Crédito: Revista de teoría química y computación
La búsqueda de confórmeros sigue siendo de gran interés en la química computacional, el diseño de fármacos y la ciencia de los materiales. Este es un esfuerzo difícil debido a la gran dimensionalidad del espacio de búsqueda y el costo computacional de los métodos precisos de química cuántica necesarios para determinar la estructura molecular y la energía. Anteriormente, la búsqueda de conformadores moleculares significaba que primero debían aflojarse miles de estructuras. Por lo tanto, el proceso requirió un tiempo considerable y recursos computacionales, incluso cuando se aplicó a moléculas pequeñas.
Un artículo reciente de Lincan Fang, Esko Makkonen, Milica Todorovic, Patrick Rinke y Xi Chen propone un procedimiento de búsqueda de conformador molecular que combina aprendizaje activo Algoritmo de optimización bayesiana (BO) con métodos de química cuántica para hacer frente a este desafío. El aprendizaje activo de BO muestrea inteligentemente estructuras con bajas energías o incertidumbres de alta energía, minimizando así los puntos de datos requeridos.
En este artículo, los autores probaron el procedimiento en cuatro aminoácidos (cisteína, serina, triptófano y ácido aspártico). Después de solo 1,000 cálculos de un solo punto y alrededor de 80 relajaciones de estructura, menos del 10% del costo computacional del método más rápido actualmente, el equipo encontró que los conformadores de baja energía eran consistentes con las mediciones experimentales y el cálculo de referencia.
El primer autor, Fang, ahora planea extender este método para buscar estructuras de partículas relacionadas con nanoclusters.
Esta Artículo de investigación se publica en Revista de teoría química y computación y fue seleccionado como una portada adicional para el tema.
Lincan Fang y col. Búsqueda eficiente de confórmeros de aminoácidos con optimización bayesiana, Revista de teoría química y computación (2021). DOI: 10.1021 / acs.jctc.0c00648
Entregado por
Universidad Aalto