Инновационный путь развития технологии создания новых лекарственных средств

Трудно переоценить роль молекулярной механики в современной химической практике. Поскольку все вычислительные проблемы относятся лишь к хорошо разработанным процедурам минимизации, даже на маломощных персональных компьютерах можно анализировать строение больших многоатомных молекул за разумное время. Возможность увидеть структуру молекулы на экране компьютера, рассмотреть ее с разных сторон, проверить возникающие предположения о стерических затруднениях и т.д. оказывает неоценимую помощь в работе. Молекулярная механика играет роль молекулярного конструктора: для первичной оценки строения интересующей нас молекулы зачастую проще собрать молекулу на компьютере, чем тратить время на поиск необходимой информации в справочной литературе. При расчетах молекулярной структуры на более высоком уровне методами квантовой химии полезно использовать координаты ядер молекулы, найденные с помощью молекулярной механики, в качестве начального приближения. Для многих задач, например для конформационного анализа, уровень моделирования методами молекулярной механики оказывается вполне достаточным для качественных и даже количественных заключений.

В каждом конкретном случае необходимо интересоваться, для каких классов соединений параметризована та версия программы, которую предполагается применять при моделировании свойств нового соединения. Особенно осторожно следует относиться к оценкам энергий, хотя и для геометрических конфигураций возможны грубые ошибки.[5,6,7]

При моделировании методами молекулярной динамики или Монте-Карло интересующее нас свойство системы большого числа молекул вычисляется через статистические средние по положениям и движениям молекул. Как и в методах молекулярной механики, здесь также необходимо перечислить все частицы системы и задать потенциалы межчастичных взаимодействий. Однако в отличие от молекулярной механики в данных подходах области задания межчастичных потенциалов взаимодействия должны быть достаточно протяженными, и они не должны ограничиваться малыми смешениями от положений равновесия. Это накладывает существенно более высокие требования на способы расчета потенциалов.

Практически всегда уравнения, связывающие молекулярные параметры и свойства вещества, то есть макроскопические свойства, решаются численно, а эффективность решения существенно зависит от мощности используемых компьютеров. На рисунке 2 показаны схемы двух методик: Монте-Карло и молекулярной динамики, применяемых в компьютерных экспериментах. В обоих случаях задаются число молекул N, объем V, доступный для движения молекул, накладываются те или иные граничные условия, предписывается потенциал межмолекулярного взаимодействия U. В методе Монте-Карло обычно независимыми переменными, сохраняющими постоянные значения при моделировании, выбираются N, V и температура Т. Молекулы двигаются случайным образом в соответствии с предписаниями генератора случайных чисел, и каждое новое расположение либо принимается, либо отбрасывается с вероятностью, определенной по закону

,

где k — константа Больцмана.

Рисунок 2 – Схема расчетов методами Монте-Карло и молекулярной динамики

При моделировании в рамках молекулярной динамики положения r(t) и скорости v(t) каждой частицы в момент времени t определяются как решения системы уравнений классической механики (уравнений Ньютона) либо уравнений, в которых к силам F задаваемым потенциалом U, добавляются так называемые случайные силы. Макроскопические свойства рассчитываются при усреднении по положениям и скоростям молекул.

Как уже упоминалось, число частиц при моделировании методами Монте-Карло и молекулярной динамики с помошью современных суперкомпьютеров может достигать колоссальных величин. Даже без суперкомпьютеров достаточно типичны численные эксперименты для значений N порядка десятков и сотен тысяч. Примеры успешного применения методов Монте-Карло и молекулярной динамики для моделирования равновесных составов смесей при постоянном давлении, фазовых равновесий, адсорбции на поверхности твердых тел, свойств жидкостей в микропорах и т.д. достаточно многочисленны. Этими же методами решаются задачи поиска устойчивых конформаций (поворотных изомеров) полимерных молекул, чрезвычайно важные для биохимических приложений [5,6].