Cell lists とは

セルリスト(時にはセルリンクリストとも呼ばれる)は、分子動力学シミュレーションにおいて、与えられたカットオフ距離内のすべての原子ペアを見つけるためのツールである。これらの対は、ファンデルワールス力や、Ewald総和を用いるときの静電相互作用の短距離部分など、短距離非結合相互作用を計算するために必要である。

Self-avoiding walk とは

数学では、自己回避歩行(self-avoiding walk:SAW)は、同じ点を2回以上訪問しない格子(格子経路)上の一連の移動である。これは、パスのグラフ理論的概念の特殊なケースです。自己回避ポリゴン(self-avoiding polygon:SAP)は、格子上に閉じた自己回避歩行です。 SAWは、物理的体積が同じ空間的点の複数の占有を禁止する溶媒やポリマーなどの鎖状物質の実際の挙動をモデル化するために化学者Paul Floryによって最初に導入されました。物理学者は、数値シミュレーションによって真実であり、強力に支持されている数々の推測を提供したが、数学的観点からは自己回避歩行について厳密にはほとんど知られていない。
計算物理学では、自己回避歩行は、一定数のノード、典型的には固定されたステップ長を有するR2またはR3における鎖状経路であり、それ自体または他の歩行を交差させないという不可欠の特性を有する。自己回避歩行のシステムは、いわゆる排除容積状態を満たす。より高い次元では、自己回避歩行は、通常のランダム歩行のように振る舞うと考えられている。 SAWおよびSAPは、タンパク質などの糸状およびループ状の分子の位相および結節理論的挙動のモデル化において中心的な役割を果たす。 SAWはフラクタルです。例えば、d = 2ではフラクタル次元は4/3であり、d = 3の場合は5/3に近く、d≧4の場合はフラクタル次元が2である。この次元は上方の限界寸法と呼ばれ、除外された体積は無視できる。除外された体積条件を満たさないSAWは、最近、SAWの拡張に起因する明示的な表面形状をモデル化するために研究された。
SAWの特性は解析的に計算することができないため、数値シミュレーションを使用します。ピボットアルゴリズムは、nステップの自己回避歩行の一様な測定のためのマルコフ連鎖モンテカルロシミュレーションの一般的な方法です。ピボットアルゴリズムは自己回避歩行を行い、この歩行のポイントをランダムに選択し、n歩後の歩行に対称操作(回転と反射)を適用して新しい歩行を作成します。与えられた格子内の自己回避歩行の数を計算することは、一般的な計算上の問題である。現在、自己回避歩行の数を決定するための公式は知られていませんが、それらを近似する厳密な方法があります。そのような経路の数を見つけることは、NP困難な問題であると考えられる。対角線の一方の端から他方の端への自己回避歩行の場合、正の方向への移動だけで、正確に
( m + n m , n ) {\displaystyle {m+n \choose m,n}}
m×nの長方形格子のための経路。

Chemical space とは

ケミカルスペースとは、化学構造の概念であり、与えられた一連の建設原則や境界条件に付随する全ての可能な分子や化合物にまたがる特性空間を指しています。それは容易に入手可能で研究者が利用できる何百万もの化合物を含んでいます。分子ドッキング法に用いられるライブラリです。

Docking (molecular) とは

分子モデリングの分野では、ドッキングは、互いに結合して安定な複合体を形成する場合に、1分子の優先配向を2番目に予測する方法である。好ましい配向の知識は、例えばスコアリング機能を用いて2つの分子間の結合または結合親和力を予測するために使用され得る。
タンパク質、核酸、炭水化物、脂質などの生物学的に関連性のある分子間の関連性は、シグナル伝達において中心的な役割を果たす。さらに、2つの相互作用するパートナーの相対的配向は、産生されるシグナルのタイプ(例えば、アゴニズム対拮抗)に影響し得る。したがって、ドッキングは、生成される信号の強度およびタイプの両方を予測するのに有用である。
分子ドッキングは、適切な標的結合部位への小分子リガンドの結合形態を予測する能力のために、構造ベースの薬物設計において最も頻繁に使用される方法の1つである。結合挙動の特徴付けは、薬物の合理的設計ならびに基本的な生化学プロセスを解明する上で重要な役割を果たす。

Dynamic Monte Carlo method とは

化学において、動的モンテカルロ(DMC)は、個々のステップの速度を乱数と比較することによって、分子の動的挙動をモデル化するためのモンテカルロ法である。 Kinetic Monte Carloと本質的に同じです。平衡状態でシステムを研究するために用いられているメトロポリスモンテカルロ法とは異なり、DMC法は、反応、拡散などの非平衡系を調べるために使用される(Meng and Weinberg 1994)。この方法は主に表面上の吸着物の挙動を分析するために適用される。 DMC法は動力学的モンテカルロ法と非常によく似ています。
第1反応法(FRM)およびランダム選択法(RSM)を含む、DMCシミュレーションを実施するためのいくつかの周知の方法がある。 FRMとRSMは与えられたモデルから同じ結果を出しますが、コンピュータリソースは適用されるシステムによって異なります。
FRMでは、イベントリスト上の時間が最小である反応が進められる。イベントリストには、すべての可能な反応の暫定時間が格納されています。 1つのイベントが選択されると、システム時間が反応時間に進み、イベントリストが再計算されます。この方法は、反応が常に1つの事象で起こるので、計算時間において効率的である。一方、イベントリストのために多くのコンピュータメモリを消費します。したがって、大規模なシステムに適用することは困難です。
RSMは、遷移確率を乱数と比較することによって、選択された分子の反応が進行するか否かを決定する。この方法では、反応が必ずしも1つの事象で進行するとは限らないので、FRMよりもかなり多くの計算時間を必要とする。ただし、イベントリストを使用しないため、この方法ではコンピュータのメモリが節約されます。この方法で大規模なシステムを計算することができます。

COSMO solvation model とは

COSMOは、分子と溶媒との静電的相互作用を決定するための計算方法である「Coondor-like Screening MOdel」の略語です。この方法は、溶媒和効果をモデル化するために計算化学において一般に使用される。
COSMOは、各溶媒を誘電率εの連続体として扱い、従って、連続体の溶媒和の群に属する。これらのすべてのモデルのように、COSMOは分子キャビティの外側の溶質分子を取り囲む誘電体連続体によって溶媒を近似する。ほとんどの場合、半径はファンデルワールス半径より約20%大きい原子中心球の集合体として構成されています。実際の計算のために、空洞表面はセグメント、例えば、六角形、五角形、または三角形によって近似される。
他の連続溶媒和モデルとは異なり、COSMOは、導体の近似から、溶質の極性によって引き起こされる連続体の分極電荷を導出します。溶媒が理想的な導体であれば、空洞表面の電位は消失しなければならない。分子内の電荷の分布が既知である場合、例えば、量子化学から、表面セグメント上の電荷q *を計算することが可能である。有限の誘電率を有する溶媒の場合、この電荷qは約f(ε)だけ低い。
q = f ( ε ) q . {\displaystyle q=f(\varepsilon )q^{*}.}
係数f(ε)は、
f ( ε ) = ε 1 ε + x , {\displaystyle f(\varepsilon )={\frac {\varepsilon -1}{\varepsilon +x}},}
xの値は、中性分子の場合は0.5、イオンの場合は0.0に設定する必要があります(元の誘導を参照)。
このように決定された溶媒電荷qと分子の既知の電荷分布から、溶媒と溶質分子との間の相互作用のエネルギーを計算することができる。
COSMO法は、半経験的計算、Hartree-Fock法計算または密度汎関数理論(量子物理学)計算など、分子の電荷分布を決定できる理論化学におけるすべての方法に使用することができる。

CCP4 (file format) とは

CCP4ファイル形式は、1979年の共同計算プロジェクト番号4によって生成されたファイルである。電子密度のファイル形式は、X線結晶学および低温電子顕微鏡法の業界標準となっている。この技術の結果は、電子の密度に対応する値を持つボクセル(波動関数を参照)CCP4フォーマットは、容積測定データをサポートするほぼすべての分子グラフィックス・スイートでサポートされています。主なパッケージは次のとおりです。
 視覚的分子動力学PyMOL UCSFキメラBsoft Coot環境省

Graphical models for protein structure とは

グラフィカルモデルは、タンパク質構造予測、タンパク質 – タンパク質相互作用およびタンパク質構造の自由エネルギー計算のための強力なフレームワークとなっている。グラフィカルモデルを用いてタンパク質構造を表すことにより、二次構造予測、タンパク質タンパク質相互作用、タンパク質 – 薬物相互作用、および自由エネルギー計算を含む多くの問題の解決が可能になる。
タンパク質構造モデリングにおけるグラフィカルモデルの使用には、主に2つのアプローチがあります。第1のアプローチは、タンパク質構造の座標または二面角を表すための離散変数を使用する。変数はもともとすべて連続値であり、それらを離散値に変換するために、離散化プロセスが通常適用される。 2番目のアプローチでは、座標または2面角に連続変数を使用します。