Estudio para la caracterización energética con PELE con aplicación a casos reales

17/04/2026

Ignasi Puch Giner defendió su tesis doctoral, dirigida por Víctor Guallar Tasies, en Campus Norte el día 16 de abril de 2026. Titulada “Optimization of Monte Carlo and Molecular Dynamics Techniques for Receptor–Ligand Binding Studies”, la tesis se centra en el aprovechamiento del marco teórico de los métodos de Monte Carlo para diseñar un protocolo aplicable a la caracterización energética de las interacciones ligando-proteína. Además, estas metodologías, combinadas con otras técnicas computacionales, se han aplicado en tres colaboraciones orientadas a casos reales relacionados con patologías del sistema nervioso y del sistema cardíaco.

Estudio para la caracterización energética con PELE con aplicación a casos reales — Desarrollo de la caracterización energética PELE y caso de aplicación. En A y B se muestran los resultados obtenidos al aplicar el marco de caracterización energética PELE al sistema MCL1. En B y D se muestran los resultados de un caso de uso real del marco de caracterización energética PELE. En (A), se observa la evolución de la métrica de correlación del conjunto de datos MCL1 (tanto de Pearson como de Spearman) en función de la cantidad de muestreo realizada en cada simulación. En (B), se muestra la mejor correlación obtenida para el sistema MCL1 mediante la caracterización energética PELE. En (C), un diagrama de dispersión muestra la relación entre la energía de unión y la energía total del sistema. Los puntos verdes representan las conformaciones geométricamente factibles con las energías de unión más bajas. En (D), se muestra una estructura representativa de las conformaciones filtradas en (A). El péptido C-terminal de LAMP1 (verde) interactúa con la región globular del homodímero GDAP1 (azul).

El descubrimiento de fármacos es un proceso complejo y de alto coste que requiere la identificación de moléculas con propiedades óptimas de unión a sus dianas biológicas. Esta tesis desarrolla estrategias computacionales avanzadas para el modelado biomolecular mediante la integración de métodos de mecánica molecular —como las simulaciones de Monte Carlo y dinámica molecular— con herramientas de aprendizaje automático de última
generación. El objetivo es optimizar las funciones de evaluación, mejorar la precisión de las simulaciones y establecer un marco eficiente aplicable a retos farmacológicos reales.

Una de las principales aportaciones del trabajo es la caracterización sistemática del marco de simulación PELE (Protein Energy Landscape Exploration), evaluando sus estimadores de energía de unión en términos de capacidad predictiva y eficiencia computacional. Estos estudios comparativos permiten superar limitaciones existentes en las funciones de evaluación y mejorar la fiabilidad de las predicciones proteína ligando.

Las metodologías propuestas se validan en casos de estudio de relevancia farmacológica, incluyendo la caracterización estructural del transportador de aminoácidos Asc1/CD98hc, el análisis de nuevas interacciones fármaco–ADN en los factores de transcripción Meis1–Hoxb13 y el estudio de la disfunción GDAP1–LAMP1 en la enfermedad de Charcot–Marie–Tooth. En conjunto, esta investigación propone un marco computacional escalable que conecta las simulaciones moleculares tradicionales con aproximaciones basadas en inteligencia artificial, con implicaciones tanto académicas como industriales.

r_n