Explorando o relevo da superfície de energia de macromoléculas biológicas

Abstract

A teoria da superfície de energia surgiu nas últimas décadas como um paradigma fun- damental para compreender processos moleculares complexos, como o enovelamento de proteínas e RNAs. Segundo essa teoria, a dinâmica conformacional das biomoléculas é guiada por superfícies de energia que vão desde funis suaves, típicos de proteínas globulares, até superfícies rugosas com múltiplos mínimos locais, características de proteínas desordenadas. No entanto, a caracterização e visualização detalhada dessas superfícies de energia representam um desafio significativo devido à complexidade e multidimensionalidade dos sistemas biomoleculares. Nesta tese, busca-se generalizar e detalhar o Energy Landscape Visualization Method (ELViM), um método desenvolvido para gerar representações intuitivas e de baixa dimensão das superfícies de energia, facilitando a análise de trajetórias moleculares e ensembles conformacionais. Inicialmente, apresenta-se um novo código Python para o ELViM, avaliando seu espaço de parâmetros e sua reprodutibilidade com dados do peptídeo MP1. Em seguida, aplica-se o ELViM para analisar o enovelamento de RNAs (tetra-alça GCAA e ribocomutador SAM-II), demonstrando a eficácia do método em agrupar estruturas similares — não apenas em relação à cadeia principal de açúcar-fosfato, mas também quanto à orientação das bases. Além disso, mostra-se que a superfície efetiva gerada pelo ELViM permite identificar ensembles de estados de transição, caracterizados pelas interações das nucleobases. Também foram investigados ensembles estruturais de proteínas intrinsecamente desordenadas (histonas H1 e H4, além de dados do repositório Protein Ensemble Database), demonstrando como o método pode ser empregado em análises conformacionais diferenciais e na caracterização da heterogeneidade conformacional desses sistemas. Por fim, foram analisadas as dinâmicas dos peptídeos antimicrobianos MP1 e H-MP1 em solução aquosa e na presença de membranas modelo, revelando diferenças conformacionais que podem influenciar a afinidade dos peptídeos pela membrana e a cinética de adsorção. Os resultados demonstram que o ELViM gera representações robustas e intuitivas para sistemas variados, possibilitando a identificação de mecanismos moleculares não discerníveis por métodos convencionais, abrindo novas perspectivas para a caracterização do relevo da superfície de energia de biomoléculas.

The energy landscape theory has emerged over recent decades as a foundational paradigm for understanding complex molecular processes, such as protein and RNA folding. According to this framework, the conformational dynamics of biomolecules are guided by energy surfaces that range from smooth funnels, typical of globular proteins, to rugged landscapes with multiple local minima, characteristic of intrinsically disordered proteins. Nonetheless, the detailed characterization and visualization of these energy surfaces remain significant challenges due to the inherent complexity and high dimensionality of biomolecular systems. This thesis aims to generalize and refine the Energy Landscape Visualization Method (ELViM), a technique developed to produce intuitive, low-dimensional representations of energy landscapes, thereby facilitating the analysis of molecular trajectories and conformational ensembles. A new Python implementation of ELViM is introduced and evaluated in terms of its parameter space and reproducibility, using data from the MP1 peptide. The method is then applied to study RNA folding (specifically, the GCAA tetra-loop and SAM-II riboswitch), demonstrating its effectiveness in clustering structurally similar conformations — considering not only the sugar-phosphate backbone but also base orientation. The effective surfaces generated by ELViM enabled the identification of transition state ensembles, characterized by nucleobase interactions. Structural ensembles of intrinsically disordered proteins (histones H1 and H4, along with data from the Protein Ensemble Database) were also analyzed, illustrating the method’s utility in differential conformational analysis and in characterizing the conformational heterogeneity inherent to these systems. Finally, the conformational dynamics of the antimicrobial peptides MP1 and H-MP1 were investigated in aqueous solution and in the presence of model membranes, revealing differences that may influence their affinity and adsorption kinetics. Overall, the results demonstrate that ELViM provides robust and insightful representations across a variety of systems, enabling the identification of molecular mechanisms that are not readily accessible through conventional approaches and offering new perspectives for exploring the biomolecular energy landscape.