نوع مقاله : مقاله پژوهشی

نویسندگان

1 PhD student at Sharif University of Technology

2 دانشکده فیزیک ، دانشگاه صنعتی شریف

چکیده

محاسبۀ تفاوت انرژی آزاد بین حالت اولیه و پایانی یک فرایند، از مهم­ترین محاسبات در سامانه­های زیستی است. فرایندهای زیستی همراه با تغییر انرژی آزاد هستند. از جمله این فرایندها می­توان به عبور داروها از غشای سلول­ها، واکنش­های آنزیمی، برهمکنش­های دارو-پروتئین، برهمکنش­های لیگاند-گیرنده سلول­ها و انتقال ساختاری از سیس به ترانس اشاره کرد. در پژوهش­های دارویی، پیش­بینی تأثیرات کلینیکی دارو بستگی به درک جزئیات برهمکنش­های دارو با سامانه­های زیستی دارد. برای این منظور از محاسبۀ تفاوت انرژی آزاد، می­توان استفاده کرد. با دانستن تفاوت انرژی آزاد در چنین فرایندهایی، می­توان درکی از چگونگی برهمکنش­ها داشت. از آنجایی که درک جزئیات برهمکنش­ها در ابعاد مولکولی معمولا با روش­های آزمایشگاهی امکان­پذیر نیست، برای این منظور از روش­های محاسباتی مانند دینامیک مولکولی استفاده می­شود. در میان روش­های متفاوتی که از سال 1935 تا به امروز ارائه شده­اند، می­توان به نظریۀ اختلال در سال 1954 و روش انتگرال گیری ترمودینامیکی در سال 1935 اشاره کرد. اولین شبیه سازی انجام­شده با استفاده از روش اختلال، برای محاسبۀ تفاوت انرژی آزاد در فرایند تبدیل متانول به اتان بوده است، که این تفاوت، 6/7 کیلوکالری بر مول محاسبه شده است. عدد آزمایشگاهی گزارش شده 9/6 کیلوکالری بر مول است. نزدیکی بسیار زیاد عددهای محاسباتی و آزمایشگاهی نشان دهندۀ موفقیت این روش محاسباتی است. هر چند روش اختلال انرژی آزاد و انتگرال­گیری ترمودینامیکی بسیار مشابه هستند، اما تفاوت­هایی با یکدیگر دارند. در این مقاله به تفاوت­های این دو روش پرکاربرد از دیدگاه دقت و هزینه محاسباتی می­پردازیم. همچنین، نشان خواهیم داد که روش اختلال انرژی آزاد روشی سریع­تر در مقایسه با روش انتگرال­گیری ترمودینامیکی است، در حالی که روش انتگرال­گیری ترمودینامیکی روشی دقیق­تر از نظر محاسبات است‏.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Comparison of the thermodynamic integration and free energy perturbation in the computing alchemical free energy difference

نویسندگان [English]

  • Najla Hosseini 1
  • Mohammad Reza Ejtehadi 2

1 PhD student at Sharif University of Technology

2 Department of Physics, Sharif University of Technology

چکیده [English]

On an atomistic scale, free energy calculations are important for our understanding of biological processes, which provides an insight to grasp the various mechanisms. Over the years, many computational methods have been developed to calculate free energy differences such as geometrical (e.g. umbrella sampling) and alchemical methods. In this work, we present alchemical-free energy methods, thermodynamic integration (TI) and free energy perturbation (FEP), to investigate polarization effect of paclitaxel drug. Then, we have compared our simulation studies using TI, FEP, and Hamiltonian replica exchange FEP from the perspective of computational cost and accuracy.

کلیدواژه‌ها [English]

  • Free energy difference "
  • " Molecular dynamics simulation "
  • " Free energy perturbation "
  • " Thermodynamic integration "
  • " Solvation free energy
  1. D A McQuarrie and J D Simon, “Physical chemistry: a molecular approach” University science books Sausalito CA )1997.(
  2. S Park, et al., The Journal of Chemical Physics 119 (2003) 3559.
  3. C Jarzynski, Physical Review Letters 78 )1997( 2690.
  4. J Kästner, Wiley Interdisciplinary Reviews: Computational Molecular Science 1 (2011( 932.
  5. G M Torrie and J P Valleau, Journal of Computational Physics 23 )1977( 187.
  6. P Virnau and M Müller, The Journal of Chemical Physics 120 )2004( 10925.
  7. W L Jorgensen and L L Thomas, Journal of Chemical Theory and Computation 4 (2008) 869.
  8. T Straatsma and H Berendsen, The Journal of Chemical Physics 89 )1988( 5876.
  9. J Wereszczynski and J A McCammon, “Computational Drug Discovery and Design “ Springer (2012(.
  10. A Groso, et al., Particle and Fibre Toxicology 7 (2010) 1.
  11. B Fadeel, et al., Nature Nanotechnology 13) 2018( 537.
  12. K Thomas, et al., Toxicological Sciences 92 )2006( 23.
  13. K Schirmer, R Behra, and L Sigg, “Ecotoxicological aspects of nanomaterials in the aquatic environment” Pan Stanford Publishing (2013(.
  14. S Lin, et al., Advanced Material 30, 17 (2018) 1705691.
  15. J Lee, S Mahendra, and P J Alvarez, ACS Nano 4 )2010( 3580.
  16. C Chipot, P A Kollman, and D A Pearlman, Journal of Computational Chemistry 17)1996 (1112.
  17. J Kästner, et al., Journal of Chemical Theory and Computation 2 )2006( 452.
  18. W Jiang and B Roux, Journal of Chemical Theory and Computation 6 )2010(
  19. N Lu, J K Singh, and D A Kofke, The Journal of Chemical Physics 118 (2003( 2977.
  20. N Lu, D A Kofke, and T B Woolf, Journal of Computational Chemistry 25 )2004 (28.
  21. F Deflorian, et al., Journal of Chemical Information and Modeling 60, 11 (2020) 5563.
  22. M Zacharias, et al., Biochemistry 32, 29 (1993) 7428.
  23. Frisch, M. et al.Gaussian 09, Revision d. 01” Gaussian )2009(.
  24. B Mennucci, et al., The Journal of Physical Chemistry A 106 )2002( 6102.
  25. D Van Der Spoel, et al., Journal of Computational Chemistry 26 )2005( 1701.
  26. S Miyamoto and P A Kollman, Journal of Computational Chemistry 13 )1992( 952.
  27. B Hess, et al., Journal of Computational Chemistry 18 )1997( 1463.
  28. S Jo, et al., Biophysical Journal 97 )2009( 50.
  29. T Darden, D York, and L Pedersen, The Journal of Chemical Physics 98 (1993) 10089.
  30. U Essmann,. et al., The Journal of Chemical Physics 103 )1995 (8577.

تحت نظارت وف ایرانی