Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Master de Física: Elementos de Física Biológica. Introducción a la Simulación Molecular. Bibliografía: - Understanding Molecular Simulation. Frenkel, Smit. (AP). - Molecular Modelling. Principles and applications. A. R. Leach. (Pearson) - Molecular Modeling and Simulation. Tamar Schlick. (Springer). - Introduction to Macromolecular Simulation. P.J. Steinbach. (web downloadable) - Introducción. - Potenciales Empíricos para moléculas. - Métodos de Simulación Numérica. - Ejemplos de simulación de Macromoléculas. "Since the audience comes from a wide range of backgrounds I'll assume total ignorance, but infinite intelligence." -- Jacob Israelachvili Un poco de (pre)historia de las Simulación: 1935: Según E. Segrè , Fermi realiza algunos cálculos numéricos de dispersión de neutrones que serian la prehistoria del Método Montecarlo. 1942-45: Construcción de ENIAC primer ordenador electrónico (válvulas). 1945-47: Von Newmann y Ulam producen series de números aleatorios por el método de “rechazo” y formalizan el método Montecarlo. 1953: Metropolis et al. publican el algoritmo de Metropolis. 1955: Fermi, Pasta, Ulam simulan una cadena de partículas (32) con interacción no lineal. MANIAC I en LANL. Dinámica Molecular 1957: Alder y Wainwright. DM de un gas de esferas duras. Wood y Parker. MC de un gas de esferas duras. Problemas que podemos abordar: - Proteínas: a) Plegamiento de Proteínas (“Protein Folding”). b) Interacción de Proteínas-Ligando, proteína-proteína (“Docking”). Cambios Conformacionales. c) Estabilidad de las proteínas. Defectos de plegamiento (priones, amiloides del Alzheimer, etc.) - DNA- RNA: a) Enrollamiento de las cadenas de ADN o ARN. (“coiling”) b) Interacción de ADN con proteínas. c) Dinámica de la desnaturalización del ADN. - Problemas de Física. a) Estructura de moléculas pequeñas (fulerenos, nanotubos de carbono, etc ) b) Vibraciones cristalinas. c) Difusión y transporte en sólidos y fluidos. ¿Qué tenemos que aprender ?. - Cómo modelizar nuestro problema. ¿ Es un problema cuántico o clásico ?. ¿Simulación a “todos los átomos” o “coarse-graning ?. ¿ Necesitamos simular en un solvente ?. -Técnicas numéricas: * Minimización * Simulación ¿Montecarlo ? ¿ Dinámica Molecular ? ¿Langevin? * ¿ Conjunto estadístico ? Clásico versus Cuántico. Criterio de comportamiento clásico: 1<< TkB ωh a T= 300 K kBT = 0.6 Kcal (25meV). ν (ω/2π)= 6.25 ps-1. POTENCIALES EMPÍRICOS PARA MACROMOLÉCULAS Las macromoléculas se pueden considerar un conjunto de partículas puntuales con carga que interaccionan entre sí mediante potenciales empíricos clásicos. Los potenciales empíricos (“force fields”) especifican la forma de las interacciones entre partículas y los parámetros de las mismas: -CHARMM: Karplus -AMBER: Kollman. -MMFF, MM1, GROMOS.... Propiedades de los FF: - Los estados nativos (“folded”) son estados de equilibrio termodinámico. -Aditividad de la interacciones. -Transferibilidad de los parámetros entre distintos tipos de moléculas. CHARMM22: 51 tipos de átomos CHARMM27: 69 tipos. para C, N, O, H y P Forma funcional de la interacciones: La energía de una macromolécula está dada por: ),.....,,(2/ 21 2 n i i rrrVmpE += ∑ El potencial V(r) se puede descomponer en términos correspondientes a enlaces y a términos de largo alcance. V(r1, r2,... rN ) = Venlaces + Vlargo_alcance Venlaces = Vradial + Vangular + Vtorsión + Vtorsión_impropia Vlargo_alcance= VElectrostático + Vvan_der_Waals Otros: Interacciones dipolares, enlaces de Hidrógeno (dependiendo del FF). Potencial radial: Aproximación armónica: Vradial = Kb(r – r0 )2 Potencial de Morse (1929): VMorse = De [exp(-2a (r-r0)-2 exp(-a(r-r0))] Potencial del ángulo de enlace (3 átomos): Aproximación armónica: Vangular = Kh (θ - θ0)2 Forma trigonométrico: Vangular = Kt (cos θ - cos θ0)2 Kt ≈ Kh sin2 θ0 Potenciales de Torsión (de 4 átomos): Potenciales de largo alcance Vlargo_alcance= VElectrostático + Vvan_der_Waals Potencial van der Waals: ∑ ≠ ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ −= ji ij ij ij ij Waalsdervan r B r A V 612__ parte atractiva: dispersión de London (dipolos inducidos) parte repulsiva: esferas duras. Potencial electrostático: ∑ ≠ = ji ij ji ticoElectrostá r qq V 04πκε C(Arg) = -0.18 esu O(agua) = - 0.8340 esu H(agua) = +0.4170 esu Modelos sencillos de agua: -molécula rígida. -Interacción van der Waals entre aguas Determinación experimental de los parámetros: Mediante espectroscopía IR y Raman se determinan las frecuencias de los distintos términos de los potenciales del FF. Se utilizan moléculas modelo donde los espectros son más fácilmente interpretrables Métodos de Minimización CHARMM utiliza los siguientes métodos: - “Steepest descent” . - Gradiente conjugado. - Powell. - Newton-Raphson. El problema consiste en encontrar el conjunto de coordenadas (r1,r2, ....,rN) para las que el función energía potencial V(r1,r2, ....,rN) es mínimo. O alternativamente ∇V = 0 (esto da un máximo, un mínimo o un punto silla). En dimensión 1 el problema es relativamente fácil: “braketing”, Newton, etc... En varias dimensiones la situación es más complicada. Tenemos “picos”, “pozos” y “collados” . Y la “geografía” puede ser muy complicada si nuestro sistema no está ordenado . El procedimiento general es moverse en el espacio multidimensional en una determinada dirección. Dado un punto inicial P y una dirección n encontrar λ que minimiza f(P +λn). Repetir Steepest descent”: La dirección de minimización es el gradiente del potencial P0 → ...Pi → Pi + λ(-∇f) → Pi+1…… Es equivalente a la dinámica gradiente (¿?): )(rVr ∇−= r & No garantiza la convergencia en un tiempo razonable Método de Powell: Converge en N pasos (direcciones conjugadas) si el potencial es cuadrático. Si no, hay que repetir el proceso. , donde Gradiente Conjugado: Las nueva dirección se elige en cada iteración como conjugada del gradiente anterior. 0=vAu rr ji ij xx VA ∂∂ ∂ = 2 Newton-Raphson: Es un método para encontrar ceros de funciones. Lo aplicamos a la función gradiente . - Es un método muy preciso y rápido. - Requiere un buen punto inicial. - Encuentra extremos y puntos silla. 0=∇V r En dimensión 1: f(x) = 0 , x k+1 = x k – f(x) / f´(x) = x k – V´(x) / V´´(x) = N ..., 1,i =∀ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎝ ⎛ ∂ ∂ ∂ ∂ ∂ ∂ = ∂ ∂ = i i i i i z V y V x V r Vg ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎝ ⎛ ∂∂ ∂ ∂∂ ∂ ∂∂ ∂ ∂∂ ∂ ∂∂ ∂ ∂∂ ∂ ∂∂ ∂ ∂∂ ∂ ∂∂ ∂ = ∂∂ ∂ == jijiji jijiji jijiji ji ij zz V yz V xz V zy V yy V xy V zx V yx V xx V rr VhV 222 222 222 2 '' kkkk gHxx 1 1 − + +=En un espacio multidimensional: ¿Cuál de estos métodos es mejor? Depende fundamentalmente de las condiciones de partida. El número de átomos ya que el esfuerzo computacional es muy variable. Ninguno garantiza la convergencia al mínimo absoluto. Simulado de recocido (“simulated annealing”): El estado de energía más baja corresponde a Ec = 0 y por tanto T=0. Cualquier método de simulación (MC, MD, Langevin) en el que vamos bajando gradualmente la temperatura. Permite explorar el espacio de configuraciones y por tanto escapar de mínimos locales. ¿ Cual es el objeto de la minimización ? -Punto de partida para las simulaciones. -Obtener un mapa de energías de nuestro sistema (en combinación con alguna técnica de simulación) -Análisis de modos normales. pentano Ciclohexano Master de Física: Elementos de Física Biológica. Introducción a la Simulación Molecular. Bibliografía: Understanding Molecular Simulation. Frenkel, Smit. (AP). - Molecular Modelling. Principles and applications. A. R. Leach. (Pearson) Molecular Modeling and Simulation. Tamar Schlick. (Springer). - Introduction to Macromolecular Simulation. P.J. Steinbach. (web downloadable) - Introducción. - Potenciales Empíricos para moléculas. - Métodos de Simulación Numérica. - Ejemplos de simulaciónde Macromoléculas. "Since the audience comes from a wide range of backgrounds I'll assume total ignorance, but infinite intelligence." -- Jacob Israelachvili Un poco de (pre)historia de las Simulación: 1935: Según E. Segrè , Fermi realiza algunos cálculos numéricos de dispersión de neutrones que serian la prehistoria del Método Montecarlo. 1942-45: Construcción de ENIAC primer ordenador electrónico (válvulas). 1945-47: Von Newmann y Ulam producen series de números aleatorios por el método de “rechazo” y formalizan el método Montecarlo. 1953: Metropolis et al. publican el algoritmo de Metropolis. 1955: Fermi, Pasta, Ulam simulan una cadena de partículas (32) con interacción no lineal. MANIAC I en LANL. Dinámica Molecular 1957: Alder y Wainwright. DM de un gas de esferas duras. Wood y Parker. MC de un gas de esferas duras. Problemas que podemos abordar: - Proteínas: a) Plegamiento de Proteínas (“Protein Folding”). b) Interacción de Proteínas-Ligando, proteína-proteína (“Docking”). Cambios Conformacionales. Estabilidad de las proteínas. Defectos de plegamiento (priones, amiloides del Alzheimer, etc.) DNA- RNA: Enrollamiento de las cadenas de ADN o ARN. (“coiling”) Interacción de ADN con proteínas. Dinámica de la desnaturalización del ADN. Problemas de Física. Estructura de moléculas pequeñas (fulerenos, nanotubos de carbono, etc ) Vibraciones cristalinas. c) Difusión y transporte en sólidos y fluidos. ¿Qué tenemos que aprender ?. Cómo modelizar nuestro problema. ¿ Es un problema cuántico o clásico ?. ¿Simulación a “todos los átomos” o “coarse-graning ?. ¿ Necesitamos simular en un solvente ?. Técnicas numéricas: * Minimización * Simulación ¿Montecarlo ? ¿ Dinámica Molecular ? ¿Langevin? * ¿ Conjunto estadístico ? Clásico versus Cuántico. Criterio de comportamiento clásico: a T= 300 K kBT = 0.6 Kcal (25meV). n (w/2p)= 6.25 ps-1. POTENCIALES EMPÍRICOS PARA MACROMOLÉCULAS Las macromoléculas se pueden considerar un conjunto de partículas puntuales con carga que interaccionan entre sí mediante potenciales empíricos clásicos. Los potenciales empíricos (“force fields”) especifican la forma de las interacciones entre partículas y los parámetros de las mismas: CHARMM: Karplus AMBER: Kollman. MMFF, MM1, GROMOS.... Propiedades de los FF: - Los estados nativos (“folded”) son estados de equilibrio termodinámico. Aditividad de la interacciones. Transferibilidad de los parámetros entre distintos tipos de moléculas. CHARMM22: 51 tipos de átomos CHARMM27: 69 tipos. para C, N, O, H y P Forma funcional de la interacciones: La energía de una macromolécula está dada por: El potencial V(r) se puede descomponer en términos correspondientes a enlaces y a términos de largo alcance. V(r1, r2,... rN ) = Venlaces + Vlargo_alcance Venlaces = Vradial + Vangular + Vtorsión + Vtorsión_impropia Vlargo_alcance= VElectrostático + Vvan_der_Waals Otros: Interacciones dipolares, enlaces de Hidrógeno (dependiendo del FF). Potencial radial: Aproximación armónica: Vradial = Kb(r – r0 )2 Potencial de Morse (1929): VMorse = De [exp(-2a (r-r0)-2 exp(-a(r-r0))] Potencial del ángulo de enlace (3 átomos): Aproximación armónica: Vangular = Kh ( - 0)2 Forma trigonométrico: Vangular = Kt (cos - cos 0)2 Kt Kh sin2 0 Potenciales de Torsión (de 4 átomos): Potenciales de largo alcance Vlargo_alcance= VElectrostático + Vvan_der_Waals Potencial van der Waals: parte atractiva: dispersión de London (dipolos inducidos) parte repulsiva: esferas duras. Potencial electrostático: C(Arg) = -0.18 esu O(agua) = - 0.8340 esu H(agua) = +0.4170 esu Modelos sencillos de agua: molécula rígida. Interacción van der Waals entre aguas Determinación experimental de los parámetros: Mediante espectroscopía IR y Raman se determinan las frecuencias de los distintos términos de los potenciales del FF. Se utilizan moléculas modelo donde los espectros son más fácilmente interpretrables Métodos de Minimización CHARMM utiliza los siguientes métodos: - “Steepest descent” . - Gradiente conjugado. - Powell. - Newton-Raphson. El problema consiste en encontrar el conjunto de coordenadas (r1,r2, ....,rN) para las que el función energía potencial V(r1,r2, ....,rN) es mínimo. O alternativamente V = 0 (esto da un máximo, un mínimo o un punto silla). En dimensión 1 el problema es relativamente fácil: “braketing”, Newton, etc... En varias dimensiones la situación es más complicada. Tenemos “picos”, “pozos” y “collados” . Y la “geografía” puede ser muy complicada si nuestro sistema no está ordenado . El procedimiento general es moverse en el espacio multidimensional en una determinada dirección. Dado un punto inicial P y una dirección n encontrar que minimiza f(P +n). Repetir Steepest descent”: La dirección de minimización es el gradiente del potencial P0 ...Pi Pi + (-f) Pi+1…… Es equivalente a la dinámica gradiente (¿?): No garantiza la convergencia en un tiempo razonable Método de Powell: Converge en N pasos (direcciones conjugadas) si el potencial es cuadrático. Si no, hay que repetir el proceso. , donde Gradiente Conjugado: Las nueva dirección se elige en cada iteración como conjugada del gradiente anterior. Newton-Raphson: Es un método para encontrar ceros de funciones. Lo aplicamos a la función gradiente . - Es un método muy preciso y rápido. - Requiere un buen punto inicial. - Encuentra extremos y puntos silla. En dimensión 1: f(x) = 0 , x k+1 = x k – f(x) / f´(x) = x k – V´(x) / V´´(x) = En un espacio multidimensional: ¿Cuál de estos métodos es mejor? Depende fundamentalmente de las condiciones de partida. El número de átomos ya que el esfuerzo computacional es muy variable. Ninguno garantiza la convergencia al mínimo absoluto. Simulado de recocido (“simulated annealing”): El estado de energía más baja corresponde a Ec = 0 y por tanto T=0. Cualquier método de simulación (MC, MD, Langevin) en el que vamos bajando gradualmente la temperatura. Permite explorar el espacio de configuraciones y por tanto escapar de mínimos locales. ¿ Cual es el objeto de la minimización ? Punto de partida para las simulaciones. Obtener un mapa de energías de nuestro sistema (en combinación con alguna técnica de simulación) Análisis de modos normales. pentano Ciclohexano ) ,....., , ( 2 / 2 1 2 n i i r r r V m p E + = å å ¹ ÷ ÷ ø ö ç ç è æ - = j i ij ij ij ij Waals der van r B r A V 6 12 _ _ 1 << T k B w h å ¹ = j i ij j i tico Electrostá r q q V 0 4 pke ) ( r V r Ñ - = r & 0 = v A u r r j i ij x x V A ¶ ¶ ¶ = 2 0 = Ñ V r N ..., 1, i = " ÷ ÷ ÷ ÷ ÷ ÷ ÷ ø ö ç ç ç ç ç ç ç è æ ¶ ¶ ¶ ¶ ¶ ¶ = ¶ ¶ = i i i i i z V y V x V r V g ÷ ÷ ÷ ÷ ÷ ÷ ÷ ÷ ø ö ç ç ç ç ç ç ç ç è æ ¶ ¶ ¶ ¶ ¶ ¶ ¶ ¶ ¶ ¶ ¶ ¶ ¶ ¶ ¶ ¶ ¶ ¶ ¶ ¶ ¶ ¶ ¶ ¶ ¶ ¶ ¶ = ¶ ¶ ¶ = = j i j i j i j i j i j i j i j i j i j i ij z z V y z V x z V z y V y y V x y V z x V y x V x x V r r V h V 22 2 2 2 2 2 2 2 2 ' ' k k k k g H x x 1 1 - + + =
Compartir