Avís important
La guia docent és provisional.
La versió en PDF de la guia docent pot tardar uns dies en estar disponible al DDD.

Estructura i Funció de Proteïnes i Disseny de Fàrmacs
Codi: 42398Crèdits: 12
| Titulació | Tipus | Curs |
|---|---|---|
| Bioinformàtica / Bioinformatics | OP | 1 |
Professor/a de contacte
- Nom :
- Xavier Daura Ribera
- Correu electrònic :
- xavier.daura@uab.cat
Equip docent
- Natalia Sánchez Groot
- Berta Carrasco Martinez
- Ester Boix Borras
- Leonardo Pardo Carrasco
- Jean-Didier Pierre Marechal
- Angel Gonzalez Wong
- Laura Masgrau Fontanet
- Alex Peralvarez Marin
- Oscar Conchillo Solé
- Xavier Daura Ribera
- Marc Ciruela Jardí
Idiomes dels grups
Podeu consultar aquesta informació al final del document.
Prerequisits
Per a poder fer aquest mòdul s'han d'haver superat els mòduls I i II (Programming in Bioinformatics and Core Bioinformatics). També es necessitaran nocions bàsiques de química i/o bioquímica.
Objectius
Les proteïnes són objecte d'una recerca intensiva en diversos camps, que van des del disseny dirigit de fàrmacs fins a l'enginyeria de nous enzims per a una biocatàlisi industrial sostenible. En aquestes àrees, el modelatge molecular ha esdevingut una eina essencial i central per a la recerca duta a terme tant a l'acadèmia com a la indústria. Aquest mòdul proporciona a l'estudiantat els coneixements teòrics i pràctics fonamentals necessaris per esdevenir científics qualificats en aquest camp.
Concretament, el mòdul té com a objectiu introduir els estudiants en:
- Els principis físics subjacents a les diferents tècniques de modelatge molecular.
- Els mètodes fonamentals i d'avantguarda aplicats en aquest camp.
- Les principals àrees d'aplicació, amb un èmfasi especial en el disseny de fàrmacs.
Resultats d'aprenentatge
- CA08 (Proposar solucions bioinformàtiques a problemes d’interacció molecular basades en el modelatge estructural.) Proposar solucions bioinformàtiques a problemes d’interacció molecular basades en el modelatge estructural.
- CA09 (Treballar de manera col·laborativa en l'anàlisi i la interpretació de dades estructurals en projectes de bioinformàtica.) Treballar de manera col·laborativa en l'anàlisi i la interpretació de dades estructurals en projectes de bioinformàtica.
- CA10 (Avaluar críticament models moleculars i aplicar-los a estudis de disseny de fàrmacs.) Avaluar críticament models moleculars i aplicar-los a estudis de disseny de fàrmacs.
- KA10 (Explicar els fonaments de les tècniques experimentals i computacionals emprades en l’anàlisi estructural i funcional de proteïnes, incloent-hi l’estudi comparatiu de famílies proteiques.) Explicar els fonaments de les tècniques experimentals i computacionals emprades en l’anàlisi estructural i funcional de proteïnes, incloent-hi l’estudi comparatiu de famílies proteiques.
- KA11 (Explicar el disseny i la utilitat de bases de dades moleculars, com el PDB o AlphaFold Protein Structure Database, en l’estudi d’interaccions proteïna-lligand.) Explicar el disseny i la utilitat de bases de dades moleculars, com el PDB o AlphaFold Protein Structure Database, en l’estudi d’interaccions proteïna-lligand.
- KA12 (Descriure les relacions estructura-activitat i els mètodes de quimioinformàtica i modelatge molecular aplicats al disseny i avaluació de fàrmacs.) Descriure les relacions estructura-activitat i els mètodes de quimioinformàtica i modelatge molecular aplicats al disseny i avaluació de fàrmacs.
- SA11 (Aplicar eines com Gaussian, AlphaFold, Modeller, LigandScout o Amber en el modelatge i anàlisi d’estructures proteiques i les seves interaccions.) Aplicar eines com Gaussian, AlphaFold, Modeller, LigandScout o Amber en el modelatge i anàlisi d’estructures proteiques i les seves interaccions.
- SA12 (Analitzar estructures tridimensionals i interaccions biomoleculars per a la recerca de relacions estructura-funció.) Analitzar estructures tridimensionals i interaccions biomoleculars per a la recerca de relacions estructura-funció.
- SA13 (Relacionar dades estructurals i funcionals en el disseny d’estratègies computacionals de cribratge virtual i desenvolupament de fàrmacs.) Relacionar dades estructurals i funcionals en el disseny d’estratègies computacionals de cribratge virtual i desenvolupament de fàrmacs.
Continguts
MÒDUL 4: Estructura i Funció de Proteïnes i Disseny de Fàrmacs
Part I: Modelització Molecular
Conceptes Bàsics
Introducció
Càlcul de l’energia (PES, QM, camps de força, QM/MM)
Exploració conformacional (mètodes diferents de MD: MC, GA, NMA)
Part II: Determinació Estructural i Models
Mètodes per a la Determinació de l'Estructures de Proteïnes
Cristal·lografia de raigs X
RMN (Ressonància Magnètica Nuclear)
Microscòpia crioelectrònica (Cryo-EM)
Modelització Estructural
Modelització per homologia
AlphaFold
Part III: Dinàmica Molecular (MD)
Dinàmica Molecular: Una Eina Essencial
Conceptes bàsics
MD en aigua
MD en un entorn de membrana
Mètodes coarse-grained
Scripting i anàlisi
Mètodes de mostreig millorat (metadinàmica, GaMD, etc.)
Energia lliure: TI, FEP, MM/PBSA
Part IV: Disseny de Fàrmacs
Conceptes bàsics de farmacologia
Dianes terapèutiques principals i fàrmacs comercialitzats
Quinases, receptors nuclears, receptors acoblats a proteïnes G (GPCR), proteïnes transportadores de membrana
Descriptors moleculars
ADME-Tox
Models de farmacòfor basats en el lligand o en l’estructura
Tècniques de docking (acoblament molecular)
Docking proteïna - lligand
Docking proteïna - proteïna
Cribratge virtual
Aplicacions de la MD en el disseny de fàrmacs
Activitats formatives i Metodologia
| Títol | Hores | ECTS | Resultats d'aprenentatge |
|---|---|---|---|
| Treball i estudi individual | 224 | 8,96 | CA08, CA10, SA11, SA12, SA13 |
| Resolució de problemes a classe i pràctiques a l'aula d'informàtica | 40 | 1,6 | CA08, CA09, CA10, SA11, SA12, SA13 |
| Seminaris | 2 | 0,08 | CA10, SA13 |
| Classes de teoria | 32 | 1,28 | CA08, CA10, KA10, KA11, KA12, SA13 |
La metodologia combina classes teòriques on s'expliquen els conceptes i les bases, resolució de problemes a la classe, pràctiques a l'aula d’ordinadors, seminaris, l’estudi individual per part de l'alumnat i l'entrega de treballs. S'utilitzarà la plataforma virtual de la UAB.
Avaluació
Activitats d'avaluació continuada
| Títol | Pes | Hores | ECTS | Resultats d'aprenentatge |
|---|---|---|---|---|
| Soft skills | 10% | 0 | 0 | CA08, CA09, CA10, SA13 |
| Treballs fets i presentats per part de l'alumnat (portafoli de l'estudiant) | 50% | 0 | 0 | CA08, CA09, CA10, KA10, KA11, KA12, SA11, SA12, SA13 |
| Tests individuals de teoria i pràctica | 40% | 2 | 0,08 | CA08, CA10, KA10, KA11, KA12, SA11, SA12, SA13 |
El sistema d'avaluació està organitzat en tres tipus d' activitats principals. Hi haurà, a més, un examen de recuperació. Els detalls de les activitats són:
Activitats d'avaluació principals
- Soft skills (10%): asistencia y partcipación en clase, competencias transversales
- Portafoli de l'estudiant (50%): treballs fet i presentats per l'alumnat al llarg del curs. Cap de les activitats d’avaluació individuals representarà més del 50% de la nota final.
- Prova teòrica i pràctica individual (40%): hi haurà un examen al final d'aquest mòdul.
Examen de recuperació
Per poder participar en el procés de recuperació, l'alumne haurà d’haver participat prèviament en com a mínim l'equivalent a dos terços de la nota final del mòdul en activitats d'avaluació. El professorat informarà dels procediments i terminis per al procés de recuperació.
No avaluable
L'alumne serà qualificat com a \"No avaluable\" quan el pes de l'avaluació en què ha participat sigui inferior a l’equivalent al 67% de la nota final del mòdul.
Aquesta assignatura/mòdul no preveu el sistema d’avaluació única.
Ús de la IAV (model d'ús restringit): Per a aquesta assignatura, es permet l'ús de tecnologies d'Intel·ligència Artificial (IA) exclusivament per a les tasques bioinformàtiques que ho requereixin i en tasques de suport, com la cerca bibliogràfica o d’informació, la correcció de textos o les traduccions. Pel que fa a l'ús en tasques de suport, l'estudiant haurà d'identificar clarament quines parts han estat generades amb aquesta tecnologia, especificar les eines emprades i incloure una reflexió crítica sobre com aquestes han influït en el procés i el resultat final de l’activitat. La no transparència de l’ús de la IA en aquesta activitat avaluable es considerarà falta d'honestedat acadèmica i pot comportar una penalització parcial o total en la nota de l'activitat, o sancions majors en casos de gravetat.
La realització de qualsevol irregularitat en un acte d’avaluació (frau acadèmic, plagi o ús indegut de la IA, tret que aquest ús estigui autoritzat expressament a la guia docent), que pugui conduir a una variació significativa de la qualificació, suposa que aquest acte es qualificarà amb un 0. En cas que la guia docent prevegi que per superar l’assignatura sigui requisit imprescindible haver obtingut una nota mínima en aquest acte d’avaluació o que es produeixin diverses irregularitats en els actes d’avaluació d’una mateixa assignatura, la qualificació final d’aquesta assignatura és 0. Al marge d’això, es podrà instruir un procés disciplinari a l’estudiant que incorri en alguna d’aquestes irregularitats.
Bibliografia
Molecular Modeling principles and applications, A. Leach, Ed. Pearson (i.e. second edition ISBN-13: 978-0582382107) (document físic disponible al servei de biblioteques)
Essential of Computational Chemistry, C. J. Cramer, (i.e. second Edition, ISBN-13: 978-0470091821) (document electrònic i físic disponibles al servei de biblioteques)
Introduction to Computational Chemistry. Frank Jensen. JohnWiley § Sons Ltd. (ISBN: 0470011874, 2007) (document electrònic disponible al servei de biblioteques)
Python, how to think like a computer scientist http://www.greenteapress.com/thinkpython/ (document electrònic disponible al servei de biblioteques)
Computational and Visualization techniques for structural bioinformatics using chimera, Forbes J. Burkowski, CRC press (document electrònic disponible al servei de biblioteques)
Programari
En Linux:
| UCSF Chimera |
| UCSF ChimeraX |
| PyMol |
| VMD |
| Rasmol |
| Modeller |
| AlphaFold3 |
| Gaussian |
| Gaussview |
| AMBER |
| AmberTools |
| GROMACS |
| LigandScout |
| DataWarrior |
| Jupyter Notebook |
| Python |
| grace |
|
|
Grups i idiomes de l'assignatura
La informació proporcionada és provisional fins al 30 de novembre. A partir d'aquesta data, podreu consultar l'idioma de cada grup a través d'aquest enllaç. Per accedir a la informació, caldrà introduir el CODI de l'assignatura
| Tipus de docència | Grup | Idioma | Semestre | Torn |
|---|---|---|---|---|
| (TEm) Teoria (màster) | 1 | Anglès | primer quadrimestre | matí-mixt |
| (PLABm) Pràctiques de laboratori (màster) | 1 | Anglès | primer quadrimestre | matí-mixt |
| (SEMm) Seminaris (màster) | 1 | Anglès | primer quadrimestre | matí-mixt |