A caracterização das flutuações dos resíduos da proteína em torno do seu estado nativo é essencial para estudar mudanças conformacionais, interação proteína-proteína e interação proteína-ligante. Tal caracterização pode ser capturada pelo modelo de rede gaussiana (GNM). Este modelo tem sido modificado e novas propostas têm surgido nos últimos anos. Nesta Tese, apresentamos um estudo sobre como melhorar o GNM e exploramos o seu desempenho em predizer os fatores-B experimentais. Modelos de redes elásticas são construídos a partir das coordenadas experimentais dos levando em consideração pares de átomos de C? distantes entre si até um dado raio de corte Rc . Estes modelos descrevem as interações entre os atómos por molas com a mesma constante de força. Desenvolvemos um método baseado em simulações numéricas com um campo de forças simplificado para atribuir pesos a estas constantes de mola. Este método considera o tempo em que dois átomos de C? permanecem conectados na rede durante o desenovelamento parcial, estabelecendo assim uma forma de medir a intensidade de cada ligação. Examinamos dois diferentes campos de forças simplificados e exploramos o cálculo desses pesos a partir do desenovelamento das estruturas nativas. Nós comparamos o seu desempenho na predição dos fatores-B com outros modelos de rede elástica. Avaliamos tal desempenho utilizando o coeficiente de correlação entre os fatores-B preditos e experimentais. Mostramos como o nosso modelo pode descrever melhor os fatores-B / The characterization of the fluctuations in protein residues around its native state is essential to study conformational changes, protein binding interaction and protein-protein interaction. Such characterization can be captured by simple elastic network models as the Gaussian Network Model (GNM). This model has been modified and new proposals have emerged in recent years. In this Thesis we propose an extended version of GNM, namely wGNM. Elastic network models are built on the experimental C? coordinates,and they only take the pairs of C? atoms within a given cutoff distance Rc into account. These models describe the interactions by elastic springs with the same force constant to predicted the experimental B-factors, providing insights into the structure-function properties of proteins. We have developed a method based on numerical simulations with a simple coarse-grained force field, to attribute weights to these spring constants. This method considers the time that two C? atoms remain connected in the network during partial unfolding, establishing a means of measuring the strength of each link. We examined two different coarse-grained force fields and explored the computation of these weights by unfolding native structures. We compare the B-factors predicted by different elastic network models with the experimental ones employing the correlation coefficient between these two quantities. We show that wGNM performs better and consequently provides better evaluation of the B-factors

A caracterização das flutuações dos resíduos da proteína em torno do seu estado nativo é essencial para estudar mudanças conformacionais, interação proteína-proteína e interação proteína-ligante. Tal caracterização pode ser capturada pelo modelo de rede gaussiana (GNM). Este modelo tem sido modificado e novas propostas têm surgido nos últimos anos. Nesta Tese, apresentamos um estudo sobre como melhorar o GNM e exploramos o seu desempenho em predizer os fatores-B experimentais. Modelos de redes elásticas são construídos a partir das coordenadas experimentais dos levando em consideração pares de átomos de C? distantes entre si até um dado raio de corte Rc . Estes modelos descrevem as interações entre os atómos por molas com a mesma constante de força. Desenvolvemos um método baseado em simulações numéricas com um campo de forças simplificado para atribuir pesos a estas constantes de mola. Este método considera o tempo em que dois átomos de C? permanecem conectados na rede durante o desenovelamento parcial, estabelecendo assim uma forma de medir a intensidade de cada ligação. Examinamos dois diferentes campos de forças simplificados e exploramos o cálculo desses pesos a partir do desenovelamento das estruturas nativas. Nós comparamos o seu desempenho na predição dos fatores-B com outros modelos de rede elástica. Avaliamos tal desempenho utilizando o coeficiente de correlação entre os fatores-B preditos e experimentais. Mostramos como o nosso modelo pode descrever melhor os fatores-B / The characterization of the fluctuations in protein residues around its native state is essential to study conformational changes, protein binding interaction and protein-protein interaction. Such characterization can be captured by simple elastic network models as the Gaussian Network Model (GNM). This model has been modified and new proposals have emerged in recent years. In this Thesis we propose an extended version of GNM, namely wGNM. Elastic network models are built on the experimental C? coordinates,and they only take the pairs of C? atoms within a given cutoff distance Rc into account. These models describe the interactions by elastic springs with the same force constant to predicted the experimental B-factors, providing insights into the structure-function properties of proteins. We have developed a method based on numerical simulations with a simple coarse-grained force field, to attribute weights to these spring constants. This method considers the time that two C? atoms remain connected in the network during partial unfolding, establishing a means of measuring the strength of each link. We examined two different coarse-grained force fields and explored the computation of these weights by unfolding native structures. We compare the B-factors predicted by different elastic network models with the experimental ones employing the correlation coefficient between these two quantities. We show that wGNM performs better and consequently provides better evaluation of the B-factors