Comparteix:

Estudi per a la caracterització energètica amb PELE amb aplicació a casos reals

17/04/2026

Ignasi Puch Giner va defensar la seva tesi doctoral, dirigida per Víctor Guallar Tasies, al Campus Nord el dia 16 d’abril de 2026. Titulada “Optimization of Monte Carlo and Molecular Dynamics Techniques for Receptor–Ligand Binding Studies”, la tesi se centra en l’aprofitament del marc teòric dels mètodes de Monte Carlo per dissenyar un protocol aplicable a la caracterització energètica de les interaccions lligand–proteïna. A més, aquestes metodologies, combinades amb altres tècniques computacionals, s’han aplicat en tres col·laboracions orientades a casos reals relacionats amb patologies del sistema nerviós i del sistema cardíac.

Estudi per a la caracterització energètica amb PELE amb aplicació a casos reals — Desenvolupament de la caracterització energètica PELE i cas aplicat. A A i B mostrem els resultats que vam obtenir quan vam aplicar el marc de caracterització energètica PELE per al sistema MCL1. A B i D mostrem els resultats obtinguts d'un cas d'ús real del marc de caracterització energètica PELE. A (A), una evolució de la mètrica de correlació del conjunt de dades MCL1 (tant per a Pearson com per a Spearman) en funció de la quantitat de mostreig realitzat a cada simulació. A (B), la millor correlació obtinguda per al sistema MCL1 aplicant la caracterització energètica PELE. A (C), un diagrama de dispersió mostra la relació entre l'energia d'enllaç i l'energia total del sistema. Els punts verds representen posicions geomètricament factibles amb les energies d'enllaç més baixes. A (D), es mostra una estructura representativa de les posicions filtrades a (A). El pèptid C-terminal de LAMP1 (verd) interactua amb la regió globular de l' homodímer GDAP1 (blau).

El descobriment de fàrmacs és un procés complex i amb un elevat consum de recursos que requereix la identificació de molècules amb propietats òptimes d’unió a les seves dianes biològiques. Aquesta tesi desenvolupa estratègies computacionals avançades per al modelatge biomolecular mitjançant la integració de mètodes de mecànica molecular —com les simulacions de Monte Carlo i de dinàmica molecular— amb eines d’aprenentatge automàtic d’última generació. L’objectiu és millorar les funcions d’avaluació, augmentar la precisió de les simulacions i establir un marc eficient aplicable a reptes farmacològics reals.

Una de les principals contribucions del treball és la caracterització sistemàtica del marc de simulació PELE (Protein Energy Landscape Exploration), avaluant els seus estimadors d’energia d’unió en termes de capacitat predictiva i eficiència computacional. Aquests estudis permeten superar limitacions existents en les funcions d’avaluació i millorar la fiabilitat de les prediccions proteïna–lligand.

Les metodologies proposades es validen en casos d’estudi de rellevància farmacològica, incloent-hi la caracterització estructural del transportador d’aminoàcids Asc1/CD98hc, l’exploració de noves interaccions fàrmac–ADN en els factors de transcripció Meis1–Hoxb13 i l’estudi de la disfunció GDAP1–LAMP1 en la malaltia de Charcot–Marie–Tooth. En conjunt, aquesta recerca estableix un marc computacional escalable que connecta les simulacions moleculars tradicionals amb aproximacions basades en intel·ligència artificial, amb implicacions tant acadèmiques com industrials.

r_n