Uma observação importante para os minicursos, é interessante que levem o seu notebook ou tablet, para poderem ter um melhor aproveitamento dos minicursos que usarão ferramentas computacionais, algumas nas nuvens.

	05/11	06/11	07/11	08/11
08:00-10:00	1o dia Minicursos 1, 2, 3 e 7	2o dia Minicursos 1, 2, 3 e 7	1o dia Minicursos 4, 5, 6, e 8	2o dia Minicursos 4, 5, 6, e 8

Todos os minicursos são de 4h total.

MINICURSO 1- Dr. Gerd Bruno da Rocha (UFPB), Modelando sistemas biológicos com métodos de química quântica, https://orcid.org/0000-0001-9805-9497

Em química, um dos grandes desafios na área de modelagem molecular é o tratamento químico-quântico completo de sistemas de alta complexidade, tais como: biomoléculas, materiais, superfícies, polímeros, soluções, etc¹. Quando se usa técnicas de escalonamento linear nos computadores de hoje já é possível a modelagem de grandes moléculas com cerca de 1 milhão de átomos usando DFT² e 2 milhões usando métodos semiempíricos³. Estas técnicas também reduzem o tempo de computação de propriedades específicas em estudos sistemáticos de grandes conjuntos de moléculas de tamanho médio^4,5,6. Ainda nessa perspectiva, métodos de estrutura eletrônica que escalonam linearmente podem ser combinados com dinâmica molecular⁷ produzindo estratégias computacionais altamente eficientes para simulação de sistemas moleculares complexos. Estes fatos criam a real possibilidade de estudarmos e apresentarmos novos entendimentos de importantes fenômenos em bioquímica, biofísica, biotecnologia e nanotecnologia. Algo nesse sentido tem sido feito no nosso grupo de pesquisa^8,9,10,11 a partir do software PRIMoRDiA¹², que é de domínio público (https://github.com/igorChem/PRIMoRDiA1.0v).

Neste minicurso teórico/prático serão abordados aspectos teóricos de métodos semiempíricos de química quântica e realizadas atividades computacionais envolvendo: (i) enovelamento de proteínas, (ii) termodinâmica de complexos enzima-ligante, (iii) interações intermoleculares de complexos enzima-ligante e (iv) reatividade em catálise enzimática.

Os requisitos para acompanhar esse minicurso é ter conta na Google e entender minimamente de Python. Usaremos a plataforma Google Colab (https://colab.research.google.com/) para as nossas modelagens e simulações. Deixo um repositório público onde algum material pode ser consultado: https://github.com/RochaGerd/Chemistry_with_Python.

1.           Clary DC. Quantum chemistry of complex systems. Science (80- ). 2006;314(5797):265-266. doi:10.1126/science.1133434

2.           VandeVondele J, Borštnik U, Hutter J. Linear Scaling Self-Consistent Field Calculations with Millions of Atoms in the Condensed Phase. J Chem Theory Comput. 2012;8(10):3565-3573. doi:10.1021/ct200897x

3.           Anisimov VM, Bliznyuk AA. Charge transfer effects in the GroEL-GroES chaperonin tetramer in solution. J Phys Chem B. 2012;116(22):6261-6268. doi:10.1021/jp211385e

4.           Urquiza-Carvalho GA, Fragoso WD, Rocha GB. Assessment of semiempirical enthalpy of formation in solution as an effective energy function to discriminate native-like structures in protein decoy sets. J Comput Chem. 2016;37(21):1962-1972. doi:10.1002/jcc.24415

5.           Fukushima K, Wada M, Sakurai M. An insight into the general relationship between the three dimensional structures of enzymes and their electronic wave functions: Implication for the prediction of functional sites of enzymes. Proteins Struct Funct Bioinforma. 2008;71(4):1940-1954. doi:10.1002/prot.21865

6.           Stewart JJP. Application of the PM6 method to modeling proteins. J Mol Model. 2009;15(7):765-805. doi:10.1007/s00894-008-0420-y

7.           Melo MCR, Bernardi RC, Rudack T, et al. NAMD goes quantum: an integrative suite for hybrid simulations. Nat Methods. 2018;15(5):351-354. doi:10.1038/nmeth.4638

8.           Grillo IB, Urquiza-Carvalho GA, Rocha GB. Quantum chemical descriptors based on semiempirical methods for large biomolecules. J Chem Phys. 2023;158(20). doi:10.1063/5.0132687

9.           Rocha-Santos A, Chaves EJF, Grillo IB, de Freitas AS, Araújo DAM, Rocha GB. Thermochemical and Quantum Descriptor Calculations for Gaining Insight into Ricin Toxin A (RTA) Inhibitors. ACS Omega. 2021;6(13):8764-8777. doi:10.1021/acsomega.0c02588

10.         Grillo IB, Urquiza-Carvalho GA, Bachega JFR, Rocha GB. Elucidating Enzymatic Catalysis Using Fast Quantum Chemical Descriptors. J Chem Inf Model. 2020;60(2):578-591. doi:10.1021/acs.jcim.9b00860

11.         Grillo IB, Urquiza?Carvalho GA, Chaves EJF, Rocha GB. Semiempirical methods do Fukui functions: Unlocking a modeling framework for biosystems. J Comput Chem. January 2020:jcc.26148. doi:10.1002/jcc.26148

12.         Grillo IB, Urquiza-Carvalho GA, Rocha GB. PRIMoRDiA: A Software to Explore Reactivity and Electronic Structure in Large Biomolecules. J Chem Inf Model. 2020;60(12):5885-5890. doi:10.1021/acs.jcim.0c00655

 

MINICURSO 2- Dr. Nailton Martins Rodrigues (UFMA), Simulação computacional da adsorção de moléculas em MOFs, https://orcid.org/0000-0003-0597-0375

A classe de polímeros de coordenação conhecida como MOFs (Metal Organic Frameworks), são compostas por estruturas que se destacam devido a sua porosidade regular, alta estabilidade térmica, grande volume de poros e área superficial. Tais características viabilizam uma vasta gama de aplicações, que se estendem desde o uso como carreadores de fármacos [1, 2], na captura de pesticidas [3, 4] e de gases poluentes [5, 6] bem como no armazenamento de gás combustível [7], entre outros. As aplicações citadas exploram a adsorção de moléculas no poro e superfície de MOFs, adsorção essa que pode ser química ou física, sendo esta última a mais estudada, seja por viés experimental ou teórico.

Para gases, um dado muito relevante em estudos nesse tema é a isoterma de adsorção, que pode ser obtida utilizando métodos clássicos como o de Monte Carlo Grã Canônico (MCGC) e a isoterma gerada pelo método ser condizente com dados experimentais. O MCGC descreve bem interações fracas com as de van der Walls pela utilização de parâmetros de Lennard-Jones, e interações fortes de caráter eletrostático utilizando o potencial de Coulomb. Devido a sua simplicidade ao utilizar um modelo clássico para descrever as estruturas, o MCGC passa a ter baixo custo computacional, que o torna viável para estudar sistemas com centenas ou até milhares de átomos. Neste viés, o minicurso irá abordar os conceitos e as equações necessária para a construção de um modelo clássico, que descreva bem uma MOF, um ou mais gases, e as possíveis interações entre esses. Com isso, o modelo será utilizado em simulações de MCGC para obter isotermas de adsorção em diferentes temperaturas, distribuição radial, mapa de distribuição, bem como outros dados capazes de caracterizar as interações não-ligantes.

[1] Z. Ma, B. Moulton, Coordination Chemistry Reviews, 255 (2011) 1623-1641.[2] I.B. Vasconcelos, T.G.d. Silva, G.C.G. Militão, T.A. Soares, N.M. Rodrigues, M.O. Rodrigues, N.B.d. Costa, R.O. Freire, S.A. Junior, RSC Advances, 2 (2012) 9437.[3] K. Vikrant, D.C.W. Tsang, N. Raza, B.S. Giri, D. Kukkar, K.H. Kim, ACS applied materials & interfaces, 10 (2018) 8797-8817.[4] N.M. Rodrigues, M.F. de Souza, J.R. Dos Santos Politi, J.B.L. Martins, J Mol Model, 28 (2022) 316.[5] Z. Li, G. Xiao, Q. Yang, Y. Xiao, C. Zhong, Chemical Engineering Science, 120 (2014) 59-66.[6] N.M. Rodrigues, L.J. Dos Santos, E.S.M. Rodrigues, J.B.L. Martins, J Mol Model, 27 (2021) 240.[7] L. Xia, Q. Liu, Computational Materials Science, 126 (2017) 176-181.

 

 

MINICURSO 3- Dr. Alberto Torres (Instituto de Física Teórica, Unesp),  Machine learning aplicado à simulações de dinâmica molecular, https://orcid.org/0000-0003-0180-4089
Neste minicurso abordaremos os aspectos práticos para construir campos de força empregando machine learning. Começando por uma intrudução sobre redes neurais, seguiremos os passo-a-passo para desenvolver um campo de força a partir do zero.
Mais detalhadamente, os tópicos do curso serão: uma intrdução básica à inteligência artificial e redes neurais; como amostrar as configurações do sisteme de interesse para o treino das redes neurais; realização dos cálculos ab initio para a obtenção dos dados de treinamento (energias, forças, etc.); e finalmente, o treinamento dos campos de força e alguns dos códigos disponíveis para tal.
Tragam seus laptops! O objetivo será treinar um campo de força para um sistema simples durante o minicurso.

 

 

MINICURSO 4- Dr. Kauê Santana (UFOPA), Modelagem Tri dimensional da Estrutura de Proteínas pelo Modeller, https://orcid.org/0000-0002-2735-8016

Este minicurso tem como objetivo introduzir os participantes às técnicas de modelagem comparativa de proteínas, utilizando duas ferramentas amplamente reconhecidas: Modeller e o plugin EasyModeller no PyMOL. A modelagem comparativa é uma abordagem essencial em bioinformática que permite prever a estrutura tridimensional de proteínas com base em estruturas de proteínas previamente elucidadas .

Durante as aulas, os participantes aprenderão os fundamentos da modelagem de proteínas, incluindo:

1. Fundamentos da Modelagem Comparativa: Compreensão dos princípios básicos e a importância da homologia na predição estrutural.

2. Utilização do Modeller: Passo a passo na utilização do Modeller para construir modelos tridimensionais, incluindo a busca por estruturas de homólogos e a geração das coordenadas atômicas.

3. Integração com PyMOL: Trabalhando com o plugin EasyModeller, os participantes abordarão como integrar e visualizar modelos gerados de forma intuitiva, além de aprender a refinar e avaliar a qualidade dos modelos obtidos.

4. Estudo de Casos Práticos: Exercícios práticos focados em diferentes proteínas, para aplicar o conhecimento adquirido e aprofundar-se na análise de resultados.

Serão usados os seguintes programas: Modeller, PyMol, UCSF Chimera, Servidor Swiss-Model

Ao final do minicurso, os participantes estarão aptos a realizar modelagem comparativa de proteínas, utilizando Modeller e PyMOL como ferramentas principais, ampliando suas habilidades na área de bioinformática e contribuindo para pesquisas em biologia molecular.

 

 

MINICURSO 5- Dr. Maicon Pierre Lourenço (UFES), Inteligência Artificial para Química e Ciência de Materiais, http://lattes.cnpq.br/3540036371945347

 

 

 

MINICURSO 6- Dr. Guilherme Duarte (UnB), Refinamento de novo de ligantes de alvos biológicos usando o software DOCK6 e preparação de cálculos alquímicos de energia livre relativa, https://orcid.org/0000-0002-7425-3567

Objetiva-se apresentar de forma simples e introdutória como usar o software DOCK6, desenvolvido em colaboração com a SUNY Stony Brook e a UC San Francisco, para explorar o espaço químico de potenciais ligantes em receptores biológicos conhecidos. A partir dessa prática, também será discutida a preparação de cálculos de energia livres relativas para avaliar a estabilidade relativa dos ligantes propostos em relação ao original. Presume-se familiaridade com UNIX/LINUX e a posse de um computador pessoal. Conhecimentos básicos em Python são recomendados.

 

MINICURSO 7- Dr. Diego Fernando da Silva Paschoal, Definição de protocolos computacionais em cálculos de química quântica, https://orcid.org/0000-0003-0817-2379

A definição de um protocolo computacional para a realização de cálculos de química quântica é crucial para a determinação de propriedades moleculares. Um protocolo adequado deve ser preciso, eficiente e reprodutível. A definição de um protocolo computacional envolve a escolha do método teórico e do conjunto de funções de base, avaliação do papel do solvente e dos efeitos relativísticos, definição do software de simulação e dos parâmetros de cálculo, tratamento dos dados e validação. Assim, o presente minicurso visa uma abordagem teórico-prática dos aspectos envolvidos no desenvolvimento de um protocolo computacional para cálculos de química quântica com ênfase na descrição das propriedades de ressonância magnética nuclear e reatividade de compostos de metais de transição. Os participantes aprenderão a definir e implementar protocolos computacionais para cálculos de química quântica, desde os conceitos teóricos fundamentais até a execução de simulações em softwares como ORCA, ReSpect etc.

 

MINICURSO 8- Dr. Marco Antonio Chaer do Nascimento, A construção de funções de onda apropriadas para a descrição de sistemas polieletrônicos e a utilização dessas funções para o estudo de diferentes propriedades, atômicas e moleculares, e da ligação química, http://lattes.cnpq.br/3314639624288740

Neste minicurso vamos, inicialmente, estabelecer as condições necessárias para que uma função de onda possa descrever um sistema polieletrônico, átomo ou molécula, e como construir funções de onda que satisfazem essas condições. Em seguida, mostraremos que o uso de funções de onda que não levam em consideração todas as condições necessárias para a descrição de um sistema polieletrônico, pode levar a falsos conceitos, interpretações errôneas e aproximações não justificáveis. Em particular, mostraremos como a dupla ocupação de orbitais atômicos ou moleculares, a interpretação usual da integral de troca, de parte da energia de correlação, e a chamada “energia de correlação não dinâmica”, decorrem do uso de funções de onda inapropriadas para a descrição de sistemas polieletrônicos. Na segunda parte do minicurso, faremos uso de funções de onda com a forma apropriada para descrever diferentes propriedades, atômicas e moleculares, e para estudar a natureza da ligação química.