Understanding the dynamic behaviour of proteins—and being able to predicttheir conformational changes—is essential for elucidating their functionalmechanisms. While all-atom Molecular Dynamics (MD) simulationsrepresent the gold standard for modelling protein dynamics, they arecomputationally expensive and often limited in their ability to explore largescaleconformational transitions. In this thesis, a coarse-grained approach toprotein dynamics is explored by coupling Brownian Dynamics (BD), governedby Langevin equations, with coarse-grained Elastic Network Models (ENMs),which approximate proteins as networks of harmonic springs connectingCα atoms. The goal is to enhance sampling efficiency while maintainingstructural realism by means of a suitable set of parameters that balancesgeometric accuracy with sufficient conformational flexibility. A systematicparametric study was conducted. Following an extensive exploration ofthe parameter space, an optimal combination of BD-ENM parameters wasselected and validated by comparing the BD model’s Essential Dynamics (ED)against: (i) the Principal Components (PCs) from experimental ensembles, (ii)the observed conformational changes captured experimentally, (iii) the EDmodes from atomistic MD trajectories. In several cases, a high agreementwas observed—particularly for proteins exhibiting large-scale motions suchas opening and closing transitions. The model was able to sample a diverserange of conformations within relatively short simulation times, demonstratingits potential as a fast yet informative tool for protein dynamics studies. It wasalso found to preserve the stereochemical properties of the protein structures,as confirmed through atomistic reconstruction and validation. Altogether,these results highlight the reliability and efficiency of the coarse-grained BDENMapproach, suggesting strong potential for future applications. Althoughthe BD-ENM framework proved effective and computationally efficient,opportunities for improvement remain, especially in refining the representationof long-range interactions within the ENM.

Att förstå proteiners dynamiska beteende – och att kunna förutsäga deraskonformationsförändringar – är avgörande för att klarlägga deras funktionellamekanismer. Även om atomistiska molekylärdynamiksimuleringar(MD) representerar guldstandarden för att modellera proteindynamik, är deberäkningsmässigt kostsamma och ofta begränsade i sin förmåga att utforskastorskaliga konformationsövergångar.I denna avhandling utforskas ett grovkornigt tillvägagångssätt för proteindynamikgenom att koppla Brownsk dynamik (BD), som styrs av Langevinekvationer,till grovkorniga elastiska nätverksmodeller (ENM), där proteinerapproximeras som nätverk av harmoniska fjädrar som förbinder Cα-atomer.Målet är att förbättra provtagningseffektiviteten samtidigt som man bevararstrukturell realism genom ett lämpligt val av parametrar som balanserargeometrisk noggrannhet med tillräcklig konformationsflexibilitet.En systematisk parametrisk studie genomfördes. Efter en omfattandeutforskning av parameterutrymmet valdes en optimal kombination av BDENM-parametrar, vilken validerades genom att jämföra den essentielladynamiken (ED) från BD-modellen med: (i) huvudkomponenterna (PC) frånexperimentella ensembledata, (ii) observerade konformationsförändringarfrån experiment, (iii) ED-mönster från atomistiska MD-trajektorier. I flerafall observerades hög överensstämmelse – särskilt för proteiner som uppvisarstorskaliga rörelser såsom öppnings- och stängningsövergångar. Modellenvisade sig också kunna provta ett brett spektrum av konformationer inomrelativt korta simuleringstider, vilket visar på dess potential som ett snabbtmen informativt verktyg för studier av proteindynamik.Ramen visade sig även bevara proteinstrukturens stereokemiska egenskaper,vilket bekräftades genom atomistisk rekonstruktion och validering.Sammantaget stöder dessa resultat tillförlitligheten hos grovkorniga modelleroch antyder deras potential för vidare tillämpningar. Även om BD-ENMramverketvisade sig effektivt och beräkningsmässigt fördelaktigt, finnsdet fortfarande utrymme för förbättringar – särskilt vad gäller att förfinarepresentationen av långdistansinteraktioner i ENM.