Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski pl
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

Machine Learning-Assisted simulation of Metalloenzyme’s Reactivity

Opis projektu

Badanie reaktywności metaloenzymów dzięki innowacyjnym metodom obliczeniowym

Mniej więcej jedną trzecią wszystkich enzymów stanowią metaloenzymy – białka z kofaktorami w postaci jonów metali. Zrozumienie mechanizmów ich działania jest istotne z punktu widzenia wielu dziedzin, takich jak medycyna, biotechnologia, kataliza i nauki o środowisku. Doskonałymi narzędziami, które mogą to umożliwić, są modele i symulacje. Jednak obecne metody obliczeniowe zostały zaprojektowane z myślą o związkach wyłącznie organicznych, a jeśli mogą uwzględnić metaloenzymy, wymagają zbyt dużej mocy obliczeniowej w przypadku symulacji dynamiki molekularnej i badań reaktywności. Dzięki wsparciu działań „Maria Skłodowska-Curie” projekt MALAMER umożliwi pokonanie tych wyzwań poprzez integrację pól siłowych uczenia maszynowego, hybrydowych metod mechaniki kwantowej i molekularnej oraz zaawansowanych technik próbkowania. Wyniki tych prac rzucą więcej światła na reaktywność metaloenzymów, wspierając rozwój katalizatorów i prace nad nowymi lekami.

Cel

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.

Dziedzina nauki (EuroSciVoc)

Słowa kluczowe

Program(-y)

Temat(-y)

System finansowania

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

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

(odnośnik otworzy się w nowym oknie) HORIZON-MSCA-2023-PF-01

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Koordynator

THE PROVOST, FELLOWS, FOUNDATION SCHOLARS & THE OTHER MEMBERS OF BOARD, OF THE COLLEGE OF THE HOLY & UNDIVIDED TRINITY OF QUEEN ELIZABETH NEAR DUBLIN
Wkład UE netto
€ 199 694,40
Koszt całkowity
Brak danych

Partnerzy (1)