Neuronale Netze für Metalloproteinsimulationen

Metalle in Biomolekülen sind überraschend häufig und essentiell für viele biologische Aktivitäten und physiologische Funktionen wie z.B. Atmung oder Photosynthese. Etwa ein Drittel aller Proteine sind Metalloproteine, diese koordinieren Metalle typischerweise durch Aminosäurereste oder organische Co-Faktoren. Metalloproteine wurden eingehend untersucht, um ihre Struktur, Funktion und insbesondere die Metall-Ligand-Wechselwirkungen zu verstehen, die für die Entwicklung von Metalloenzyminhibitoren und Metallodrugs von Bedeutung sind. Die Modellierung und Simulation von Metalloproteinen ist in verschiedener Hinsicht eine Herausforderung. Molekulardynamik-Simulationen (MD) zusammen mit klassischen Kraftfeldern reichen nicht aus, um das Verhalten von Metallen und koordinierten Atomen zu beschreiben. Eine quantenmechanische (QM) Beschreibung der Systeme ist erforderlich, um elektronische Effekte zu erfassen. Die Effizienz dieser Methoden ist jedoch im Zusammenhang mit QM/MM-Hybridansätzen, die zur Untersuchung großer und komplexer Biomoleküle notwendig sind, eher gering. Um solche Hybridsysteme zu beschleunigen, scheinen Ansätze des maschinellen Lernens vielversprechend zu sein. Mit den Fortschritten der Algorithmen können QM-Potenziale reproduziert werden. Neuartige Ansätze in der computergestützten Chemie nutzen neuronale Netze (NNs) für die Quantenbeschreibung. Mit diesem Projekt schlagen wir einen hybriden NN/MM-MD Workflow vor, den wir in das GROMOS-Simulationspaket implementieren und die entwickelte Methodik auf Koordinationsverbindingen zunehmender Komplexität anwenden werden. Auf diese Weise hoffen wir, die Beschreibung von Metall-Ligand Wechselwirkungen in klassischen Simulationen mit einem spezifischen Schwerpunkt auf Metalloproteine zu verbessern. Das Projekt ebnet den Weg für zahlreiche Anwendungen und wird die Berechnung von Unterschieden in der freien Energie auf einer QM/MM Ebene ermöglichen, ohne die methodischen Herausforderungen und Kosten. Wir erwarten, dass ein erfolgreicher Abschluss der Arbeit erhebliche Auswirkungen auf dem Gebiet der molekularen Simulationen von Metalloproteinen haben wird.