Development of a framework for the computational design and evolution of enzymes

Abstract

El disseny enzimàtic es troba al cor de la biotecnologia moderna i, cada cop més de les anomenades química fina i química verda. Dissenyar un enzim per a aplicar-lo en contextos industrials o de bioremediació, per exemple, implica disposar d’un coneixement profund dels sistemes enzimàtics, per tal de poder proposar canvis racionals que millorin les seves propietats catalítiques. En els darrers anys, s'ha desenvolupat un gran nombre de mètodes computacionals amb l'objectiu de dissenyar o millorar nous enzims. No obstant això, aconseguir, mitjançant aquests mètodes, que les prediccions de nous enzims assoleixin el poder dels enzims naturals és encara un repte científic no assolit. En aquesta tesi, proposem la combinació de dues metodologies robustes per idear un marc computacional de disseny i evolució d'enzims. D'una banda, una metodologia exitosa de disseny de proteïnes, l’entorn de treball Rosetta, i, de l'altra, un mètode eficient per l'avaluació de reactivitat química basat en simulacions moleculars, el mètode de l’Empirical Valence Bond. Ambdues eines treballant col·lectivament— són una proposta atractiva per afrontar reptes capdavanters en el camp del disseny enzimàtic. Després d'aplicar la nostra metodologia en un sistema químic habitualment utilitzat com a prova de concepte, la reacció catalítica de la Kemp eliminasa, hem trobat un seguit d'obstacles que cal abordar abans de crear un marc reeixit per al disseny computacional i l'evolució d'enzims. En aquest treball, explorem aquests reptes en profunditat i suggerim noves direccions per millorar diferents aspectes de la metodologia proposada. En concret, per una banda, fem una dissecció acurada de les energies d’interacció que proporciona Rosetta, aspecte clau per a una millor predicció de marcs (o scaffolds) estructurals sobre els quals construir nous dissenys enzimàtics. Per una altra, proposem una nova implementació pràctica d’un model de simulació basat en estructura en el paquet de simulacions moleculars OpenMM. Ambdós elements són un pas de gran rellevància en la consecució de l’objectiu de disposar d'una “caixa d’eines” eficient i robusta per a l’exploració del mapa estructura-funció dels enzims dissenyats.

Enzymatic design is at the heart of modern biotechnology and, increasingly so, the so-called fine chemistry and green chemistry. Designing enzymes for applications in industrial or bioremediation contexts, for example, involves having a deep knowledge of enzymatic systems to propose rational changes that improve their catalytic properties. In recent years, a large number of computational methods have been developed to design or improve new enzymes. However, achieving enzymatic predictions through these methods to reach the power of natural enzymes is still an unattained scientific challenge. In this thesis, we propose the combination of two robust methodologies to devise a computational framework for enzyme design and evolution. On the one hand, a successful protein design methodology— the Rosetta modelling environment— and on the other, an efficient method for evaluating chemical reactivity based on molecular simulations— the Empirical Valence Bond method. Both tools, working collectively, are an attractive proposition for tackling state-of-the-art challenges in the field of enzymatic design. After applying our methodology in a proof-of-concept chemical system, the catalytic reaction of Kemp eliminase, we found a series of obstacles that need to be addressed before creating a successful framework for the computational design and evolution of enzymes. This work explores these challenges in-depth and suggests new directions to improve different aspects of the proposed methodology. Specifically, on the one hand, we make a careful dissection of the interaction energies provided by Rosetta, a key aspect for a better prediction of structural scaffolds on which to build new enzymatic designs. On the other hand, we propose a new practical implementation of a structure based simulation model in the OpenMM package of molecular simulations. Both elements are a critical step in achieving an efficient and robust "toolbox" for exploring the structure-function map of designed enzymes.