
Molecular modelling encompasses all methods, theoretical and computational, used to model or mimic the behaviour of molecules.[1] The methods are used in the fields of computational chemistry, drug design, computational biology and materials science to study molecular systems ranging from small chemical systems to large biological molecules and material assemblies. The simplest calculations can be performed by hand, but inevitably computers are required to perform molecular modelling of any reasonably sized system. The common feature of molecular modelling methods is the atomistic level description of the molecular systems. This may include treating atoms as the smallest individual unit (a molecular mechanics approach), or explicitly modelling protons and neutrons with its quarks, anti-quarks and gluons and electrons with its photons (a quantum chemistry approach).
Molecular mechanics

Molecular mechanics is one aspect of molecular modelling, as it involves the use of classical mechanics (Newtonian mechanics) to describe the physical basis behind the models. Molecular models typically describe atoms (nucleus and electrons collectively) as point charges with an associated mass. The interactions between neighbouring atoms are described by spring-like interactions (representing chemical bonds) and Van der Waals forces. The Lennard-Jones potential is commonly used to describe the latter. The electrostatic interactions are computed based on Coulomb's law. Atoms are assigned coordinates in Cartesian space or in internal coordinates, and can also be assigned velocities in dynamical simulations. The atomic velocities are related to the temperature of the system, a macroscopic quantity. The collective mathematical expression is termed a potential function and is related to the system internal energy (U), a thermodynamic quantity equal to the sum of potential and kinetic energies. Methods which minimize the potential energy are termed energy minimization methods (e.g., steepest descent and conjugate gradient), while methods that model the behaviour of the system with propagation of time are termed molecular dynamics.
Esta función, denominada función potencial , calcula la energía potencial molecular como una suma de términos energéticos que describen la desviación de las longitudes de enlace, los ángulos de enlace y los ángulos de torsión respecto a los valores de equilibrio, más términos para pares de átomos no enlazados que describen las interacciones de van der Waals y electrostáticas. El conjunto de parámetros que consta de longitudes de enlace de equilibrio, ángulos de enlace, valores de carga parcial, constantes de fuerza y parámetros de van der Waals se denomina colectivamente campo de fuerza . Diferentes implementaciones de mecánica molecular utilizan diferentes expresiones matemáticas y diferentes parámetros para la función potencial . [ 2 ] Los campos de fuerza comunes en uso hoy en día se han desarrollado utilizando teoría química, datos de referencia experimentales y cálculos cuánticos de alto nivel. El método, denominado minimización de energía, se utiliza para encontrar posiciones de gradiente cero para todos los átomos, es decir, un mínimo de energía local. Los estados de energía más bajos son más estables y se investigan comúnmente debido a su papel en los procesos químicos y biológicos. Una simulación de dinámica molecular , por otro lado, calcula el comportamiento de un sistema en función del tiempo. Implica resolver las leyes del movimiento de Newton, principalmente la segunda ley,La integración de las leyes del movimiento de Newton, mediante diferentes algoritmos, permite obtener trayectorias atómicas en el espacio y el tiempo. La fuerza sobre un átomo se define como el gradiente negativo de la función de energía potencial. El método de minimización de energía resulta útil para obtener una representación estática que permita comparar estados de sistemas similares, mientras que la dinámica molecular proporciona información sobre los procesos dinámicos, incluyendo intrínsecamente los efectos de la temperatura.
Variables
Las moléculas pueden modelarse tanto en el vacío como en presencia de un disolvente, como el agua. Las simulaciones de sistemas en el vacío se denominan simulaciones en fase gaseosa , mientras que aquellas que incluyen la presencia de moléculas de disolvente se denominan simulaciones con disolvente explícito . En otro tipo de simulación, el efecto del disolvente se estima mediante una expresión matemática empírica; estas se denominan simulaciones de solvatación implícita .
Representaciones de coordenadas
La mayoría de los campos de fuerza dependen de la distancia, lo que hace que la expresión más conveniente para estas coordenadas cartesianas sea la más adecuada. Sin embargo, la naturaleza relativamente rígida de los enlaces que se producen entre átomos específicos, y que en esencia define el significado de la designación molécula , hace que un sistema de coordenadas internas sea la representación más lógica. En algunos campos, la representación IC (longitud del enlace, ángulo entre enlaces y ángulo de torsión del enlace, como se muestra en la figura) se denomina matriz Z o representación del ángulo de torsión. Desafortunadamente, los movimientos continuos en el espacio cartesiano a menudo requieren ramificaciones angulares discontinuas en las coordenadas internas, lo que dificulta relativamente el trabajo con campos de fuerza en la representación de coordenadas internas; y, a la inversa, un simple desplazamiento de un átomo en el espacio cartesiano puede no ser una trayectoria en línea recta debido a las prohibiciones de los enlaces interconectados. Por lo tanto, es muy común que los programas de optimización computacional alternen entre representaciones durante sus iteraciones. Esto puede dominar el tiempo de cálculo del potencial en sí y, en moléculas de cadena larga, introducir una imprecisión numérica acumulativa. Si bien todos los algoritmos de conversión producen resultados matemáticamente idénticos, difieren en velocidad y precisión numérica. [ 3 ] Actualmente, el método de conversión de torsión a cartesiano más rápido y preciso es el del Marco de Referencia de Extensión Natural (NERF). [ 3 ]
Aplicaciones
Los métodos de modelado molecular se utilizan habitualmente para investigar la estructura, la dinámica, las propiedades superficiales y la termodinámica de sistemas inorgánicos, biológicos y poliméricos. Actualmente, existe una gran cantidad de modelos moleculares de campos de fuerza disponibles en bases de datos. [ 4 ] [ 5 ] Los tipos de actividad biológica que se han investigado mediante modelado molecular incluyen el plegamiento de proteínas , la catálisis enzimática , la estabilidad de las proteínas, los cambios conformacionales asociados a la función biomolecular y el reconocimiento molecular de proteínas, ADN y complejos de membrana. [ 6 ]
Véase también
- Quimioinformática
- Comparación de implementaciones de campos de fuerza
- Comparación de software de simulación de ácidos nucleicos
- Comparación de software para modelado de mecánica molecular
- Software de teoría funcional de la densidad
- Lista de sistemas de gráficos moleculares
- Lista de software de predicción de estructura de proteínas
- Lista de software para modelado molecular de Monte Carlo
- Lista de software para el modelado de nanoestructuras
- Software de diseño molecular
- Ingeniería molecular
- Gráficos moleculares
- Modelo molecular
- Modelado molecular en GPU
- editor de moléculas
- método de Monte Carlo
- Programas informáticos de química cuántica
- Método de química cuántica semiempírica
- Realidad simulada
- Bioinformática estructural
- Matriz Z (matemáticas)
Referencias
- ↑ Leach AR (2009). Modelado molecular : principios y aplicaciones . Pearson Prentice Hall. ISBN 978-0-582-38210-7OCLC 635267533
- ↑ Heinz H, Ramezani-Dakhel H (enero de 2016). "Simulaciones de interfaces inorgánicas-bioorgánicas para descubrir nuevos materiales: perspectivas, comparaciones con experimentos, desafíos y oportunidades" . Chemical Society Reviews . 45 (2): 412–48 . doi : 10.1039/C5CS00890E . PMID 26750724 .
- 1 2 Parsons J, Holmes JB, Rojas JM, Tsai J, Strauss CE (julio de 2005). "Conversión práctica del espacio de torsión al espacio cartesiano para la síntesis de proteínas in silico". Journal of Computational Chemistry . 26 (10): 1063– 8. Bibcode : 2005JCoCh..26.1063P . doi : 10.1002/jcc.20237 . PMID 15898109. S2CID 2279574 .
- ↑ Stephan, Simon; Horsch, Martin T.; Vrabec, Jadran; Hasse, Hans (2019-07-03). "MolMod – una base de datos de acceso abierto de campos de fuerza para simulaciones moleculares de fluidos" . Molecular Simulation . 45 (10): 806– 814. arXiv : 1904.05206 . doi : 10.1080/08927022.2019.1601191 . ISSN 0892-7022 . S2CID 119199372 .
- ↑ Eggimann, Becky L.; Sunnarborg, Amara J.; Stern, Hudson D.; Bliss, Andrew P.; Siepmann, J. Ilja (2014-01-02). "Una base de datos en línea de parámetros y propiedades para el campo de fuerza TraPPE" . Simulación molecular . 40 ( 1–3 ): 101–105 . doi : 10.1080/08927022.2013.842994 . ISSN 0892-7022 . S2CID 95716947 .
- ↑ Lee J, Cheng X, Swails JM, Yeom MS, Eastman PK, Lemkul JA, et al. (enero de 2016). "CharMM-GUI Input Generator for NAMD, GROMACS, AMBER, OpenMM, and CHARMM/OpenMM Simulations Using the CHARMM36 Additive Force Field" . Journal of Chemical Theory and Computation . 12 (1): 405–13 . doi : 10.1021/acs.jctc.5b00935 . PMC 4712441. PMID 26631602 .
Lecturas adicionales
- Allen MP, Tildesley DJ (1989). Simulación por ordenador de líquidos . Oxford University Press. ISBN 0-19-855645-4.
- Frenkel D, Smit B (1996). Comprensión de la simulación molecular: de los algoritmos a las aplicaciones . Academic Press. ISBN 0-12-267370-0.
- Rapaport DC (2004). El arte de la simulación de dinámica molecular . Cambridge University Press. ISBN 0-521-82568-7.
- Sadus RJ (2002). Simulación molecular de fluidos: teoría, algoritmos y orientación a objetos . Elsevier. ISBN 0-444-51082-6.
- Ramachandran KI, Deepa G, Krishnan Namboori PK (2008). Química Computacional y Modelado Molecular: Principios y Aplicaciones . Springer-Verlag GmbH. ISBN 978-3-540-77302-3.
- Modelado molecular
- Bioinformática
- Biología molecular
- Química computacional