Marcos computacionales de doble bucle que unen el diseño de enzimas individuales y la ingeniería de redes de túneles...

Área de la Ciencia:

• Biología Computacional
• Bioquímica
• Ingeniería de Enzimas

Sus antecedentes:

• La ingeniería de enzimas tradicional se basa en métodos empíricos como la evolución dirigida y el diseño racional.
• Estos métodos a menudo luchan con desafíos a nivel de sistema, como la estabilidad de las enzimas y la compatibilidad de cofactores.
• Los enfoques computacionales ofrecen una estrategia más predictiva y basada en modelos para la optimización de enzimas.

Objetivo del estudio:

• Revisar los avances recientes en ingeniería computacional de enzimas.
• Integrar el diseño de enzimas a nivel molecular con la integración a nivel de vía utilizando un marco de Diseño-Construcción-Prueba-Aprendizaje (DBTL).
• Proporcionar una visión general estructurada de las estrategias computacionales tanto para sistemas de enzimas individuales como multienzimáticos.

Principales métodos:

• Aprendizaje profundo para la predicción de estructura y aptitud.
• Simulaciones moleculares multiescala, incluyendo dinámica molecular (MD) y mecánica cuántica/mecánica molecular (QM/MM).
• Análisis de estrategias de ingeniería de redes multienzimáticas como la ingeniería de túneles de sustrato y el acoplamiento electrostático.

Principales resultados:

• Los métodos computacionales permiten la optimización predictiva de enzimas individuales al dilucidar las relaciones estructura-función.
• Las técnicas avanzadas facilitan la ingeniería de sistemas multienzimáticos para la transferencia eficiente de intermedios y el equilibrio del flujo.
• La integración de herramientas computacionales dentro de un marco DBTL de doble bucle conecta el diseño molecular con el rendimiento a nivel de vía.

Conclusiones:

• La biología computacional es esencial para avanzar en la ingeniería de enzimas más allá de los métodos empíricos.
• La integración de estrategias computacionales en los niveles de enzimas individuales y multienzimáticas es crucial para superar los cuellos de botella a nivel de sistema.
• Las direcciones futuras implican refinar aún más los modelos computacionales y su integración para un diseño robusto de enzimas y vías.