Generation of theoretical DHICA melanin models for the simulation of optical spectra

Abstract

ENG- In this thesis, three different approaches have been selected to assess the lack of knowledge on melanin and the relationship between its structure and properties from the fundamental point of view. First, the oxidative coupling mechanism for the oligomerisation of DHICA is studied, considering two different types of reactions: hydrogen abstraction and oxidation; initiation reactions in which reaction intermediates are generated. We also studied the reactivity of these intermediates such as their ability to dimerise. A reaction network was built with these reactions, and a kinetic model was simulated at different pH conditions, which helped us to understand which are the most favoured or relevant intermediates in the oxidative coupling mechanism of DHICA eumelanin. We obtained that hydrogen abstraction reactions with hydroperoxyl radical are the main driving force in the initiation step of this mechanism, except for simulations at pH 14, where the favoured reaction is an electron transfer. We also determined that the regioselectivity of the obtained dimers depends on the pH of the simulation. Second, to tackle the combinatorial explosion issue of eumelanin oligomers, we validated the usage of ML tools by creating a new model based on fingerprints, and we have compared it with other ML-based quantum chemical methods. A DHICA dimer library was constructed to help us find trends in the relationship between structure and properties of DHICA oligomers. Along with the previously created DHI dimer dataset, the trained models provided satisfactory results for stability prediction and optical absorption prediction. We are also capable of predicting the order of magnitude of the oscillator strength associated to absorption. These predictions are better than the ones obtained with the ML-based quantum chemical methods ANI-1x, ANI-1ccx, and AIQM1, which indicate that our fingerprints have been proven to be strong descriptors for the dimer dataset. These results represent a good starting point for generating models for larger eumelanin oligomers

CAT- En aquesta tesi s’han seleccionat tres enfocaments diferents per abordar la falta de coneixement sobre la melanina i la relació entre la seva estructura i les seves propietats des d’un punt de vista fonamental. En primer lloc, s’estudia el mecanisme d’acoblament oxidatiu per a la oligomerització del DHICA, considerant dos tipus diferents de reaccions: abstracció d’hidrogen i oxidació; reaccions d’iniciació en què es generen intermedis de reacció. També s’estudia la reactivitat d’aquests intermedis, com ara la seva capacitat de formar dímers. S’ha construït una xarxa de reaccions amb aquestes reaccions, i s’ha simulat un model cinètic a diferents condicions de pH, cosa que ens ajuda a entendre quins són els intermedis més afavorits o rellevants en el mecanisme d’acoblament oxidatiu de l’eumelanina de DHICA. S’ha obtingut que les reaccions d’abstracció d’hidrogen amb el radical hidroperoxil són la força principal en el pas d’iniciació d’aquest mecanisme, excepte en les simulacions a pH 14, on la reacció afavorida és una transferència electrònica. També s’ha determinat que la regioselectivitat dels dímers obtinguts depèn del pH de la simulació. En segon lloc, per afrontar el problema de l’explosió combinatòria dels oligòmers d’eumelanina, s’ha validat l’ús d’eines d’aprenentatge automàtic (ML) mitjançant la creació d’un nou model basat en fingerprints (descriptors moleculars), i s’ha comparat amb altres mètodes de química quàntica basats en ML. Hem construït una biblioteca de dímers de DHICA que ens ajudarà a trobar tendències en la relació entre estructura i propietats dels oligòmers de DHICA. Juntament amb el conjunt de dades de dímers de DHI creat prèviament, els models entrenats proporcionen resultats satisfactoris en la predicció de l’estabilitat i en la predicció de l’absorció òptica. També podem predir l’ordre de magnitud de la força de l’oscil·lador associada a l’absorció. Aquestes prediccions són millors que les obtingudes amb els mètodes de química quàntica basats en ML, com són ANI-1x, ANI-1ccx, i AIQM1, cosa que indica que els nostres fingerprints han demostrat ser descriptors potents per al conjunt de dades de dímers. Aquests resultats representen un bon punt de partida per generar models per a oligòmers d’eumelanina més grans