.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

No centenário da equação de Schrödinger, revisita-se o contexto histórico e científico da sua criação, integrando elementos essenciais da biografia de Erwin Schrödinger. Abordam-se as motivações teóricas que conduziram à formulação da mecânica ondulatória, a sua equivalência com a mecânica matricial de Heisenberg e a interpretação física da função de onda, bem como o impacto duradouro desta teoria na física e nas tecnologias quânticas.

Ao longo dos 100 anos da sua história, a teoria quântica foi decisiva para o estabelecimento da química computacional como área fundamental da química, capaz de racionalizar e prever.  Como exemplos da contribuição da teoria quântica para uma visão ao nível molecular dos fenómenos químicos, descrevem-se sucintamente os principais métodos post-Hartree-Fock para o cálculo da energia eletrónica, realçando os seus principais ingredientes. De modo a facilitar a leitura, procurou-se manter uma linguagem o mais simples possível, sem descuidar o rigor científico que se impõe mesmo num artigo de divulgação. Finalmente, a título ilustrativo, apresenta-se a aplicação dos métodos post-Hartree-Fock ao cálculo da energia eletrónica da molécula de água na sua geometria de equilíbrio e numa geometria distorcida. 

Os avanços recentes nos conceitos Quimioinformáticos e a sua relação complementar com os fundamentos da Química Quântica criam novas perspetivas a implementar na previsão e interpretação das características estruturais responsáveis por certo perfil físico-químico-biológico inerente a determinado sistema químico avaliado. Este artigo centra-se no caso particular da forma de codificação estrutural MOLMAP e no algoritmo Random Forest. É assim obtida uma relação sólida entre a estrutura e a propriedade/atividade avaliada. Os métodos de Química Quântica constituem um passo indispensável na previsão de propriedades atómicas inerentes à codificação MOLMAP e na obtenção de modelo baseado no algoritmo da Random Forest. Com o progresso gradual dos recursos informáticos, espera-se que grandes bases de dados de propriedades atómicas alimentem formas de codificação fiáveis e forneçam as condições necessárias para a produção de modelos de Aprendizagem Automática rápidos, interpretáveis e precisos.

A química computacional progrediu com os avanços recentes da aprendizagem máquina (AM), explorando relações complexas entre estruturas químicas e propriedades. Os modelos de relação quantitativa estrutura-atividade/propriedade evoluíram com conjuntos de dados de grande dimensão e complexidade, tornando a sua interpretação desafiante e destacando a necessidade de técnicas avançadas como Aprendizagem Profunda (AP), AutoAM e explicabilidade. O DeepMol, um pacote pioneiro de quimioinformática, permite prever atividades/propriedades e outras informações relevantes de compostos químicos. Com estrutura modular, oferece personalização em cada etapa do pipeline de AM, desde o processamento de dados até à previsão e explicabilidade dos modelos. As funcionalidades de AM automatizado otimizam métodos de pré-processamento, de engenharia de dados e os modelos de AM/AP. Disponível em github.com/BioSystemsUM/DeepMol e com documentação abrangente, é acessível mesmo para utilizadores com pouca experiência em programação.

As enzimas atingem a sua notável eficiência catalítica através da sua capacidade de reorganização eletrónica num ambiente molecular dinâmico e heterogéneo. Para captar este processo, as representações clássicas da estrutura e energia são insuficientes. A introdução dos métodos híbridos de mecânica quântica/mecânica molecular (QM/MM) constituiu um avanço decisivo ao permitir descrever explicitamente as reações químicas, mantendo uma descrição realista do ambiente da proteína e do solvente. Neste artigo recorda-se a evolução da enzimologia computacional baseada em métodos QM/MM, a partir de um conjunto de estudos representativos do percurso científico dos autores. Estes exemplos mostram como a estrutura eletrónica, as flutuações conformacionais, a participação do solvente e a coexistência de vias mecanísticas alternativas moldam, em conjunto, a reatividade enzimática. Discutem-se ainda de que forma a combinação da dinâmica molecular, técnicas de amostragem avançada e, mais recentemente, abordagens baseadas em machine learning, transformou o QM/MM de uma abordagem essencialmente interpretativa numa ferramenta preditiva. Conclui-se com uma breve análise sobre as oportunidades e limitações que atualmente definem a área, bem como sobre o seu papel crescente no desenho racional de enzimas e catalisadores.

Propriedades como baixa inflamabilidade, volatilidade reduzida, ampla janela eletroquímica e reciclabilidade tornam os líquidos iónicos (LIs) alternativas atrativas aos solventes orgânicos convencionais. O progresso nas duas últimas décadas na compreensão das suas propriedades químicas e físicas deve-se à intensa cooperação entre experimentalistas e investigadores teóricos/computacionais. Nesta contribuição, apresentamos os métodos baseados na função de onda e abordagens de Teoria do Funcional da Densidade (DFT) aplicados ao estudo dos líquidos iónicos e os respetivos desafios associados.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.