Numerical simulations of proteins

Enzymen aanpassen in de computer

Computermethodes om bio-moleculaire systemen te modeleren zijn van groot belang om problemen te lijf te gaan die met experimentele technieken niet zijn op te lossen. Carlos Ramirez Palacios gebruikte in zijn promotieonderzoek drie van zulke methodes om eiwitten te modeleren: moleculaire dynamica, moleculaire docking, en diep leren (een vorm van Kunstmatige Intelligentie). De eerste twee zijn structuur-gebaseerde methodes, waarin gedrag van atomen wordt beschreven, terwijl de derde een data-gebaseerde methode is.

Het moleculaire modeleren heeft opmerkelijke resultaten geboekt gedurende de laatste tientallen jaren, voornamelijk door een toenemende computercapaciteit en verbeterde algoritmes. Diep leren is een relatieve nieuwe methode om bio-moleculaire systemen te beschrijven. Die kan in potentie om een revolutie teweeg te brengen in het simuleren van moleculaire processen.

Voor zijn onderzoek heeft Ramirez Palacios de drie numerieke methodes gebruikt in werkstromen om enzymatische activiteit te voorspellen. Een nauwkeurige voorspelling van de enzymactiviteit vormt een krachtige stuk gereedschap om de activiteit van een enzym te veranderen in een gewenste richting.

Het promotieonderzoek van Carlos Ramirez Palacios vond plaats bij de afdeling Moleculaire Dynamica van het Groningen Biomolecular Sciences and Biotechnology Institute (GBB) met financiering via CONACYT, de onderzoeksfinancier van de Mexicaanse overheid.

Proefschrift: http://hdl.handle.net/11370/8f47abcc-05fe-455b-b489-c2edd8a48a4b