Development of novel computational protocols for the design of efficient enzymes

Abstract

ENG- Enzymes are natural catalysts that speed up biochemical reactions efficiently, but their use in industry is often limited because they are usually specific to certain substances and reactions. Changing enzymes to work in new ways under certain conditions is difficult. One experimental method, Directed Evolution (DE), has shown remarkable results. However, it is expensive, time-consuming, and does not always explain why certain changes work better.

Computational techniques present new possibilities for enzyme design. These methods help scientists understand how enzymes work and how they change their shape during reactions. For example, Molecular Dynamics (MD) simulations and methods of fast discovery of new shapes like accelerated MD or metadynamics allow researchers to explore a broader range of enzyme conformations and behaviors. However, these methods tend to start with a fixed enzyme structure, which can limit their ability to find new shapes. Statistical techniques like Principal Component Analysis (PCA) and Time-lagged Independent Component Analysis (TICA) help simplify complex data about enzyme movements but do not always show which parts of the enzyme are important for these changes.

This thesis presents new computational strategies to better explore the range of enzyme structures and identify key sites for modification to create enzymes with new properties. Tools like the Shortest Path Map (SPM) web server, improvements in Deep Learning (DL) methods, and a new approach using Alphafold2 (AF2) for predicting enzyme shapes are herein discussed. It also showcases practical applications, such as modifying an enzyme called hydroxynitrile lyase (HNL) to become an efficient esterase (EST) through targeted mutations. These findings highlight the potential of computational methods to advance the design of new and improved enzymes

CAT- Els enzims són catalitzadors naturals que acceleren les reaccions bioquímiques de manera eficient, però el seu ús a la indústria sovint està limitat perquè solen ser específics per a certes substàncies i reaccions. Modificar els enzims perquè funcionin de maneres noves en determinades condicions és difícil. Un mètode experimental, l’Evolució Dirigida (DE), ha mostrat resultats excepcionals. Tot i això, és car, requereix molt de temps i no sempre explica per què certs canvis funcionen millor.

Les tècniques computacionals presenten noves possibilitats per al disseny d’enzims. Aquests mètodes ajuden els científics a entendre com funcionen els enzims i com canvien la seva forma durant les reaccions. Per exemple, les simulacions de Dinàmica Molecular (MD) i mètodes de descobriment ràpid de noves formes com la MD accelerada o metadynamics permeten als investigadors explorar una gamma més àmplia de conformacions i comportaments dels enzims. No obstant això, aquests mètodes tendeixen a començar amb una estructura fixa de l’enzim, cosa que pot limitar la seva capacitat per trobar noves formes. Les tècniques estadístiques com l'Anàlisi de Components Principals (PCA) i l’Anàlisi de Components Independents amb Retard en el Temps (TICA) ajuden a simplificar dades complexes sobre els moviments dels enzims, però no sempre mostren quines parts de l'enzim són importants per a aquests canvis.

Aquesta tesi presenta noves estratègies computacionals per explorar millor la gamma d’estructures dels enzims i identificar els llocs clau per ser modificats, creant així enzims amb noves propietats. Aquí es discuteixen eines com el servidor web Shortest Path Map (SPM), millores en els mètodes d’Aprenentatge Profund (DL) i una nova metodologia que utilitza Alphafold2 (AF2) per predir les formes dels enzims. També es mostren aplicacions pràctiques, com ara la modificació d’un enzim anomenat hidroxinitril liasa (HNL) per convertir-lo en una esterasa (EST) eficient mitjançant mutacions. Aquests resultats destaquen el potencial dels mètodes computacionals per avançar en el disseny de nous enzims millorats