Computational studies in glycobiological chemistry

Abstract

La química glicobiològica, que se centra en l'estudi de l'estructura, la funció i la biosíntesi dels glicans, ha esdevingut un camp crític per entendre processos biològics complexos i desenvolupar noves intervencions terapèutiques. La naturalesa intricada dels glicans, juntament amb els seus amplis rols en la comunicació cel·lular, la resposta immune i la patologia de malalties, requereixen metodologies avançades per a la seva anàlisi i manipulació. En aquest context, la integració de simulacions de dinàmica molecular convencional (cMD), mètodes de mostreig millorats i algoritmes genètics han esdevingut indispensables, proporcionant una visió profunda del comportament dinàmic i els paisatges conformacionals dels enzims i complexos relacionats amb els glicans.

Els recents avenços en química glicobiològica han aprofundit significativament en la nostra comprensió de les estructures de glicans i els seus rols en els sistemes biològics, impulsats per innovacions tant en tècniques experimentals com computacionals. Experimentalment, mètodes d'avantguarda com la criomicroscòpia electrònica (cryo-EM), l'espectrometria de masses avançada i la ressonància magnètica nuclear (RMN) d'alta resolució han permès la caracterització precisa de les estructures de glicans i les seves interaccions amb proteïnes, proporcionant informació sobre els mecanismes de la glicosilació i les seves implicacions en malalties. Paral·lelament, els enfocaments computacionals esmentats anteriorment han millorat la capacitat de modelar el comportament dinàmic dels glicans i els enzims associats a nivell atòmic, revelant estats conformacionals clau i paisatges energètics que sustenten la funció dels glicans i la catàlisi enzimàtica. Aquests desenvolupaments han estat complementats per algoritmes d'aprenentatge automàtic i eines de bioinformàtica que faciliten la predicció de les estructures de glicans i els seus rols biològics. Aquestes tècniques computacionals ofereixen una eina potent per explorar el comportament temporal de biomolècules a nivell atòmic, permetent l'elucidació de relacions estructurals i funcionals que sovint són inaccessibles mitjançant tècniques experimentals. A més, la programació científica juga un paper fonamental en la implementació i optimització d'aquestes tècniques computacionals, permetent el desenvolupament d'algoritmes i fluxos de treball personalitzats adaptats als reptes específics que plantegen els sistemes relacionats amb glicans. Junts, aquests avenços experimentals i computacionals estan impulsant els límits de la recerca glicobiològica, oferint noves vies per a la intervenció terapèutica i l'enginyeria biomolecular.

La primera part d'aquest treball presenta l'aplicació d'un protocol computacional multi-escala per estudiar les vies d'egressió i la dinàmica de l'aigua en productes basats en glicans a la glico-hidrolasa HvExoI, la formació i caracterització de complexos pre-catalítics en la glicotransferasa GGCGT, la caracterització dels estats conformacionals de lloop en la glicoxidasa PsG3Ox i l'exploració conformacional del pèptid beta-endorfina. HvExoI és crucial per a la descomposició de carbohidrats complexos, influint en els mecanismes de defensa de les plantes i en el metabolisme energètic, amb possibles implicacions per a la producció de biocombustibles i la biotecnologia agrícola. GGCGT és clau en la biosíntesi de glicans complexos amb enllaços C-glicosídics, que són essencials per a la senyalització cel·lular, les respostes immunitàries i l'estabilitat de les proteïnes, destacant la seva importància en el desenvolupament de noves estratègies de glicointegració i glicoproteïnes terapèutiques. PsG3Ox està implicada en la degradació oxidativa dels enllaços glicosídics, un procés que té aplicacions significatives en la biocatàlisi i en el desenvolupament de processos biotecnològics per a la conversió de carbohidrats. Finalment, la beta-endorfina, un pèptid opioide endogen, té un paper vital en la modulació del dolor, la funció immune i la resposta a l'estrès.

La segona part d'aquest treball s'ha centrat en la millora i desenvolupament d'un nou algoritme genètic multi-objectiu per al modelatge molecular complex, GaudiM2. GaudiM2 és una aplicació de codi obert desenvolupada com una extensió del seu predecessor, GaudiMM, amb un enfocament en l'ús d'estratègies de cerca multi-objectiu per explorar sistemes complexos.

La química glicobiológica, que se centra en el estudio de la estructura, función y biosíntesis de los glicanos, ha emergido como un campo crucial para comprender procesos biológicos complejos y desarrollar nuevas intervenciones terapéuticas. La naturaleza intrincada de los glicanos, junto con sus amplios roles en la comunicación celular, la respuesta inmune y la patología de enfermedades, requiere de metodologías avanzadas para su análisis y manipulación. En este contexto, la integración de simulaciones de dinámica molecular convencional (cMD), métodos de muestreo mejorado y algoritmos genéticos se ha vuelto indispensable, proporcionando una comprensión profunda del comportamiento dinámico y de los paisajes conformacionales de los enzimas y complejos relacionados con glicanos.

Los avances recientes en la química glicobiológica han profundizado significativamente nuestra comprensión de las estructuras de los glicanos y de sus roles en los sistemas biológicos, impulsados por innovaciones tanto en técnicas experimentales como computacionales. Experimentalmente, métodos de vanguardia como la microscopía crioelectrónica (cryo-EM), la espectrometría de masas avanzada y la resonancia magnética nuclear (NMR) de alta resolución han permitido la caracterización precisa de las estructuras de los glicanos y sus interacciones con proteínas, proporcionando información sobre los mecanismos de la glicosilación y sus implicaciones en enfermedades. Paralelamente, los enfoques computacionales mencionados anteriormente han avanzado en la capacidad de modelar el comportamiento dinámico de los glicanos y de sus enzimas asociados a nivel atómico, revelando estados conformacionales clave y paisajes energéticos que fundamentan la función de los glicanos y la catálisis enzimática. Estos desarrollos han sido complementados por algoritmos de aprendizaje automático y herramientas de bioinformática que facilitan la predicción de las estructuras de los glicanos y sus roles biológicos. Estos enfoques computacionales ofrecen una herramienta poderosa para explorar el comportamiento dependiente del tiempo de las biomoléculas a nivel atómico, permitiendo la elucidación de relaciones estructurales y funcionales que a menudo son inaccesibles a través de técnicas experimentales tradicionales. Además, la programación científica juega un papel clave en la implementación y optimización de estas técnicas computacionales, permitiendo el desarrollo de algoritmos personalizados y flujos de trabajo adaptados a los desafíos específicos que plantean los sistemas relacionados con glicanos.

La primera parte de este trabajo reporta la aplicación de un protocolo computacional multiescala para estudiar las vías de egresión y la dinámica del agua de los productos basados en glicanos en la glico-hidrolasa HvExoI, la formación y caracterización de complejos pre-catalíticos en la glicotransferasa GGCGT, la caracterización de estados conformacionales de los loops en la glucósido-oxidasa PsG3Ox, y la exploración conformacional del péptido beta-endorfina. HvExoI es crucial para la degradación de carbohidratos complejos, influyendo en los mecanismos de defensa de las plantas y en el metabolismo energético, con posibles implicaciones en la producción de biocombustibles y en la biotecnología agrícola. GGCGT es clave en la biosíntesis de glicanos complejos con enlaces C-glicosídicos, que son esenciales para la señalización celular, la respuesta inmune y la estabilidad de las proteínas. PsG3Ox participa en la degradación oxidativa de enlaces glicosídicos, un proceso con aplicaciones significativas en la biocatálisis y en el desarrollo de procesos biotecnológicos para la conversión de carbohidratos. Finalmente, la beta-endorfina, un péptido opioide endógeno, desempeña un papel vital en la modulación del dolor, la función inmune y la respuesta al estrés, convirtiéndose en un objetivo crucial para la investigación en neurofaramcología.

La segunda parte de este trabajo se ha centrado en la mejora y desarrollo de un nuevo algoritmo genético multi-objetivo para el modelado molecular complejo, GaudiM2. GaudiM2 es una aplicación de código abierto desarrollada como una extensión de su predecesor, GaudiMM, con el objetivo de emplear estrategias de búsqueda multi-objetivo para explorar sistemas complejos con un gran número de soluciones potenciales.

Glycobiological chemistry, which focuses on the study of the structure, function, and biosynthesis of glycans, has emerged as a critical field in understanding complex biological processes and developing novel therapeutic interventions. The intricate nature of glycans, coupled with their extensive roles in cellular communication, immune response, and disease pathology, necessitates advanced methodologies for their analysis and manipulation. In this context, the integration of conventional molecular dynamics (cMD) simulations, enhanced sampling methods and genetic algorithms have become indispensable, providing deep insights into the dynamic behavior and conformational landscapes of glycan-related enzymes and complexes.

Recent advances in glycobiological chemistry have significantly deepened our understanding of glycan structures and their roles in biological systems, driven by innovations in both experimental and computational techniques. Experimentally, cutting-edge methods such as cryo-electron microscopy (cryo-EM), advanced mass spectrometry, and high-resolution NMR spectroscopy have enabled the precise characterization of glycan structures and their interactions with proteins, providing insights into the mechanisms of glycosylation and its implications in disease. Concurrently, the above mentioned computational approaches have advanced the ability to model the dynamic behavior of glycans and their associated enzymes at an atomic level, revealing key conformational states and energy landscapes that underlie glycan function and enzyme catalysis. These developments have been further augmented by machine learning algorithms and bioinformatics tools that facilitate the prediction of glycan structures and their biological roles. Such computational approaches offer a powerful tool to explore the time-dependent behavior of biomolecules at the atomic level, allowing for the elucidation of structural and functional relationships that are often inaccessible through experimental techniques alone. In addition, scientific programming plays a pivotal role in the implementation and optimization of these computational techniques, enabling the development of custom algorithms and workflows tailored to the specific challenges posed by glycan-related systems. Together, these experimental and computational advancements are pushing the boundaries of glycobiological research, offering new avenues for therapeutic intervention and biomolecular engineering. The present Ph.D. thesis has focused on applying and developing computational techniques, protocols and analysis to complex glycan-protein systems.

The first part of this work reports the application of a multi-scale computational protocol to study egression pathways and water dynamics of glycan-based products in the glycohydrolase HvExoI, the formation and characterization of pre-catalytic complexes in glycotransferase GGCGT, the characterization of loop conformational states in glycoside oxidase PsG3Ox and the conformational exploration of the peptide beta-endorphin. HvExoI is crucial for the breakdown of complex carbohydrates, influencing plant defense mechanisms and energy metabolism, with potential implications for biofuel production and agricultural biotechnology. GGCGT is key in the biosynthesis of complex glycans with C-glycosydic linkages, which are essential for cell signaling, immune responses, and protein stability, highlighting its importance in developing novel glycoengineering strategies and therapeutic glycoproteins. PsG3Ox is involved in the oxidative degradation of glycosidic bonds, a process that has significant applications in biocatalysis and the development of biotechnological processes for carbohydrate conversion. Finally, beta-endorphin, an endogenous opioid peptide, plays a vital role in pain modulation, immune function, and stress response, making it a crucial target for research into pain management and neuropharmacology.

The second part of this work has focused on the improvement and development of a new multi-objective genetic algorithm for complex molecular modeling, GaudiM2. GaudiM2 is an open-source application developed as an extension of its predecessor, GaudiMM, with a focus on employing multi-objective search strategies to explore complex systems with a large number of potential solutions.