismos de reação de enzimas e aprimoramento catalítico com base em estados de transição e algoritmos de aprendizado de máquina

Resumo

O tema desta pesquisa de pós-doutorado é o estudo de mecanismos de reação e eficiência catalítica de enzimas ativas em substratos lignocelulósicos usando técnicas avançadas de modelagem molecular. As enzimas de interesse são principalmente Esterases (por exemplo, Glucuronil Esterases - GEs, Feruloil Esterases - FAEs) e ²-glicosidases Glicosídeo Hidrolases (GHs). GEs/FAEs e GHs estão envolvidos no pré-tratamento da biomassa lignocelulósica e na etapa de sacarificação, respectivamente. O melhoramento catalítico dessas enzimas tem um impacto potencial na redução dos custos de produção de biocombustíveis de nova geração. Propomos usar métodos híbridos de Mecânica Quântica/Mecânica Molecular (QM/MM) para descrever o mecanismo de reação dessas enzimas contra substratos lignocelulósicos e, posteriormente, aplicar abordagens de aprendizado de máquina para propor mutações que possam resultar em uma eficiência catalítica aprimorada das enzimas. As estruturas de estado de transição obtidas do QM/MM serão utilizadas como pontos de partida para o projeto com o protocolo enzimático Rosetta e estratégias de machine learning. Os modelos propostos serão posteriormente analisados usando redes neurais. Primeiro, vamos nos concentrar na obtenção de uma descrição molecular detalhada do mecanismo de reação e do rendimento catalítico estimado das enzimas usando QM/MM. Em seguida, combinaremos os dados obtidos para os campos eletrostáticos criados pelos resíduos-chave responsáveis pela estabilização dos estados de transição (TS) em algoritmos de aprendizado de máquina para propor novos modelos catalíticos. (AU)