<\/p>\n
Quick answer:<\/strong> A practical enzyme or food-ingredient decision starts with the process target, then checks activity, application window, sensory impact, and batch-to-batch consistency before scale-up.<\/p>\n <\/p>\n O artigo apresenta os principais m\u00e9todos de qu\u00edmica computacional usados na pesquisa industrial de enzimas, especialmente para orientar a engenharia de enzimas, incluindo simula\u00e7\u00f5es de campo de for\u00e7a de mec\u00e2nica molecular e din\u00e2mica molecular, mec\u00e2nica qu\u00e2ntica e modelagem combinada de mec\u00e2nica qu\u00e2ntica\/mec\u00e2nica molecular, modelagem eletrost\u00e1tica cont\u00ednua e acoplamento molecular. Esses m\u00e9todos s\u00e3o resumidos no texto a partir de duas perspectivas, respectivamente: primeiro, os conceitos b\u00e1sicos dos pr\u00f3prios m\u00e9todos, os resultados dos c\u00e1lculos originais, as condi\u00e7\u00f5es de aplicabilidade e as vantagens e desvantagens; e segundo, as informa\u00e7\u00f5es valiosas obtidas a partir dos c\u00e1lculos para orientar o projeto de mutantes e bibliotecas de mutantes.<\/p>\n A aplica\u00e7\u00e3o industrial de enzimas tem uma hist\u00f3ria centen\u00e1ria, e a cat\u00e1lise enzim\u00e1tica \u00e9 amplamente utilizada em diferentes setores, como alimentos, agricultura, medicina e ind\u00fastria qu\u00edmica, devido \u00e0 sua alta efici\u00eancia, alta especificidade e seletividade, al\u00e9m de ser ecologicamente correta [1-2].<\/sup> Como o ambiente de aplica\u00e7\u00e3o industrial \u00e9 muito diferente do ambiente em que as enzimas vivem na natureza, a natureza e a fun\u00e7\u00e3o catal\u00edtica das enzimas naturais e seu ambiente de aplica\u00e7\u00e3o geralmente n\u00e3o combinam ou n\u00e3o s\u00e3o ideais. Nesse caso, \u00e9 necess\u00e1rio modificar a sequ\u00eancia natural de amino\u00e1cidos da enzima com a ajuda da engenharia de enzimas para melhorar seu desempenho [3].<\/sup> A estrat\u00e9gia de engenharia de enzimas mais comumente usada \u00e9 a constru\u00e7\u00e3o de bibliotecas de muta\u00e7\u00f5es para triagem, ou seja, evolu\u00e7\u00e3o dirigida em laborat\u00f3rio [4].<\/sup> Um dos pr\u00e9-requisitos necess\u00e1rios para uma evolu\u00e7\u00e3o dirigida eficaz \u00e9 que a capacidade da biblioteca (ou seja, o n\u00famero de mutantes contidos na biblioteca) da biblioteca de mutantes que est\u00e1 sendo examinada seja suficientemente grande em rela\u00e7\u00e3o \u00e0 propor\u00e7\u00e3o de mutantes potencialmente ben\u00e9ficos na biblioteca. O tamanho de uma biblioteca de mutantes geralmente \u00e9 limitado pelo m\u00e9todo de triagem, pelos recursos dispon\u00edveis e por outras condi\u00e7\u00f5es objetivas. A quest\u00e3o principal \u00e9 como aumentar a porcentagem de mutantes eficazes na biblioteca de mutantes. O conhecimento aprofundado da rela\u00e7\u00e3o entre a sequ\u00eancia da enzima, a estrutura e as propriedades importantes pode ajudar a identificar os pontos cr\u00edticos de muta\u00e7\u00e3o, limitar o escopo da muta\u00e7\u00e3o e realizar um projeto de biblioteca de mutantes de qualidade. Os m\u00e9todos de qu\u00edmica computacional s\u00e3o um meio importante de obter essa compreens\u00e3o. Foi demonstrado que as bibliotecas de muta\u00e7\u00e3o de prote\u00ednas projetadas por computador com base no design computacional podem aumentar a porcentagem de mutantes eficazes em v\u00e1rias ordens de magnitude em rela\u00e7\u00e3o \u00e0s bibliotecas de muta\u00e7\u00e3o aleat\u00f3ria [5].<\/sup> Para alguns t\u00f3picos dif\u00edceis de engenharia de enzimas ou de prote\u00ednas, o aprimoramento substancial que a computa\u00e7\u00e3o pode proporcionar pode ser suficiente para determinar o sucesso ou o fracasso final do t\u00f3pico, que n\u00e3o est\u00e1 mais limitado ao aprimoramento da efici\u00eancia. De fato, a qu\u00edmica computacional e os m\u00e9todos de biologia computacional possibilitaram o projeto de enzimas artificiais a partir do zero com fun\u00e7\u00f5es catal\u00edticas que as enzimas naturais n\u00e3o possuem. Como outras revis\u00f5es deste \u00e1lbum foram dedicadas a m\u00e9todos para o projeto otimizado automatizado de sequ\u00eancias de amino\u00e1cidos, este artigo se concentrar\u00e1 em m\u00e9todos computacionais para simular e analisar enzimas com uma determinada sequ\u00eancia de amino\u00e1cidos. Obviamente, os pesquisadores podem usar esses m\u00e9todos para estudar o tipo selvagem e os mutantes separadamente e depois comparar os resultados. 1<\/p>\n Simula\u00e7\u00e3o de din\u00e2mica molecular (MD) baseada em campos de for\u00e7a de mec\u00e2nica molecular cl\u00e1ssica (MM)<\/p>\n 1.1<\/p>\n Introdu\u00e7\u00e3o ao m\u00e9todo<\/p>\n Por enquanto, n\u00e3o consideramos as altera\u00e7\u00f5es qu\u00edmicas envolvidas na cat\u00e1lise enzim\u00e1tica, mas apenas os processos de altera\u00e7\u00f5es conformacionais da enzima, forma\u00e7\u00e3o e dissocia\u00e7\u00e3o de complexos n\u00e3o covalentes entre a enzima e os reagentes (ou produtos) devido ao movimento t\u00e9rmico molecular. Durante esses processos, o estado eletr\u00f4nico da mol\u00e9cula n\u00e3o se altera (por exemplo, nenhuma liga\u00e7\u00e3o covalente \u00e9 quebrada ou criada), e o modelo de campo de for\u00e7a da mec\u00e2nica molecular se aplica. O chamado campo de for\u00e7a da mec\u00e2nica molecular \u00e9 uma fun\u00e7\u00e3o matem\u00e1tica emp\u00edrica que expressa a depend\u00eancia da energia potencial de um sistema molecular na configura\u00e7\u00e3o geom\u00e9trica (ou seja, as coordenadas espaciais de todos os \u00e1tomos que comp\u00f5em o sistema molecular) (Fig. 1A). Em outras palavras, se usarmos X<\/em><\/i> para representar as coordenadas espaciais de todos os \u00e1tomos e VMM<\/em><\/sup><\/i> (X<\/strong><\/em><\/i> ) para representar a energia potencial do campo de for\u00e7a molecular, a energia potencial muda \u00e0 medida que a mol\u00e9cula muda de uma conforma\u00e7\u00e3o X1<\/sub> para outro X2<\/sub>: Fig. 1<\/strong> Campo de for\u00e7a de mec\u00e2nica molecular (A) e<\/strong> simula\u00e7\u00e3o de din\u00e2mica molecular (B)<\/strong> 1.2<\/p>\n Aplica\u00e7\u00e3o \u00e0 pesquisa de enzimas<\/p>\n As informa\u00e7\u00f5es obtidas com as simula\u00e7\u00f5es MD podem ser aplicadas de diferentes maneiras para orientar as modifica\u00e7\u00f5es de engenharia de enzimas [20].<\/sup> Por exemplo, comparando simula\u00e7\u00f5es MD de temperatura ambiente e alta temperatura, \u00e9 poss\u00edvel prever quais regi\u00f5es da mol\u00e9cula da enzima provavelmente ter\u00e3o a estabilidade estrutural mais sens\u00edvel \u00e0 temperatura ambiente. A introdu\u00e7\u00e3o de muta\u00e7\u00f5es pontuais de prolina, liga\u00e7\u00f5es dissulfeto, etc. nessas regi\u00f5es poderia aumentar a resist\u00eancia ao calor da enzima [21-24].<\/sup> Outra estrat\u00e9gia para melhorar a estabilidade \u00e9 projetar mutantes que formem mais liga\u00e7\u00f5es de hidrog\u00eanio e sal na superf\u00edcie [25-26].<\/sup> Antes de validar experimentalmente esses mutantes, o tipo selvagem e os mutantes podem ser simulados em paralelo para avaliar teoricamente se a muta\u00e7\u00e3o pode alcan\u00e7ar o efeito desejado [27-28].<\/sup> Al\u00e9m da temperatura, a MD pode ser usada para analisar o efeito das mudan\u00e7as no pH ambiental, nos solventes etc. sobre a conforma\u00e7\u00e3o da prote\u00edna e sua estabilidade [29-30].<\/sup> 2<\/p>\n Modelos de mec\u00e2nica qu\u00e2ntica (QM) e modelos combinados de mec\u00e2nica qu\u00e2ntica\/mec\u00e2nica molecular (QM\/MM)<\/p>\n 2.1<\/p>\n Introdu\u00e7\u00e3o ao m\u00e9todo<\/p>\n Para simular as etapas qu\u00edmicas da cat\u00e1lise enzim\u00e1tica, como a cria\u00e7\u00e3o e a quebra de liga\u00e7\u00f5es covalentes, a transfer\u00eancia de el\u00e9trons e os saltos entre diferentes estados eletr\u00f4nicos, s\u00e3o necess\u00e1rios modelos de mec\u00e2nica qu\u00e2ntica (QM). Atualmente, os modelos QM comumente usados em qu\u00edmica computacional s\u00e3o classificados em v\u00e1rios tipos, como ab initio ( ab initio<\/em><\/i> ), teoria funcional de densidade (DFT) e m\u00e9todos semi-emp\u00edricos [40].<\/sup> Entre eles, os m\u00e9todos semi-emp\u00edricos s\u00e3o os menos dispendiosos do ponto de vista computacional. Entretanto, eles n\u00e3o s\u00e3o m\u00e9todos de primeiros princ\u00edpios e a confiabilidade dos resultados computacionais depende muito do sistema e do problema espec\u00edficos. Os m\u00e9todos ab initio e DFT s\u00e3o m\u00e9todos de primeiros princ\u00edpios e s\u00e3o universais. Os modelos pr\u00e1ticos de DFT podem conter mais aproxima\u00e7\u00f5es te\u00f3ricas emp\u00edricas do que os c\u00e1lculos ab initio, mas a DFT pode lidar com energias de correla\u00e7\u00e3o de el\u00e9trons com efici\u00eancia computacional muito alta. Al\u00e9m disso, para muitos problemas de rea\u00e7\u00f5es qu\u00edmicas, os erros computacionais dos melhores modelos DFT para par\u00e2metros importantes, como as altera\u00e7\u00f5es de energia durante o processo de rea\u00e7\u00e3o, j\u00e1 s\u00e3o t\u00e3o pequenos quanto cerca de 1 kcal\/mol, e os resultados s\u00e3o suficientes para serem usados como base para determinar a solidez qu\u00edmica de um mecanismo catal\u00edtico ou caminho de rea\u00e7\u00e3o espec\u00edfico. Fig. 2 <\/strong> Mec\u00e2nica qu\u00e2ntica (QM)\/Molecular<\/strong> Mec\u00e2nica (MM)<\/strong> modelos 2.2<\/p>\n Aplica\u00e7\u00e3o do m\u00e9todo<\/p>\n Ambos<\/sup> o modelo QM [10] e<\/sup> o modelo QM\/MM [41]<\/sup> t\u00eam sido amplamente utilizados para a previs\u00e3o te\u00f3rica e o teste dos mecanismos qu\u00edmicos das rea\u00e7\u00f5es catalisadas por enzimas. Seus resultados podem nos ajudar a discernir quais res\u00edduos importantes participam do processo de rea\u00e7\u00e3o qu\u00edmica, encontrar a etapa limitadora da taxa da rea\u00e7\u00e3o, modelar a estrutura dos intermedi\u00e1rios da rea\u00e7\u00e3o e dos estados de transi\u00e7\u00e3o, analisar como eles interagem com o ambiente da enzima, etc. Em compara\u00e7\u00e3o com o modelo de cluster QM, o modelo QM\/MM pode simular de forma mais realista o ambiente da enzima no qual os centros de rea\u00e7\u00e3o qu\u00edmica est\u00e3o localizados. O QM\/MM tem sido amplamente utilizado para prever\/testar teoricamente o mecanismo qu\u00edmico da cat\u00e1lise enzim\u00e1tica e para analisar e prever os poss\u00edveis efeitos dos res\u00edduos de amino\u00e1cidos ambientais no processo catal\u00edtico. [46].<\/sup> Em princ\u00edpio, esses resultados podem ser usados para orientar o projeto de bibliotecas de muta\u00e7\u00f5es de evolu\u00e7\u00e3o dirigida com o objetivo de aumentar a atividade catal\u00edtica e alterar a especificidade ou a seletividade. Um estudo mais desafiador seria obter enzimas artificiais totalmente novas com base no projeto de novos centros ativos a partir de modelos de estrutura de estado de transi\u00e7\u00e3o previstos por QM ou QM\/MM [47].<\/sup><\/p>\n 3<\/p>\n Modelagem eletrost\u00e1tica de m\u00eddia cont\u00ednua<\/p>\n 3.1<\/p>\n Princ\u00edpio do m\u00e9todo<\/p>\n A cat\u00e1lise enzim\u00e1tica \u00e9 quase sempre realizada em um ambiente de solu\u00e7\u00e3o espec\u00edfico. Os efeitos do solvente t\u00eam uma influ\u00eancia crucial nas propriedades da enzima. Os modelos para calcular os efeitos do solvente dos tratamentos qu\u00edmicos se enquadram em duas categorias: modelos expl\u00edcitos de solvente, por exemplo, em campos de for\u00e7a de mec\u00e2nica molecular ou modelos QM, em que cada mol\u00e9cula de solvente e cada \u00e1tomo nela contido s\u00e3o explicitamente inclu\u00eddos no modelo; e modelos impl\u00edcitos de solvente ou de meio cont\u00ednuo [48], onde<\/sup> As mol\u00e9culas e os \u00e1tomos do solvente n\u00e3o s\u00e3o inclu\u00eddos no modelo e os chamados \"campos m\u00e9dios do solvente\" s\u00e3o usados para lidar com os efeitos do solvente. que n\u00e3o inclui mol\u00e9culas e \u00e1tomos do solvente, mas trata os efeitos do solvente com o chamado \"campo m\u00e9dio do solvente\". A vantagem do modelo de solvente expl\u00edcito \u00e9 que ele \u00e9 capaz de tratar o soluto e o solvente de maneira totalmente consistente, modelando de forma realista intera\u00e7\u00f5es espec\u00edficas, como a liga\u00e7\u00e3o de hidrog\u00eanio soluto-solvente, a liga\u00e7\u00e3o de sal e assim por diante. A desvantagem \u00e9 que o n\u00famero de mol\u00e9culas de solvente \u00e9 grande e intensivo em termos de computa\u00e7\u00e3o. Al\u00e9m disso, o aumento estoc\u00e1stico do solvente contribui significativamente para a energia total do sistema, e a m\u00e9dia da amostra de simula\u00e7\u00e3o longa deve ser realizada para eliminar o efeito do aumento. O modelo de solvente oculto retrata o efeito de m\u00e9dia do solvente, e o aumento e a queda termodin\u00e2mica do solvente foram calculados. Fig. 3 <\/strong> Modelo eletrost\u00e1tico cont\u00ednuo (A)<\/strong> e Poisson-Boltzmann de diferen\u00e7a finita (FDPB) <\/strong> m\u00e9todo (B)<\/strong> 3.2<\/p>\n Aplica\u00e7\u00e3o do m\u00e9todo<\/p>\n Uma das aplica\u00e7\u00f5es importantes do modelo cont\u00ednuo \u00e9 o estudo do estado de protona\u00e7\u00e3o de grupos de cadeias laterais de amino\u00e1cidos carregados em mol\u00e9culas de enzimas. O software PROPKA prev\u00ea o pKa de cada grupo dissoci\u00e1vel resolvendo a equa\u00e7\u00e3o PB para calcular a energia livre eletrost\u00e1tica para diferentes estados de protona\u00e7\u00e3o [50].<\/sup> A distribui\u00e7\u00e3o do potencial eletrost\u00e1tico de superf\u00edcie de uma mol\u00e9cula de enzima \u00e9 um fator importante que afeta a seletividade do substrato da enzima. Dada a estrutura espacial e o estado de protona\u00e7\u00e3o de uma mol\u00e9cula de enzima, a distribui\u00e7\u00e3o do potencial eletrost\u00e1tico de superf\u00edcie de uma mol\u00e9cula de enzima pode ser calculada pelo m\u00e9todo FDPB, que tamb\u00e9m prev\u00ea o efeito de muta\u00e7\u00f5es em res\u00edduos de amino\u00e1cidos ou altera\u00e7\u00f5es no pH ambiental, altera\u00e7\u00f5es na concentra\u00e7\u00e3o i\u00f4nica, etc., no potencial eletrost\u00e1tico de superf\u00edcie. [14].<\/sup> 4<\/p>\n Outros m\u00e9todos<\/p>\n 4.1<\/p>\n Docagem molecular<\/p>\n Docking refere-se ao processo computacional de prever a estrutura (e a afinidade) de um complexo com base na estrutura de um mon\u00f4mero. O acoplamento de pequenas mol\u00e9culas e prote\u00ednas \u00e9 uma ferramenta central para a triagem virtual de medicamentos com base na estrutura, para a qual v\u00e1rios algoritmos foram desenvolvidos [13].<\/sup> Esses algoritmos e modelos tamb\u00e9m podem ser aplicados ao acoplamento de complexos substrato-enzima. A triagem virtual de medicamentos exige a considera\u00e7\u00e3o de um grande n\u00famero de mol\u00e9culas pequenas diferentes e, por motivos de efici\u00eancia computacional, as altera\u00e7\u00f5es estruturais do receptor (ou apenas a cadeia lateral) geralmente n\u00e3o s\u00e3o levadas em conta nos c\u00e1lculos de acoplamento molecular. Em contraste com a triagem virtual, nos estudos de acoplamento substrato-enzima, apenas um ou v\u00e1rios substratos diferentes s\u00e3o considerados com frequ\u00eancia, e as altera\u00e7\u00f5es estruturais na enzima podem, em princ\u00edpio, ser levadas em conta de forma mais completa. A maneira mais direta de fazer isso \u00e9 obter diversas estruturas de enzimas por meio de m\u00e9todos de amostragem conformacional, como o MD, que s\u00e3o acoplados separadamente ao substrato. No acoplamento substrato-enzima, muitas vezes tamb\u00e9m \u00e9 poss\u00edvel usar a disposi\u00e7\u00e3o espacial relativa do substrato e dos grupos funcionais catal\u00edticos para examinar\/avaliar os resultados do acoplamento.<\/p>\n 4.2<\/p>\n Previs\u00e3o de poros de mol\u00e9culas pequenas com base na geometria<\/p>\n Diversos estudos experimentais revelaram que algumas muta\u00e7\u00f5es distantes do centro ativo podem ter um grande impacto sobre o desempenho catal\u00edtico das enzimas. Alguns desses locais podem agir alterando o poro de liga\u00e7\u00e3o do substrato\/libera\u00e7\u00e3o do produto, e o tamanho do poro, as propriedades f\u00edsico-qu\u00edmicas dos res\u00edduos ao redor do poro etc. podem alterar a taxa de passagem do substrato\/produto e afetar a seletividade do substrato. Os m\u00e9todos de previs\u00e3o de poros podem ser usados para encontrar res\u00edduos quentes relevantes e fornecer uma base para o projeto de bibliotecas de evolu\u00e7\u00e3o dirigida. V\u00e1rios m\u00e9todos baseados na estrutura geom\u00e9trica est\u00e3o dispon\u00edveis para prever cavidades na superf\u00edcie da prote\u00edna, cavidades internas, poros que conectam diferentes regi\u00f5es, etc [51-53].<\/sup> Esses m\u00e9todos usam estruturas espaciais est\u00e1ticas como entradas e, em sua maioria, empregam m\u00e9todos geom\u00e9tricos e de teoria de gr\u00e1ficos para realizar a previs\u00e3o com alta efici\u00eancia computacional.<\/p>\n 4.3<\/p>\n M\u00e9todos de compara\u00e7\u00e3o de centros ativos<\/p>\n Atualmente, uma grande quantidade de dados de estrutura 3D de enzimas com diferentes tipos de estrutura e fam\u00edlias foi acumulada no banco de dados de estrutura 3D de prote\u00ednas (PDB). Se compararmos diferentes enzimas, descobriremos que algumas delas t\u00eam um alto grau de similaridade nos centros ativos (exemplos t\u00edpicos s\u00e3o os centros ativos da tr\u00edade catal\u00edtica compartilhados por serina proteases), embora as sequ\u00eancias estruturais gerais n\u00e3o sejam semelhantes. O m\u00e9todo de compara\u00e7\u00e3o da estrutura do centro ativo [54-55] pode<\/sup> ser usado para recuperar automaticamente os centros ativos de outras enzimas que s\u00e3o semelhantes ao centro ativo da enzima atual. O empilhamento de v\u00e1rios centros ativos semelhantes no espa\u00e7o tridimensional e a an\u00e1lise das semelhan\u00e7as e diferen\u00e7as entre os diferentes centros ativos podem fornecer informa\u00e7\u00f5es valiosas para a sele\u00e7\u00e3o do local da muta\u00e7\u00e3o.<\/p>\n 5<\/p>\n Resumo<\/p>\n Para fins de clareza na apresenta\u00e7\u00e3o, nossa introdu\u00e7\u00e3o dos m\u00e9todos acima \u00e9 categorizada. Na pr\u00e1tica, os diferentes tipos de m\u00e9todos n\u00e3o s\u00e3o mutuamente exclusivos. Eles podem ser usados em combina\u00e7\u00e3o de v\u00e1rias maneiras para responder melhor \u00e0s nossas perguntas de interesse. Por exemplo, em simula\u00e7\u00f5es de complexos enzima-substrato, o acoplamento molecular pode ser usado para obter a conforma\u00e7\u00e3o inicial da simula\u00e7\u00e3o; o conjunto de conforma\u00e7\u00f5es obtidas a partir de simula\u00e7\u00f5es MD pode ser usado para an\u00e1lise de previs\u00e3o de poros, acoplamento molecular, simula\u00e7\u00f5es QM\/MM etc.; modelos MM que inscrevem modelos de transi\u00e7\u00e3o que s\u00e3o usados para a an\u00e1lise de poros.Os modelos MM que inscrevem os estados de transi\u00e7\u00e3o obtidos dos modelos QM ou QM\/MM podem ser constru\u00eddos e usados para simula\u00e7\u00f5es MD cl\u00e1ssicas de longo prazo para analisar os efeitos do aumento e da queda conformacional nos processos qu\u00edmicos, ou para simular um grande n\u00famero de mutantes para realizar a triagem virtual de mutantes com base em simula\u00e7\u00f5es MD; a abordagem MM\/PBSA, que j\u00e1 mencionamos, \u00e9 uma combina\u00e7\u00e3o de MD e modelagem de meio cont\u00ednuo, e assim por diante. <\/p>\n In enzyme and food-processing projects, the most useful decision frame is usually application fit plus process stability: which ingredient performs under the intended pH, temperature, time, and substrate conditions without creating a downstream quality or compliance problem.<\/p>\n Why is a high-activity enzyme not automatically the best commercial choice?<\/strong> Should food and biotech ingredients be selected from data sheets alone?<\/strong> <\/p>\n The paper introduces the main computational chemistry methods used in industrial enzyme research, especially for guiding enzyme engineering, including molecular mechanics force-field and molecular dynamics simulations, quantum mechanics and combined<\/p>","protected":false},"author":1,"featured_media":0,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[108],"tags":[],"class_list":["post-7255","post","type-post","status-publish","format-standard","hentry","category-enzyme-news"],"yoast_head":"\n
\nO estudo de prote\u00ednas, especialmente enzimas, \u00e9 h\u00e1 muito tempo uma importante fronteira da pesquisa em qu\u00edmica computacional [6-8].<\/sup> Os principais m\u00e9todos incluem simula\u00e7\u00f5es de din\u00e2mica molecular (MD cl\u00e1ssica) baseadas em campos de for\u00e7a de mec\u00e2nica molecular cl\u00e1ssica [9],<\/sup> mec\u00e2nica qu\u00e2ntica (QM) [10] e<\/sup> m\u00e9todos combinados de mec\u00e2nica qu\u00e2ntica\/mec\u00e2nica molecular (QM\/MM) [8,11-12],<\/sup> previs\u00e3o de complexos intermoleculares, ou seja, acoplamento molecular (Docking) [13], e<\/sup> modelo cont\u00ednuo polariz\u00e1vel (PCM) para quantificar os efeitos eletrost\u00e1ticos e de solvente [ 14].<\/sup> ), como o modelo Poisson-Boltzmann (PB) [14],<\/sup> e alguns modelos baseados em propriedades geom\u00e9tricas. Neste artigo, apresentaremos uma vis\u00e3o geral de cada um desses m\u00e9todos a partir de duas perspectivas: primeiro, sobre os pr\u00f3prios m\u00e9todos, incluindo os princ\u00edpios b\u00e1sicos, os resultados computacionais originais, as condi\u00e7\u00f5es de aplicabilidade e as (poss\u00edveis) vantagens e desvantagens etc.; e, segundo, sobre como usar esses m\u00e9todos para obter informa\u00e7\u00f5es relevantes para a engenharia, como uma compreens\u00e3o mais profunda dos mecanismos catal\u00edticos relevantes, previs\u00f5es te\u00f3ricas ou explica\u00e7\u00f5es de mudan\u00e7as nas propriedades.e, em segundo lugar, sobre como usar esses m\u00e9todos para obter informa\u00e7\u00f5es relevantes para a engenharia, como uma compreens\u00e3o mais profunda dos mecanismos cataliticamente relevantes, previs\u00f5es te\u00f3ricas ou explica\u00e7\u00f5es de altera\u00e7\u00f5es nas propriedades ou fun\u00e7\u00f5es de diferentes mutantes em rela\u00e7\u00e3o ao tipo selvagem, que podem orientar o projeto de bibliotecas de muta\u00e7\u00e3o de alta qualidade para evolu\u00e7\u00e3o direcionada, ou o projeto de bibliotecas de muta\u00e7\u00e3o de alta qualidade, ou o projeto de bancos de muta\u00e7\u00e3o. projeto de bibliotecas de muta\u00e7\u00e3o de alta qualidade, ou sugerir locais espec\u00edficos de muta\u00e7\u00e3o e tipos de muta\u00e7\u00e3o com base na an\u00e1lise de resultados computacionais brutos etc.<\/p>\n
\n\u2206VMM<\/em><\/sup><\/i> = VMM<\/em><\/sup><\/i> ( X2<\/sub> ) – VMM<\/em><\/sup><\/i> ( X1<\/sub> ).
\nDe acordo com a teoria termodin\u00e2mica, os \u00e1tomos em uma mol\u00e9cula est\u00e3o sempre em movimento t\u00e9rmico, ou seja, X<\/em><\/i> est\u00e1 constantemente mudando com o tempo; al\u00e9m disso, quando fazemos observa\u00e7\u00f5es experimentais, a amostra sempre consiste em um grande n\u00famero de mol\u00e9culas (com exce\u00e7\u00e3o de experimentos com uma \u00fanica mol\u00e9cula), com diferentes mol\u00e9culas em diferentes estados conformacionais. Portanto, do ponto de vista cin\u00e9tico, precisamos considerar as mudan\u00e7as conformacionais ao longo do tempo e, do ponto de vista termodin\u00e2mico, precisamos considerar a distribui\u00e7\u00e3o de probabilidade de mol\u00e9culas com diferentes conforma\u00e7\u00f5es. A simula\u00e7\u00e3o de din\u00e2mica molecular (MD) \u00e9 o modelo mais simples para examinar esses dois aspectos das propriedades (Fig. 1B). Na simula\u00e7\u00e3o MD, partimos de uma conforma\u00e7\u00e3o inicial, calculamos a for\u00e7a que atua em cada \u00e1tomo em cada momento com base na conforma\u00e7\u00e3o atual e na fun\u00e7\u00e3o de energia potencial (a for\u00e7a \u00e9 a derivada negativa da fun\u00e7\u00e3o de energia potencial em rela\u00e7\u00e3o \u00e0s coordenadas dos \u00e1tomos), integramos numericamente as equa\u00e7\u00f5es de movimento de Newton para obter a conforma\u00e7\u00e3o no pr\u00f3ximo momento e repetimos o processo para obter a trajet\u00f3ria da evolu\u00e7\u00e3o da conforma\u00e7\u00e3o ao longo do tempo.
\nNo meio disso, algoritmos especiais podem ser usados para simular o efeito de fatores ambientais (por exemplo, temperatura, press\u00e3o etc.) no movimento molecular. De acordo com o princ\u00edpio termodin\u00e2mico, quando o intervalo de tempo \u00e9 longo o suficiente, a distribui\u00e7\u00e3o de probabilidade da conforma\u00e7\u00e3o da mesma mol\u00e9cula em diferentes pontos de tempo e a conforma\u00e7\u00e3o de diferentes mol\u00e9culas no estado de equil\u00edbrio termodin\u00e2mico s\u00e3o as mesmas (ou seja, a m\u00e9dia de tempo \u00e9 equivalente \u00e0 m\u00e9dia do sistema). Portanto, se a simula\u00e7\u00e3o MD for executada por um per\u00edodo de tempo suficientemente longo, o conjunto de conforma\u00e7\u00f5es obtido da simula\u00e7\u00e3o poder\u00e1 ser usado como uma amostra da distribui\u00e7\u00e3o de conforma\u00e7\u00f5es moleculares em um determinado estado de equil\u00edbrio termodin\u00e2mico. Com base nesse princ\u00edpio, podemos analisar propriedades observ\u00e1veis arbitr\u00e1rias de um sistema em seu estado de equil\u00edbrio termodin\u00e2mico com base nas trajet\u00f3rias de tempo obtidas por MD.
\nA MD oferece uma poderosa ferramenta computacional para analisar de forma abrangente o processo de mudan\u00e7a cin\u00e9tica de altera\u00e7\u00f5es conformacionais e importantes distribui\u00e7\u00f5es termodin\u00e2micas qu\u00e2nticas microsc\u00f3picas em resolu\u00e7\u00e3o at\u00f4mica, o que \u00e9 particularmente importante para elucidar os princ\u00edpios de design e os mecanismos de funcionamento de m\u00e1quinas biomacromoleculares complexas, como as enzimas. Como os m\u00e9todos experimentais atuais para an\u00e1lise da estrutura macromolecular s\u00f3 podem fornecer estruturas est\u00e1ticas com m\u00e9dia espa\u00e7o-temporal, as simula\u00e7\u00f5es de MD t\u00eam uma fun\u00e7\u00e3o insubstitu\u00edvel em pesquisas relacionadas. De acordo com essa premissa, a pr\u00f3pria ferramenta de MD ainda est\u00e1 em processo de aprimoramento e refinamento cont\u00ednuos. Metodologicamente, as principais limita\u00e7\u00f5es da MD v\u00eam de dois aspectos: primeiro, a precis\u00e3o do modelo do campo de for\u00e7a molecular e, segundo, o tempo limitado de simula\u00e7\u00e3o dificulta a realiza\u00e7\u00e3o da amostragem completa do espa\u00e7o conformacional. Com rela\u00e7\u00e3o ao primeiro problema, o campo de for\u00e7a molecular foi bastante aprimorado nos \u00faltimos anos, e a precis\u00e3o da descri\u00e7\u00e3o termodin\u00e2mica do equil\u00edbrio conformacional das macromol\u00e9culas biol\u00f3gicas, especialmente dos sistemas de prote\u00ednas, foi aumentada, simulando com sucesso uma variedade de mol\u00e9culas de prote\u00ednas, desde o processo de dobragem da cabe\u00e7a at\u00e9 a estrutura natural [15-16].<\/sup> Em termos de tempo de simula\u00e7\u00e3o, devido ao desenvolvimento de hardware e software de computador, agora \u00e9 poss\u00edvel realizar simula\u00e7\u00f5es da ordem de microssegundos para sistemas de tamanho usual (por exemplo, mol\u00e9culas de enzimas de centenas de res\u00edduos em solu\u00e7\u00e3o aquosa) usando hardware de computa\u00e7\u00e3o convencional (por exemplo, servidores de v\u00e1rios n\u00facleos usados pelo grupo). Nessa escala de tempo, processos como a abertura e o fechamento de dom\u00ednios estruturais ou regi\u00f5es de anel podem ser observados. Se houver mais recursos de computa\u00e7\u00e3o dispon\u00edveis, tamb\u00e9m \u00e9 poss\u00edvel realizar simula\u00e7\u00f5es diretas de processos como liga\u00e7\u00e3o\/dissocia\u00e7\u00e3o de substrato. Para estudar processos em escalas de tempo al\u00e9m do alcance da simula\u00e7\u00e3o (por exemplo, altera\u00e7\u00f5es funcionais em larga escala de prote\u00ednas alost\u00e9ricas etc.), podem ser usados m\u00e9todos de amostragem aprimorados [17],<\/sup> desde que o usu\u00e1rio tenha um conhecimento mais aprofundado da teoria MD.
\nAtualmente, a maioria dos aplicativos de simula\u00e7\u00e3o de MD abrange escalas de tempo de nanossegundos a microssegundos, e a amostragem do espa\u00e7o conformacional \u00e9 restrita principalmente \u00e0 vizinhan\u00e7a da estrutura inicial (para prote\u00ednas de dom\u00ednio \u00fanico, geralmente \u00e9 o aumento e a queda estrutural do deslocamento da raiz quadrada m\u00e9dia (RMS) na faixa de 3-4 \u00c5). Portanto, \u00e9 necess\u00e1rio usar uma estrutura inicial razo\u00e1vel como entrada para a MD para que os resultados da simula\u00e7\u00e3o sejam significativos. Na maioria dos casos, estruturas cristalinas determinadas experimentalmente ou estruturas baseadas em modelagem comparativa de prote\u00ednas hom\u00f3logas s\u00e3o usadas como estruturas iniciais para MD. Ao simular complexos de enzima-substrato, geralmente \u00e9 necess\u00e1rio modelar a estrutura inicial do complexo com base na estrutura da enzima vazia ou da enzima em complexo com outras mol\u00e9culas, seja usando acoplamento molecular ou substituindo diretamente outras mol\u00e9culas pequenas (por exemplo, inibidores) na estrutura cristalina pelo substrato. As simula\u00e7\u00f5es MD tamb\u00e9m exigem a constru\u00e7\u00e3o de um campo de for\u00e7a molecular que retrate todas as unidades qu\u00edmicas do sistema. Quando o sistema a ser simulado inclui uma mol\u00e9cula pequena como substrato, \u00e9 comum que o campo de for\u00e7a molecular padr\u00e3o fornecido no pacote de software MD n\u00e3o cubra a mol\u00e9cula pequena como substrato. Nesse caso, \u00e9 poss\u00edvel usar um software de ferramenta que possa gerar automaticamente campos de for\u00e7a para mol\u00e9culas pequenas [18-19].<\/sup> Os arquivos de campo de for\u00e7a devem ser verificados manualmente e usados para testes de simula\u00e7\u00e3o curtos antes de usar os campos de for\u00e7a gerados automaticamente para simula\u00e7\u00f5es MD longas.<\/p>\n
\nFig. 1 Campo de for\u00e7a de mec\u00e2nica molecular (A) e simula\u00e7\u00e3o de din\u00e2mica molecular (B)<\/p>\n
\nAl\u00e9m da estabilidade, a MD foi aplicada para prever res\u00edduos de pontos cr\u00edticos com potencial para afetar significativamente a din\u00e2mica conformacional associada \u00e0 liga\u00e7\u00e3o do substrato\/libera\u00e7\u00e3o do produto, fornecendo uma base para a cria\u00e7\u00e3o de muta\u00e7\u00f5es ou bibliotecas de mutantes que podem alterar a seletividade do substrato, a seletividade da rea\u00e7\u00e3o, a taxa de libera\u00e7\u00e3o do produto etc [31-32].<\/sup> Uma das maneiras de estudar a seletividade de substrato\/rea\u00e7\u00e3o com MD \u00e9 comparar os resultados da simula\u00e7\u00e3o de complexos enzima-substrato com diferentes (estruturas iniciais) e prever substrato ou estados estruturais com maior afinidade (ou maior reatividade). Um m\u00e9todo quantitativo rigoroso para calcular a afinidade (ou reatividade) s\u00e3o os c\u00e1lculos de energia livre [33-34].<\/sup> Devido \u00e0 natureza computacionalmente intensiva dos c\u00e1lculos de energia livre, a maioria dos aplicativos atuais usa m\u00e9todos qualitativos para a previs\u00e3o: a discrimina\u00e7\u00e3o qualitativa da afinidade relativa pode se basear na estabilidade da estrutura dos complexos de mol\u00e9culas pequenas e macromol\u00e9culas, na energia m\u00e9dia de intera\u00e7\u00e3o intermolecular etc., enquanto a discrimina\u00e7\u00e3o qualitativa da reatividade se baseia nas distribui\u00e7\u00f5es de configura\u00e7\u00e3o geom\u00e9trica relativa dos grupos funcionais catal\u00edticos e reativos etc. [35].<\/sup> Os resultados dessa discrimina\u00e7\u00e3o qualitativa podem ser usados como base para projetar bibliotecas de sequ\u00eancias evolutivas direcionadas. Al\u00e9m disso, as simula\u00e7\u00f5es MD tamb\u00e9m podem ser usadas para analisar os res\u00edduos de pontos cr\u00edticos em torno do poro de liga\u00e7\u00e3o do substrato\/dissocia\u00e7\u00e3o do produto [36-37].<\/sup> Esse tipo de aplicativo envolve a simula\u00e7\u00e3o de caminhos de dissocia\u00e7\u00e3o para a dissocia\u00e7\u00e3o de mol\u00e9culas pequenas de prote\u00ednas e, se houver dificuldades com escalas de tempo de simula\u00e7\u00e3o insuficientes, elas podem ser superadas usando t\u00e9cnicas de amostragem aprimoradas [38-39].<\/sup><\/p>\n
\nDada a configura\u00e7\u00e3o geom\u00e9trica de uma mol\u00e9cula, sua energia pode ser calculada usando o QM. O modelo QM \u00e9 usado com mais frequ\u00eancia para a otimiza\u00e7\u00e3o de geometrias moleculares, ou seja, para encontrar uma estrutura localmente est\u00e1vel (com uma energia mais baixa do que as estruturas vizinhas) ap\u00f3s altera\u00e7\u00f5es sucessivas de uma configura\u00e7\u00e3o inicial ou para encontrar os caminhos de menor energia que conectam os reagentes aos produtos e os estados de transi\u00e7\u00e3o ao longo dos caminhos. Esses c\u00e1lculos s\u00e3o computacionalmente intensivos, pois diferentes configura\u00e7\u00f5es geom\u00e9tricas precisam ser consideradas e comparadas e, normalmente, dezenas a milhares de c\u00e1lculos de ponto \u00fanico precisam ser realizados. Uma estrat\u00e9gia comum para economizar esfor\u00e7o computacional \u00e9 otimizar primeiro uma ampla gama de pesquisas de caminhos de rea\u00e7\u00e3o usando modelos QM eficientes com precis\u00e3o limitada e, em seguida, concluir a otimiza\u00e7\u00e3o da configura\u00e7\u00e3o usando modelos de maior precis\u00e3o pr\u00f3ximos \u00e0 configura\u00e7\u00e3o\/caminho de energia mais baixa pesquisada ou realizar c\u00e1lculos de ponto \u00fanico.
\nAtualmente, a aplica\u00e7\u00e3o de m\u00e9todos QM de primeiro princ\u00edpio a toda a mol\u00e9cula da enzima \u00e9 computacionalmente intensiva, basicamente limitada a c\u00e1lculos de ponto \u00fanico, e ainda carece de praticidade. O modelo QM\/MM (Fig. 2) \u00e9 comumente usado para mol\u00e9culas grandes [11].<\/sup> Nesse modelo, o sistema molecular \u00e9 dividido em pelo menos duas partes: a parte diretamente envolvida na rea\u00e7\u00e3o qu\u00edmica \u00e9 tratada com o modelo QM, e o restante \u00e9 tratado com a mec\u00e2nica molecular (MM). H\u00e1 v\u00e1rias estrat\u00e9gias diferentes para lidar com os limites e as intera\u00e7\u00f5es QM-MM [41].<\/sup> Nos modelos QM\/MM de primeiros princ\u00edpios, os c\u00e1lculos de QM s\u00e3o muito mais caros do que os de MM. Portanto, os m\u00e9todos de otimiza\u00e7\u00e3o conformacional s\u00e3o usados principalmente para a regi\u00e3o de QM para prever ou simular sua geometria, e as simula\u00e7\u00f5es de din\u00e2mica molecular podem ser usadas para obter amostras da parte de MM. [42].<\/sup> Isso significa que os resultados computacionais podem ser mais sens\u00edveis \u00e0 estrutura inicial da regi\u00e3o QM do sistema. Nesse caso, s\u00e3o necess\u00e1rios c\u00e1lculos com diferentes modelos de estrutura inicial para obter resultados confi\u00e1veis. Se os m\u00e9todos semi-emp\u00edricos [43] ou<\/sup> teorias emp\u00edricas de liga\u00e7\u00e3o de val\u00eancia [44-45]<\/sup> s\u00e3o usados para a parte QM ,<\/sup> pode ser poss\u00edvel explorar o espa\u00e7o conformacional de forma mais completa e reduzir o efeito da estrutura inicial por meio de uma amostragem MD QM\/MM mais longa.<\/p>\n
\nFig. 2 Modelo de mec\u00e2nica qu\u00e2ntica (QM)\/mec\u00e2nica molecular (MM).<\/p>\n
\nPara simplificar o tratamento, geralmente separamos o efeito do solvente n\u00e3o polar (efeito hidrof\u00f3bico) do efeito do solvente polar no modelo de solvente oculto. A experi\u00eancia tem mostrado que a energia livre de solvata\u00e7\u00e3o de um soluto n\u00e3o polar \u00e9 proporcional \u00e0 sua \u00e1rea de superf\u00edcie acess\u00edvel ao solvente (SASA). Portanto, o modelo de solvata\u00e7\u00e3o SASA \u00e9 frequentemente usado para esse componente. Os par\u00e2metros desse modelo incluem os raios at\u00f4micos necess\u00e1rios para calcular a SASA, o raio da mol\u00e9cula de solvente (1,4 \u00c5 para mol\u00e9culas de \u00e1gua) e uma constante de proporcionalidade para a energia livre de solvata\u00e7\u00e3o proporcional \u00e0 SASA. Esses par\u00e2metros s\u00e3o geralmente determinados pelo ajuste de valores experimentais da energia livre de solvata\u00e7\u00e3o de mol\u00e9culas pequenas.
\nOs modelos mais comumente usados para considerar os efeitos do solvente polar tratam a regi\u00e3o ocupada pelo solvente como um meio cont\u00ednuo com uma constante diel\u00e9trica espec\u00edfica (78,4 para a \u00e1gua) e a regi\u00e3o do soluto como sendo ocupada por um meio com uma constante diel\u00e9trica baixa (geralmente avaliada em 2-8) ou um v\u00e1cuo (constante diel\u00e9trica de 1) (Fig. 3A). O meio cont\u00ednuo \u00e9 polarizado pelo campo eletrost\u00e1tico gerado pela distribui\u00e7\u00e3o de carga na regi\u00e3o do soluto, e a distribui\u00e7\u00e3o de carga polarizada resultante, por sua vez, gera um campo eletrost\u00e1tico na regi\u00e3o do soluto que atua sobre a carga do soluto. O campo el\u00e9trico gerado pelas cargas polarizadas \u00e9 chamado de campo de rea\u00e7\u00e3o. Portanto, o modelo de meio cont\u00ednuo eletrost\u00e1tico tamb\u00e9m \u00e9 conhecido como modelo de campo de rea\u00e7\u00e3o. No modelo de meio cont\u00ednuo sem \u00edons livres na regi\u00e3o do solvente, a rela\u00e7\u00e3o entre o potencial eletrost\u00e1tico espacial e a distribui\u00e7\u00e3o de carga espacial satisfaz a equa\u00e7\u00e3o de Poisson. Para um ambiente de solu\u00e7\u00e3o contendo \u00edons livres, a distribui\u00e7\u00e3o espacial dos \u00edons \u00e9 afetada pelo potencial eletrost\u00e1tico espacial. Considerando esse fator, a rela\u00e7\u00e3o entre o potencial eletrost\u00e1tico espacial e a distribui\u00e7\u00e3o espacial de carga satisfaz a equa\u00e7\u00e3o de Poisson-Boltzmann (equa\u00e7\u00e3o PB). A equa\u00e7\u00e3o PB \u00e9 uma equa\u00e7\u00e3o diferencial parcial referente \u00e0 rela\u00e7\u00e3o entre a distribui\u00e7\u00e3o do potencial eletrost\u00e1tico e a distribui\u00e7\u00e3o da carga e do diel\u00e9trico no espa\u00e7o tridimensional, e pode ser resolvida numericamente. O m\u00e9todo num\u00e9rico mais comum para resolver a equa\u00e7\u00e3o PB para sistemas macromoleculares, como enzimas, \u00e9 o m\u00e9todo de diferen\u00e7a finita (FD), coletivamente chamado de modelo FDPB (Figura 3B) [14].<\/sup> Com o FDPB, \u00e9 poss\u00edvel calcular o potencial eletrost\u00e1tico em tr\u00eas dimens\u00f5es com base na distribui\u00e7\u00e3o de carga espacial do soluto, o que, por sua vez, permite o c\u00e1lculo de outras propriedades, como a energia livre eletrost\u00e1tica. Nos c\u00e1lculos de QM para sistemas de mol\u00e9culas pequenas, o campo de rea\u00e7\u00e3o \u00e9 frequentemente substitu\u00eddo de forma equivalente pelo campo el\u00e9trico gerado pela distribui\u00e7\u00e3o de carga superficial na superf\u00edcie molecular, e o modelo correspondente \u00e9 chamado de modelo de meio cont\u00ednuo polariz\u00e1vel (PCM).
\nO modelo mais comumente usado para levar em conta os efeitos do solvente polar trata a regi\u00e3o ocupada pelo solvente como um meio cont\u00ednuo com uma constante diel\u00e9trica espec\u00edfica (78,4 para a \u00e1gua), enquanto a regi\u00e3o do soluto \u00e9 tratada como se fosse ocupada por um meio com uma constante diel\u00e9trica baixa (geralmente avaliada em 2-8) ou um v\u00e1cuo (constante diel\u00e9trica de 1) (Fig. 3A). O meio cont\u00ednuo \u00e9 polarizado pelo campo eletrost\u00e1tico gerado pela distribui\u00e7\u00e3o de carga na regi\u00e3o do soluto, e a distribui\u00e7\u00e3o de carga polarizada resultante, por sua vez, gera um campo eletrost\u00e1tico na regi\u00e3o do soluto que atua sobre a carga do soluto. O campo el\u00e9trico gerado pelas cargas polarizadas \u00e9 chamado de campo de rea\u00e7\u00e3o. Portanto, o modelo de meio cont\u00ednuo eletrost\u00e1tico tamb\u00e9m \u00e9 conhecido como modelo de campo de rea\u00e7\u00e3o. No modelo de meio cont\u00ednuo sem \u00edons livres na regi\u00e3o do solvente, a rela\u00e7\u00e3o entre o potencial eletrost\u00e1tico espacial e a distribui\u00e7\u00e3o de carga espacial satisfaz a equa\u00e7\u00e3o de Poisson. Para um ambiente de solu\u00e7\u00e3o contendo \u00edons livres, a distribui\u00e7\u00e3o espacial dos \u00edons \u00e9 afetada pelo potencial eletrost\u00e1tico espacial. Considerando esse fator, a rela\u00e7\u00e3o entre o potencial eletrost\u00e1tico espacial e a distribui\u00e7\u00e3o espacial de carga satisfaz a equa\u00e7\u00e3o de Poisson-Boltzmann (equa\u00e7\u00e3o PB). A equa\u00e7\u00e3o PB \u00e9 uma equa\u00e7\u00e3o diferencial parcial referente \u00e0 rela\u00e7\u00e3o entre a distribui\u00e7\u00e3o do potencial eletrost\u00e1tico e a distribui\u00e7\u00e3o da carga e do diel\u00e9trico no espa\u00e7o tridimensional, e pode ser resolvida numericamente. O m\u00e9todo num\u00e9rico mais comum para resolver a equa\u00e7\u00e3o PB para sistemas macromoleculares, como enzimas, \u00e9 o m\u00e9todo de diferen\u00e7a finita (FD), coletivamente chamado de modelo FDPB (Figura 3B) [14].<\/sup> Com o FDPB, \u00e9 poss\u00edvel calcular o potencial eletrost\u00e1tico em tr\u00eas dimens\u00f5es com base na distribui\u00e7\u00e3o de carga espacial do soluto, o que, por sua vez, permite o c\u00e1lculo de outras propriedades, como a energia livre eletrost\u00e1tica. Nos c\u00e1lculos QM de sistemas moleculares pequenos, o campo de rea\u00e7\u00e3o \u00e9 frequentemente substitu\u00eddo de forma equivalente pelo campo el\u00e9trico gerado pela distribui\u00e7\u00e3o de carga superficial na superf\u00edcie da mol\u00e9cula, e o modelo correspondente \u00e9 chamado de modelo de meio cont\u00ednuo polariz\u00e1vel (PCM).<\/p>\n
\nFig. 3 Modelo eletrost\u00e1tico cont\u00ednuo (A) e o m\u00e9todo de diferen\u00e7as finitas de Poisson-Boltzmann (FDPB) (B).<\/p>\n
\nAo estudar as etapas qu\u00edmicas da cat\u00e1lise enzim\u00e1tica com o modelo de cluster QM, muitas vezes \u00e9 necess\u00e1rio usar o modelo PCM para simular a influ\u00eancia eletrost\u00e1tica do ambiente na zona de rea\u00e7\u00e3o. Se o processo de rea\u00e7\u00e3o envolver mudan\u00e7as significativas na distribui\u00e7\u00e3o de carga, os resultados dos c\u00e1lculos de QM a v\u00e1cuo sem o uso de um meio cont\u00ednuo n\u00e3o s\u00e3o razo\u00e1veis e podem at\u00e9 levar a conclus\u00f5es qualitativas err\u00f4neas. No modelo QM\/MM, o centro de rea\u00e7\u00e3o geralmente \u00e9 cercado por mol\u00e9culas sol\u00faveis que s\u00e3o tratadas da maneira MM, e geralmente n\u00e3o h\u00e1 necessidade de considerar o campo de rea\u00e7\u00e3o do meio cont\u00ednuo. No entanto, se a carga l\u00edquida do sistema mudar antes e depois da rea\u00e7\u00e3o (por exemplo, c\u00e1lculos de potencial redox), \u00e9 prov\u00e1vel que a contribui\u00e7\u00e3o do ambiente da solu\u00e7\u00e3o fora do limite do sistema para a energia livre da rea\u00e7\u00e3o precise ser levada em conta e, nesse caso, os resultados de QM\/MM podem ser corrigidos usando o modelo de meio cont\u00ednuo.
\nComo um m\u00e9todo que equilibra efici\u00eancia e precis\u00e3o, o MM\/PBSA pode ser usado para analisar a afinidade de complexos prote\u00edna-prote\u00edna e prote\u00edna-mol\u00e9cula pequena [49].<\/sup> Para obter o cancelamento de erros, \u00e9 convencional realizar simula\u00e7\u00f5es de din\u00e2mica molecular de solvente expl\u00edcito dos complexos para obter uma cole\u00e7\u00e3o de conforma\u00e7\u00f5es; para cada conforma\u00e7\u00e3o complexa, calcular a energia MM\/PBSA do complexo como um todo e de cada mon\u00f4mero que comp\u00f5e o complexo, respectivamente; e aproximar a energia livre de liga\u00e7\u00e3o usando a m\u00e9dia da diferen\u00e7a entre a energia MM\/PBSA do todo e a dos mon\u00f4meros para toda a conforma\u00e7\u00e3o. Esse m\u00e9todo pode ser usado para analisar res\u00edduos de pontos cr\u00edticos que afetam a afinidade do substrato e tamb\u00e9m pode ser usado para prever altera\u00e7\u00f5es na seletividade do substrato em mutantes.<\/p>\n
\nO estudo de sistemas de biomol\u00e9culas, como prote\u00ednas, por meio de m\u00e9todos de qu\u00edmica computacional tem uma hist\u00f3ria de mais de 40 anos. Esses m\u00e9todos t\u00eam sido usados cada vez mais amplamente na pesquisa de enzimas industriais, enquanto se desenvolvem continuamente. As equipes de pesquisa da China em qu\u00edmica computacional e engenharia de enzimas industriais est\u00e3o se expandindo e suas capacidades de pesquisa est\u00e3o melhorando rapidamente. A aplica\u00e7\u00e3o da qu\u00edmica computacional na engenharia de enzimas ser\u00e1 ampliada e aprofundada \u00e0 medida que a combina\u00e7\u00e3o cruzada dessas duas disciplinas se tornar cada vez mais pr\u00f3xima. A engenharia de prote\u00ednas, a evolu\u00e7\u00e3o dirigida e outras t\u00e9cnicas tiveram um grande impacto na pesquisa industrial de enzimas. Espera-se que o desenvolvimento futuro de m\u00e9todos computacionais, especialmente o avan\u00e7o de novos m\u00e9todos de design de enzimas, traga novos avan\u00e7os tecnol\u00f3gicos para a pesquisa industrial de enzimas na era da biologia sint\u00e9tica.<\/p>\nHow buyers usually evaluate enzyme and food-processing ingredients<\/h2>\n
\n
Recommended product references<\/h3>\n
\n
FAQ for buyers and formulators<\/h3>\n
Because the best enzyme is the one that performs reliably under the actual process conditions and gives the desired downstream result without creating new issues.<\/p>\n
It is usually safer to pair the specification review with a pilot or application test because real substrates and process windows can change the result a lot.<\/p>\nEntre em contato conosco agora!<\/b><\/strong><\/h2>\n
Se precisar do Price, preencha suas informa\u00e7\u00f5es de contato no formul\u00e1rio abaixo. Normalmente, entraremos em contato dentro de 24 horas. Voc\u00ea tamb\u00e9m pode me enviar um e-mail\u00a0info@longchangchemical.com<\/a><\/span>\u00a0durante o hor\u00e1rio comercial (das 8h30 \u00e0s 18h UTC+8 de segunda a s\u00e1bado) ou use o bate-papo ao vivo do site para obter uma resposta imediata.<\/b><\/strong><\/h4>\n
\n\n
\n Composto Glucoamilase<\/span><\/a><\/td>\n 9032-08-0<\/td>\n<\/tr>\n \n Pullulanase<\/span><\/a><\/td>\n 9075-68-7<\/td>\n<\/tr>\n \n Xilanase<\/span><\/a><\/td>\n 37278-89-0<\/td>\n<\/tr>\n \n Celulase<\/span><\/a><\/td>\n 9012-54-8<\/td>\n<\/tr>\n \n Naringinase<\/span><\/a><\/td>\n 9068-31-9<\/td>\n<\/tr>\n \n \u03b2-Amilase<\/span><\/a><\/td>\n 9000-91-3<\/td>\n<\/tr>\n \n Glucose oxidase<\/span><\/a><\/td>\n 9001-37-0<\/td>\n<\/tr>\n \n alfa-Amilase<\/td>\n 9000-90-2<\/td>\n<\/tr>\n \n Pectinase<\/span><\/a><\/td>\n 9032-75-1<\/td>\n<\/tr>\n \n Peroxidase<\/td>\n 9003-99-0<\/td>\n<\/tr>\n \n Lipase<\/span><\/a><\/td>\n 9001-62-1<\/td>\n<\/tr>\n \n Catalase<\/span><\/a><\/td>\n 9001-05-2<\/td>\n<\/tr>\n \n TANNASE<\/span><\/a><\/td>\n 9025-71-2<\/td>\n<\/tr>\n \n Elastase<\/span><\/a><\/td>\n 39445-21-1<\/td>\n<\/tr>\n \n Urease<\/span><\/a><\/td>\n 9002-13-5<\/td>\n<\/tr>\n \n DEXTRANASE<\/span><\/a><\/td>\n 9025-70-1<\/td>\n<\/tr>\n \n L-L\u00e1ctico desidrogenase<\/span><\/a><\/td>\n 9001-60-9<\/td>\n<\/tr>\n \n Malato desidrogenase<\/span><\/a><\/td>\n 9001-64-3<\/td>\n<\/tr>\n \n Colesterol oxidase<\/span><\/a><\/td>\n 9028-76-6<\/td>\n<\/tr>\n<\/tbody>\n<\/table>","protected":false},"excerpt":{"rendered":"