2020年4月8日
弱結合分子クラスターの大気濃度は、遺伝的アルゴリズムと半実証的およびab initio量子化学を利用した多段階構成サンプリング方法論を通じて見られる低エネルギー構造の熱化学的特性から計算することができる。
我々のプロトコルは、弱結合分子クラスターを研究するための柔軟で計算可能なアプローチを提供し、その構造、形成、および豊富さについての洞察を得るために容易に適用することができる。この技術の主な利点は、迅速な力場や半経験的方法から厳密な量子機械法まで、さまざまなレベルの理論で分子クラスターを処理する効率と柔軟性です。大気とエアロゾルの化学は、気候変動のより良いモデルにつながるこのアプローチから最も恩恵を受けることができます。
しかし、分子クラスターを含む分野では、このアプローチを利用することができます。この手法を実行したことがない個人にとって、最も困難な手順は、最初のプログラムとスクリプトのインストールとローカル コンピューティング環境への適応です。計算化学を始めた学生は、明示的なステップバイステップの指示を視覚化することで、高性能コンピューティングクラスターを使用する際の急な学習曲線を克服できます。
遺伝的アルゴリズム構成サンプリングで使用する分離グリシン分子の最小エネルギー構造を取得するには、アボガドロで新しいセッションを開き、構築、挿入、ペプチド、グリシン、グリシン、およびペプチドを挿入し、視覚化ウィンドウでグリシンモノマーを生成します。[拡張子とガウス]をクリックし、テキスト ボックスの最初の行を示すように編集します。[生成] をクリックして、コマンド ファイルをglycine.comとして保存します。
孤立した水の最小エネルギー構造を取得するには、アボガドロで新しいセッションを開き、ビルド、挿入、およびフラグメントを選択します。フィルター テキスト ボックスに水を入力し、水ファイルを選択して[挿入]をクリックします。[拡張子とガウス]をクリックし、テキスト ボックスの最初の行を示すように編集します。
[生成] をクリックして、コマンド ファイルをwater.comとして保存します。次に、2 つの com ファイルをコンピューティング クラスターに転送し、適切な送信スクリプトを使用して Gaussian 09 の計算を実行します。計算が完了したら、open babel を呼び出して、示されているコマンドに入る最小エネルギー構造の xyz ファイルを生成します。
遺伝的アルゴリズムベースの構成サンプリングの場合は、すべてのスクリプトとテンプレートをフォルダに追加し、そのフォルダをリモートクラスタにコピーします。すべてのスクリプトが実行可能であることを確認し、指示に従ってコマンドを使用して、スクリプト ディレクトリの場所を環境変数 path に追加します。安価な半経験的レベルの理論でグリシンと水の低エネルギー構造のセットを得るために、gly-h2o-nというディレクトリを作成し、水分子の数をnにし、gly-h2o-nディレクトリの下にGAと呼ばれるサブディレクトリを作成して遺伝的アルゴリズム計算を実行します。
ogolem 入力ファイル、モノマーのデカルト座標、および PBS バッチ送信スクリプトを GA ディレクトリにコピーし、適切に変更された実行を使用して GA 計算を実行します。pbs送信スクリプト。計算が完了したら、ディレクトリを gly-h2o-n GA pm7 に変更し、13 がクラスター内の原子の数、0 と 9 の場合に示されているように getRotConsts コマンドを実行します。
これにより、GA 最適化クラスターの回転定数が計算され、すべての GA 最適化クラスター構成、それらのエネルギー、およびそれらの回転定数のソートされたリストを含む rotConstsData_Cと呼ばれるファイルが生成されます。類似性分析を実行します。一意rotConstsData_C GA 最適化クラスターを検索して保存するための入力として、py スクリプトを使用します。
Pm7 は、uniqueStructures-pm7.data という名前のファイルを生成するファイル命名ラベルとして使用されます。このリストには、一意の GA 最適化された構成のソート済みリストが含まれます。gly-h2o-n GA ディレクトリで、結合 GA を使用します。
csh スクリプトを使用して、複数の同等の GA 実行の結果を結合し、uniqueStructures-pm7 という名前の新しい一意の構造体リストを生成します。gly-h2o-n GA ディレクトリのデータ。作業ディレクトリは、図のように正確な編成と構造を持つ必要があります。
半経験的手法に基づく遺伝的アルゴリズムから、より正確な量子機械法を用いたものまで、グリシン水クラスターの構造を改良するには、gly-h2o-nディレクトリの下にQMというサブディレクトリを作成します。QM ディレクトリの下に pw91-sb という名前の別のサブディレクトリを作成し、gly-h2o-n GA ディレクトリから QM pw91-sb ディレクトリに uniqueStructures リストをコピーします。ディレクトリを gly-h2o-n QM pw91-sb に変更し、小さい基本セット密度関数理論スクリプト run-pw91-sb を実行します。
csh は、この計算セットのラベルである sb、Q はコンピューティング クラスター上の優先キュー、10 は 10 個の計算が 1 つのバッチ ジョブにグループ化されることを示します。送信された計算が完了したら、getRotConsts-dft-sb を使用します。エネルギーを抽出し、小さな基準最適化クラスターの回転定数を計算する csh スクリプト。
ここで、pw91は使用される密度機能であり、nはクラスタ内の原子数である。類似分析を使用します。pyスクリプトは、一意の構造を識別するために、以前のように、ラベルとしてsbを使用します。
pw91 631とG星の理論レベルで最適化されたユニークな構成のリストは、固有のStructures-sbに保存されます。データ ファイル。gly-h2o-n QM ディレクトリで、結合された結合 QM を使用します。
csh スクリプトを使用して、複数の同等の QM 実行の結果を結合します。結合QM。csh pw91-sb コマンドは、uniqueStructures-sb という名前の新しい一意の構造体リストを生成します。
gly-h2o-n QM ディレクトリ内のデータ。より良い量子力学記述を使用してグリシンと水クラスターの構造をさらに洗練するには、QMディレクトリの下にpw91-lbというサブディレクトリを作成します。固有の構造体リストを QM pw91-sb ディレクトリーから QM pw91-lb ディレクトリーにコピーし、ディレクトリーを QM pw91-lb に変更します。
大ベーシス密度関数理論スクリプト run-pw91-lb を実行します。この計算セットのラベルである csh は、Q はコンピューティング クラスター上の優先キューであり、10 は 10 個の計算を 1 つのバッチ ジョブにグループ化することを示します。送信された計算が完了したら、getRotConsts-dft-lb を使用します。
csh コマンドを使用して、大ベーシス最適化クラスターの回転定数を計算します。ここで、pw91は使用される密度機能であり、nはクラスタ内の原子数である。類似性分析を使用します。
pw91 6311プラスプラスGスター理論レベルで最適化されたユニークな構成のリストを生成し、uniqueStructures-lbに保存するラベルとして、以前のようにlbと同じpyスクリプト。データ ファイル。必要な熱化学的補正を計算するために必要なグリシンと水クラスターの振動構造とエネルギーを得るには、QM pw91-lbディレクトリからQM pw91-lb超微細ディレクトリに固有の構造リストをコピーし、ディレクトリをQM/pw91-lbfineに変更します。
超微細密度関数理論スクリプト run-pw91-lb-ultrafine を実行します。この計算セットのラベルである uf の csh、Q はコンピューティング・クラスター上の優先キュー、10 は 10 個の計算を 1 つのバッチ・ジョブにグループ化することを示します。このスクリプトは Gaussian 09 の入力を自動的に生成し、すべての計算を送信します。
提出された計算が完了したら、getRotConsts-dft-lb-ultrafine を使用します。csh コマンドを使用して、超細最適化クラスターの回転定数を計算します。ここで、pw91は使用される密度機能であり、nはクラスタ内の原子数である。
類似性分析を使用します。以前のように、ufをラベルとして、pw91 6311プラスプラスGスター理論レベルで超微細収束基準に最適化されたユニークな構成のリストを生成して保存するためのラベルとして、以前のようにスクリプトを実行します。データ ファイル。
次に、実行サーモ pw91 を実行します。ユニークな構造を持つcshスクリプト- uf.サーモダイナミック補正を計算するための入力としてデータファイルを作成します。
コマンド ライン出力をコピーして、gly-h2o-n.xls という名前のアタッチされたスプレッドシートに貼り付けます。この計算の生エネルギーとそれに続くnは、2、3、4、および5つの計算がgly-h2o-nの最初のシートに追加されます。xlsスプレッドシートは、異なる温度で水和物の平衡濃度をもたらす水和物分布シート、相対湿度、および水とグリシンの初期濃度が更新されます。
ここで、グリシン水クラスターの最も低い電子エネルギー異性体が観察され得る。水分子の数が主に平面ネットワークからnの3次元ケージ状構造に移動するにつれて、水素結合ネットワークがどのように複雑に成長していくかに注意してください。この表では、ランサーモ-pw91の出力例を示す。
csh スクリプトが表示されます。各クラスターについて、pw91 6311 plusプラスGスター星のエネルギーは、pw91 6311プラスハーツリー単位の超微細積分格子線で計算されたG星座の理論のガス相電子エネルギーに対応し、1モルあたりのキロカロリー単位のゼロ点振動エネルギーに相当します。各温度で、ギブスフリーエネルギー形成デルタGの計算されたエンタルピー形成デルタHは、1モル当たりのキロカロリー単位で与えられ、計算されたエンタルピー形成Sは1モルあたりのカロリー単位で与えられる。
この表では、ギブフリーエネルギーの全変化と順次水和の代表的な計算を示す。これらのデータを用いて、水和グリシンの大気濃度を計算することができる。正しいソフトウェアをインストールし、自分のコンピューティング環境を反映するために、含まれているスクリプトを追加する必要があります。
スクリプトの場所をパスに追加することは非常に重要です。この技術は、プレバイオティクス化学の分野に寄与するペプチド結合形成に向けて大気水クラスターの触媒活性を決定するために使用された。
この記事では、弱結合分子クラスターの構造、形成、および存在量に焦点を当てた計算アプローチを提示します。この方法論は、低エネルギー配置を導出するために遺伝子アルゴリズムと量子化学技術を組み合わせて使用します。
This computational protocol enables efficient exploration of weakly-bound molecular clusters, supporting target validation through mechanistic de-risking of biomolecular interactions. By providing Gibbs free energy surfaces and atmospheric concentration predictions, it enhances predictive confidence in early discovery stages for peptide-based therapeutics and prebiotic chemistry applications. The approach bridges computational chemistry with translational relevance, offering a reusable framework for assessing molecular stability under physiological conditions.
The method integrates into early discovery workflows by providing structural and thermodynamic inputs for hypothesis testing, progressing from configurational sampling to quantum refinement and property prediction.