Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano it
CORDIS - Risultati della ricerca dell’UE
CORDIS

Machine Learning-Assisted simulation of Metalloenzyme’s Reactivity

Descrizione del progetto

Metodi computazionali innovativi per chiarire la reattività dei metalloenzimi

Circa un terzo di tutti gli enzimi sono metalloenzimi, ovvero proteine dotate di cofattori di ioni metallici; la comprensione dei loro meccanismi d'azione è importante per campi quali la medicina, la biotecnologia, la catalisi e le scienze ambientali. La modellizzazione e la simulazione sono strumenti eccellenti a tal fine; ciononostante, sebbene gli attuali metodi computazionali siano progettati per composti strettamente organici o possano ospitare metalloenzimi, sono troppo pesanti dal punto di vista del calcolo per le simulazioni di dinamica molecolare e gli studi di reattività. Con il sostegno del programma di azioni Marie Skłodowska-Curie, il progetto MALAMER si propone di integrare campi di forza ad apprendimento automatico, metodi ibridi di meccanica quantistica/molecolare e tecniche di campionamento avanzate al fine di superare queste sfide. I risultati generati dal progetto faranno luce sulle reattività, supportando lo sviluppo di catalizzatori e il processo di scoperta dei farmaci.

Obiettivo

Metalloenzymes play a crucial role in various biological functions, going from small molecule transportation to catalyzing essential metabolic ingredients. Understanding their reactivity is essential for advancing a broad range of fields and related industries, such as medicine, biotechnology, environmental science, and catalysis. The computational modelling of biomolecules is a pillar of new drug and catalyst design, but the common methods used for purely organic-based compounds, such as empirical force fields, cannot simply be applied in the presence of a metal centre due to their complex electronic structure. On the other hand, hybrid Quantum Mechanical/Molecular Mechanics (QM/MM) methods provide a way to study metalloenzymes, but their computational overheads prevent their large-scale use for molecular dynamics simulations and reactivity studies. The project MAchine Learning-Assisted simulation of MEtalloenzyme’s Reactivity (MALAMER), aims to revolutionize the simulation of metalloenzymes' reactivity by integrating machine-learning force fields with QM/MM methods, and advanced sampling techniques, allowing for an unprecedentedly accurate description of their activity. This innovative approach will lead to significant insights and applications in catalyst development and drug discovery, with a potential impact on several EU priority areas. The project will commence in September 2024 under the supervision of Prof. Lunghi at Trinity College Dublin, with a planned 3-month secondment at University College London to gain additional expertise in advanced sampling simulations from Prof. Salvalaglio. A comprehensive set of training, dissemination, exploitation, and communication activities are planned and they will be implemented with the help of the supervisors and Trinity College Dublin's human resources, training office, and innovation and technology transfer office.

Campo scientifico (EuroSciVoc)

Parole chiave

Programma(i)

Argomento(i)

Meccanismo di finanziamento

HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European Fellowships

Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento

Invito a presentare proposte

(si apre in una nuova finestra) HORIZON-MSCA-2023-PF-01

Vedi tutti i progetti finanziati nell’ambito del bando

Coordinatore

THE PROVOST, FELLOWS, FOUNDATION SCHOLARS & THE OTHER MEMBERS OF BOARD, OF THE COLLEGE OF THE HOLY & UNDIVIDED TRINITY OF QUEEN ELIZABETH NEAR DUBLIN
Contributo netto dell'UE
€ 199 694,40
Indirizzo
COLLEGE GREEN TRINITY COLLEGE
D02 CX56 Dublin
Irlanda
Regione
Ireland Eastern and Midland Dublin
Tipo di attività
Higher or Secondary Education Establishments
Collegamenti
Costo totale
Nessun dato

Partner (1)