Neste trabalho foram utilizadas técnicas de modelagem molecular computacional para descrever nanossuperfícies funcionalizadas com biomoléculas do sistema imunológico correlacionando resultados experimentais obtidos com o microscópio de força atômica, simulações de dinâmica molecular e dinâmica molecular direcionada. O objetivo principal proposto é avaliar as forças intermoleculares provenientes das interações antígeno-anticorpo (funcionalizados em nanossuperfícies) para aplicação no desenvolvimento de nanoimunossensores e detecção de doenças desmielinizantes, como a Neuromielite Óptica. A Neuromielite Óptica é uma doença inflamatória autoimune na qual o próprio sistema imunológico reage contra os nervos ópticos e a medula espinhal, causando lesão desmielinizante. Estudos na literatura estabeleceramo anticorpo anti-aquaporina4 como um importante biomarcador da doença. Neste contexto, um nanoimmunosensorvem sendo desenvolvido com a técnica de Microscopia de Força Atômica, o qual visa detectar o anticorpoanti-aquaporina4 no soro de portadores da doença. Tal estudo necessitou de uma nova abordagem computacional para a descrição de estruturas tridimensionais de anticorpos. Essa nova aproximação consistiu na aplicação de técnicas de computacionais de modelagem e engenharia molecular para a geração de modelos de anticorpos com base em sucessivas substituições dos resíduos componentes do sítio de interação com o antígeno. Testes realizados envolvendo modelos de anticorpos disponíveis em bancos de dados especializadosindicaram (48 ± 18) % e (65 ± 14) % de identidade das cadeias leve e pesada, respectivamente, entre os modelos gerados computacionalmente e as estruturas 3D reais de anticorpos. Por fim, para comprovar o funcionamento dos nanoimunossensores, foi desenvolvido um modelo estatístico para tratar e interpretar os dados experimentais. Este modelo foi eficiente para distinguir os pacientes soropositivos de sujeitos soronegativos para determinados biomarcadores relacionados à Neuromielite Óptica e a Esclerose Múltipla, fornecendo assim um novo e mais preciso processopara diagnóstico de doenças desmielinizantes. / Study of the biological coverage of nanosurfaces by computational modeling: application in the development of nanoimunoresensors. In this work, computational molecular modeling techniques were applied to describe nanosurfaces functionalized with immune system biomolecules, correlating data from atomic force microscope experiments, molecular dynamics, and steered molecular dynamics simulations. The main goal of this research was to evaluate intermolecular forces involved in the antigen-antibody interaction on the nanosurfaces during the development of nanoimmunosensors for demyelinating diseases detection, especially neuromyelitisoptica. The neuromyelitisoptica is an autoimmune inflammation in which components of the immune system respond against optical nerves and spinal cord, resulting in demyelinating lesions. In the literature, studies have established anti-aquaporin 4 as an important biomarker for neuromyelitisoptica. Then, a nanoimmunosensor for anti-aquaporin 4 antibodies detection in neuromyelitisoptica patients serum via Atomic Force Microscopy is in development. This study requested a computational approach for describing the tridimensional structure of antibodies. The novel approach consisted of computer molecular modeling and engineering to perform successive substitutions in residues of the antigen interaction site. Tests carried out using antibody structures available in specialized data banks demonstrated the similarity of (48 ± 18) % and (65 ± 14) % for light and heavy chains, respectively, of the computationally generated models and experimental 3D structures of antibodies. Additionally, a statistical model was developed to prove the nanoimmunosensor sensing activity, which was useful to treat and interpret the experimental data. This statistical model was efficient to distinguish seropositive patients from seronegative subjects considering specific biomarkers related to neuromyelitisoptica and multiple sclerosis, providing a novel and more precise process for demyelinating disease diagnosis.