Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Dinámica Molecular (Descripción de la técnica) Francisco Castro Tópicos de Materia Condensada Blanda Simulaciones: Métodos de Mecánica Cuántica : Métodos Moleculares : -‐ Ignoran electrones -‐ La Energía es función de las posiciones nucleares -‐ Campos de Fuerza Empíricos -‐ Número Considerable de Atomos ~105 -‐106 Simulación con Dinámica Molecular Monte Carlo o Dinámica Molecular -‐ Electrones -‐ Tiempo de cálculo considerable -‐ Sistemas Pequeños ~102 átomos Dinámica Molecular -‐ Consiste en el uso de la mecánica clásica para modelar la estructura y dinámica de moléculas. -‐ Detalle molecular inaccesible experimentalmente en muchos casos -‐ El comportamiento molecular es de orígen mecánico cuánDco, por lo que se requiere de aproximaciones (Campo de fuerza) Elementos de Simulación por Dinámica Molecular € Fi = mia i = mi ˙ ̇ r i = −∇ iV (r) V(r) es un Campo de Fuerza Empírico Segunda Ley de Newton: Solución Numérica: Verlet, velocity Verlet, Leap Frog, etc. How can we integrate Newton’s equaTons of moTon? Many-‐parDcle problem. We can forget about analyDcal soluDons. Finite differences methods: Dme is discreDzed. Key quanDty: Δt (Dmestep). Idea: ConfiguraDon at Dme t ConfiguraDon at t+Δt algorithm Tarea 1 Describir los algoritmos de Integración: Verlet, velocity Verlet, Leap Frog, etc. Con sus ventajas y desventajas Algoritmo de Integración: Leap Frog Algoritmo de Integración: Leap Frog Campo de Fuerza Doblamiento de ángulos Interacciones de largo alcance Interacciones de largo alcance torsion Enlaces químicos El Campo de Fuerza Coarse Grained Model for Lipids, Water and Cholesterol Molecular Dynamics Simulations MARTINI FORCE FIELD MODEL, v2.0 SJ Marrink, HJ Riselada, S Yefimov, DP Tieleman and AH de Vries, JCP, B 2007, 111, p7812 POPC (Palmitoyl-‐Oleoyl-‐Phosphocholine) CHOLESTEROL 4 heavy atoms ≈ 1 coarse grained superatom or bead Campo de Fuerza € V (r) = Kb (b − b0) 2 enlaces ∑ + Kθ (θ −θ0) 2 angulos ∑ + Kφ(1+ cos(nφ −δ)) torsion ∑ + qiq j 4πε0 rijInteracciones L argo Alcance ∑ + εij σ ij rij ⎛ ⎝ ⎜ ⎜ ⎞ ⎠ ⎟ ⎟ 12 − σ ij rij ⎛ ⎝ ⎜ ⎜ ⎞ ⎠ ⎟ ⎟ 6⎡ ⎣ ⎢ ⎢ ⎤ ⎦ ⎥ ⎥ Obtención de los Parámetros del Campo de Fuerza -‐ Los enlaces químicos y doblamiento de ángulos se modelan ajustando a datos expectroscópicos experimentales de pequeñas moleculas. -‐ Los ángulos de torsión y cargas parciales se derivan a parDr de cálculos ab ini(o de pequeñas moléculas. -‐ Los parámetros de van der Waals se ajustan a datos experimentales de la fase líquida (densidad, calor de vaporización) Dinámica Molecular Métodos Condiciones Periódicas de Frontera Truncamiento suave de interacciones de vdW ParTcle -‐mesh Ewald (PME) para electrostáTca MulTple Time step algorithms: 1 fs for bonded interacDons 2 fs for short ranged non-‐bonded 4 fs for long ranged electrostaDc φ φ φ φ r r r r rc rc rc rc r’ Just set to 0 for r>rc Discontinuous ! Shift and set to 0 for r>rc (first derivative is discontinuous) Set to 0 for r>rc; interpolate for r’<r<rc Cutoff methods para vdW’s Δt ≈ 2 fs (DM atomísTcas) Corridas en escalas de Tempo de ns a μs (atomísTcas) Δt ≈ 25 fs (DM Coarse-‐grained) Corridas en escalas de Tempo de μs a ms (coarse-‐grained) -‐ Microcanónico (NVE) -‐ Canónico (NVT) -‐ Isotérmico-‐Isobárico (NPT) -‐ Gran Canónico -‐ Etc. Ensembles Tarea 2 Describir los termostátos para control de Temperatura: -‐ Escalamiento de velocidades -‐ Anderson -‐ Nosé-‐Hoover -‐ Langevin-‐dynamics y -‐ Berendsen. Describir los barostátos para control de Presión: -‐ Escalamiento de volumen -‐ Anderson -‐ Nosé-‐Hoover y -‐ Berendsen IniTal condiTons In order to solve Newton equaDons, we need to assign iniDal posiDons and velociDes. The parDcles start to exchange energy, unDl the system equilibrates. Typical iniDal condiDons: ⇒ PosiDons: Ideal situaDon (perfect la`ce posiDons) From the Protein Data Bank if simulaDng Proteins ⇒ VelociDes: extracted from a Maxwellian distribuDon ....... Corresponding to the temperature we are interested in. Ensemble averages in MD simulations Protocolo para una Simulación • Generación de la estructura inicial (PDB) • Minimización de energía (elimina traslapes) • Termalización (equilibración) • Corrida de la Simulación (Producción) • Análisis de las propiedades de interés (g(r), rsmd, parámetros de orden, etc.) Campos de Fuerza (Force Fields) y Sobware Campo de Fuerzas CHARMM Mackerel A, Karplus M. et al Campo de Fuerzas GROMOS Van Gunsteren, et al, Berger O. et al “All-‐atom” “United-‐atom” Paquete: NAMD Kale L. et al, J. Comput Phys. 1999 Theore(cal and Computa(onal Group Univ. of Illinois at Urbana-‐Champaign Paquete: GROMACS Berendsen H. et al University of Groningen, The Netherlands Grupo CH Alifá(co Grupo CH2 Alifá(co Grupo CH3 Alifá(co hdp://www.ks.uiuc.edu/Research/namd hep://www.gromacs.org Otros Campos de Fuerza (Force Fields) y Sobware Campo de Fuerzas AMBER Peter Kollman et al Campo de Fuerzas OPLS Jorgensen et al Paquete: AMBER Peter Kollman et al hdp://ambermd.org/ Paquete: Puede implementarse en GROMACS y otros paquetes Más Sobware para Dinámica Molecular… -‐ Desmond: D. E. Shaw Research hdp://deshawresearch.com ) -‐ LAMMPS: Large-‐scale Atomic/Molecular Massively Parallel Simulator (hdp://lammps.sandia.gov) -‐ CHARMM: Chemistry at HARvard Macromolecular Mechanics. hdp://www.charmm.org -‐ GROMOS hdp://www.igc.ethz.ch/GROMOS/index Sobwarepara Visualización -‐ Visual Molecular Dynamics (VMD) hdp://www.ks.uiuc.edu/Research/vmd -‐ Chimera hdp://www.cgl.ucsf.edu/chimera Cómputo en Paralelo Herramientas de Trabajo -‐ Sohware capaz de realizar cómputo en paralelo -‐ Recursos de cómputo (clusters de procesadores) The performance of a 512-‐node Anton machine is over 17,000 nanoseconds of simulated Dme per day for a protein-‐water system consisDng of 23,558 atoms.[5] In comparison, MD codes running on general-‐purpose parallel computers with hundreds or thousands of processor cores achieve simulaDon rates of up to a few hundred nanoseconds per day on the same chemical system. ANTON: A Special-‐Purpose Supercomputer for MD SimulaTons of Biomolecules Designed by DE Shaw Research CPU’s vs GPU’s Procesador Gráfico GeForce de Nvidia A larger fracDon of transistors is devoted to data processing than to caching and flow control in a GPU, leading to a much larger number of arithmeDc logic units (ALU’s). Problemas fundamentales de Dinámica Molecular -‐ Campo de Fuerza -‐ Transferabilidad -‐ Muestreo (Tempos de orden de ns a μs) -‐ Ignora la Polarización -‐ No Predice Reacciones Químicas / protonación
Compartir