Молекулярное моделирование включает в себя все методы, теоретические и вычислительные, используемые для моделирования или имитации поведения молекул . [1] Методы используются в области вычислительной химии , дизайна лекарств , вычислительной биологии и материаловедения.для изучения молекулярных систем, начиная от небольших химических систем до больших биологических молекул и материальных сборок. Простейшие расчеты можно выполнить вручную, но неизбежно требуются компьютеры для молекулярного моделирования любой системы разумного размера. Общей чертой методов молекулярного моделирования является описание молекулярных систем на атомистическом уровне. Это может включать рассмотрение атомов как наименьшей индивидуальной единицы ( подход молекулярной механики ) или явное моделирование протонов и нейтронов с их кварками, антикварками и глюонами и электронов с их фотонами ( подход квантовой химии ).
Молекулярная механика
Молекулярная механика - это один из аспектов молекулярного моделирования, поскольку он включает использование классической механики ( механики Ньютона ) для описания физической основы, лежащей в основе моделей. Молекулярные модели обычно описывают атомы (ядро и электроны вместе) как точечные заряды с соответствующей массой. Взаимодействия между соседними атомами описываются пружинными взаимодействиями (представляющими химические связи ) и силами Ван-дер-Ваальса . Для описания последнего обычно используется потенциал Леннарда-Джонса . Электростатические взаимодействия вычисляются на основе закона Кулона . Атомам назначаются координаты в декартовом пространстве или во внутренних координатах , а также им могут быть присвоены скорости в динамических симуляциях. Скорости атомов связаны с температурой системы, макроскопической величиной. Коллективное математическое выражение называется потенциальной функцией и связано с внутренней энергией системы (U), термодинамической величиной, равной сумме потенциальной и кинетической энергий. Методы, которые минимизируют потенциальную энергию, называются методами минимизации энергии (например, наискорейшим спуском и сопряженным градиентом ), а методы, которые моделируют поведение системы с течением времени, называются молекулярной динамикой .
Эта функция, называемая потенциальной функцией , вычисляет молекулярную потенциальную энергию как сумму энергетических членов, которые описывают отклонение длин связей, валентных углов и торсионных углов от равновесных значений, плюс члены для несвязанных пар атомов, описывающие ван дер-Ваальса и электростатических взаимодействий. Набор параметров, состоящий из длин равновесных связей, валентных углов, значений парциального заряда, силовых констант и параметров Ван-дер-Ваальса, в совокупности называется силовым полем . Различные реализации молекулярной механики используют разные математические выражения и разные параметры для потенциальной функции . [2] Общие силовые поля, используемые сегодня, были разработаны с использованием химической теории, экспериментальных справочных данных и высокоуровневых квантовых расчетов. Метод, называемый минимизацией энергии, используется для нахождения положений нулевого градиента для всех атомов, другими словами, локального минимума энергии. Состояния с более низкой энергией более стабильны и обычно исследуются из-за их роли в химических и биологических процессах. С другой стороны, моделирование молекулярной динамики вычисляет поведение системы как функцию времени. Он включает в себя решение законов движения Ньютона, в основном второго закона,. Интеграция законов движения Ньютона с использованием различных алгоритмов интеграции приводит к атомным траекториям в пространстве и времени. Сила, действующая на атом, определяется как отрицательный градиент функции потенциальной энергии. Метод минимизации энергии полезен для получения статической картины для сравнения состояний подобных систем, в то время как молекулярная динамика предоставляет информацию о динамических процессах с внутренним учетом температурных эффектов.
Переменные
Молекулы можно моделировать либо в вакууме, либо в присутствии растворителя, такого как вода. Моделирование систем в вакууме называется моделированием газовой фазы , в то время как модели, учитывающие присутствие молекул растворителя, называются явным моделированием растворителя . В другом типе моделирования влияние растворителя оценивается с помощью эмпирического математического выражения; это называется моделированием неявной сольватации .
Координатные представления
Большинство силовых полей зависят от расстояния, что делает наиболее удобное выражение для этих декартовых координат. Тем не менее, сравнительно жесткий характер связей, которые возникают между конкретными атомами и, по сути, определяют, что подразумевается под обозначением молекулы , делают внутреннюю систему координат наиболее логичным представлением. В некоторых областях представление IC (длина связи, угол между связями и угол закручивания связи, как показано на рисунке) называется представлением Z-матрицы или торсионного угла. К сожалению, непрерывные движения в декартовом пространстве часто требуют прерывистых угловых ветвей во внутренних координатах, что затрудняет работу с силовыми полями во внутренних координатных представлениях, и, наоборот, простое смещение атома в декартовом пространстве может не быть прямой траекторией из-за на запреты взаимосвязанных облигаций. Таким образом, программы оптимизации вычислений часто переключаются между представлениями во время их итераций. Это может доминировать во времени вычисления самого потенциала, а в длинноцепочечных молекулах вносит совокупную численную неточность. Хотя все алгоритмы преобразования дают математически идентичные результаты, они различаются по скорости и числовой точности. [3] В настоящее время самым быстрым и точным преобразованием кручения в декартово является метод системы отсчета естественного расширения (NERF). [3]
Приложения
В настоящее время методы молекулярного моделирования обычно используются для исследования структуры, динамики, свойств поверхности и термодинамики неорганических, биологических и полимерных систем. Типы биологической активности, которые были исследованы с помощью молекулярного моделирования, включают фолдинг белка , ферментный катализ , стабильность белка, конформационные изменения, связанные с биомолекулярной функцией, и молекулярное распознавание белков, ДНК и мембранных комплексов. [4]
Смотрите также
- Хеминформатика
- Сравнение реализаций силового поля
- Сравнение программного обеспечения для моделирования нуклеиновых кислот
- Сравнение программного обеспечения для моделирования молекулярной механики
- Программное обеспечение для теории функционала плотности
- Список систем молекулярной графики
- Список программ для предсказания структуры белков
- Список программ для молекулярного моделирования методом Монте-Карло
- Список программ для моделирования наноструктур
- Программное обеспечение для молекулярного дизайна
- Молекулярная инженерия
- Молекулярная графика
- Молекулярная модель
- Молекулярное моделирование на графическом процессоре
- Редактор молекул
- Метод Монте-Карло
- Компьютерные программы по квантовой химии
- Полуэмпирический метод квантовой химии
- Смоделированная реальность
- Структурная биоинформатика
- Z-матрица (математика)
Рекомендации
- Перейти ↑ Leach AR (2009). Молекулярное моделирование: принципы и приложения . Пирсон Прентис Холл. ISBN 978-0-582-38210-7. OCLC 635267533 .
- ^ Хайнц Х., Рамезани-Дахель Х. (январь 2016 г.). «Моделирование неорганических-биоорганических интерфейсов для открытия новых материалов: идеи, сравнения с экспериментом, проблемы и возможности» . Обзоры химического общества . 45 (2): 412–48. DOI : 10.1039 / C5CS00890E . PMID 26750724 .
- ^ а б Парсонс Дж., Холмс Дж. Б., Рохас Дж. М., Цай Дж., Штраус CE (июль 2005 г.). «Практическое преобразование торсионного пространства в декартово пространство для синтеза протеина in silico». Журнал вычислительной химии . 26 (10): 1063–8. DOI : 10.1002 / jcc.20237 . PMID 15898109 . S2CID 2279574 .
- ^ Ли Дж., Ченг Х, Свейлс Дж. М., Йом М. С., Истман П. К., Лемкул Дж. А. и др. (Январь 2016 г.). «Генератор ввода CHARMM-GUI для моделирования NAMD, GROMACS, AMBER, OpenMM и CHARMM / OpenMM с использованием поля аддитивной силы CHARMM36» . Журнал химической теории и вычислений . 12 (1): 405–13. DOI : 10.1021 / acs.jctc.5b00935 . PMC 4712441 . PMID 26631602 .
дальнейшее чтение
- Аллен MP, Тилдесли DJ (1989). Компьютерное моделирование жидкостей . Издательство Оксфордского университета. ISBN 0-19-855645-4.
- Френкель Д., Смит Б. (1996). Понимание молекулярного моделирования: от алгоритмов к приложениям . ISBN 0-12-267370-0.
- Рапапорт, округ Колумбия (2004 г.). Искусство моделирования молекулярной динамики . ISBN 0-521-82568-7.
- Садус Р.Дж. (2002). Молекулярное моделирование жидкостей: теория, алгоритмы и объектная ориентация . ISBN 0-444-51082-6.
- Рамачандран К.И., Дипа Г., Кришнан Намбури П.К. (2008). Вычислительная химия и принципы молекулярного моделирования и их применения . Springer-Verlag GmbH. ISBN 978-3-540-77302-3.