A biomassa lignocelulósica é uma fonte renovável extremamente importante de biomateriais e energia. Os polissacarídeos presentes nas plantas, compostos principalmente por fibras de celulose, são a maior fonte de carboidratos da Terra, enquanto a lignina, outro componente importante das paredes celulares das plantas, é a segunda maior fonte de compostos aromáticos, sendo superada apenas pelo petróleo. A desconstrução desses biopolímeros em seus blocos de construção requer uma variedade de enzimas de diferentes famílias. O objetivo principal deste projeto é investigar a estrutura, dinâmica e características funcionais de enzimas ativas em substratos derivados de biopolímeros lignocelulósicos. Usaremos métodos avançados clássicos e híbridos quânticos/clássicos QM/MM MD em nossos estudos. O foco inicial da pesquisa será no SCMGH6 e na nossa seleção de candidatos para enzimas GH1. Esperamos obter insights sobre sua função biológica em estreita conexão com a análise experimental. (AU)

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)

Neste projeto, propomos investigar o comportamento dinâmico de vária glicosil hidrolases e outras enzimas industrialmente importantes para produção de bioetanol de segunda geração através do uso de simulação de dinâmica molecular. Pretende-se explorar os seguintes aspectos:1.Dinâmica enzimática processiva associada a substratos solúveis e insolúveis; 2.Afinidade, interação e ligação enzima-substrato;3.Dinâmica local e global de reconhecimento e adesão de enzimas a substratos lignocelulósicos; 4.Identificação de estados ligados não-produtivos entre enzima e substrato; 5.Estudos de estabilidade enzimática sob condições industriais;6.Estudo da inibição enzimática por produtos de reação e produtos industriais;7.Efeitos de mutações sobre os temas acima citados. (AU)