#داکینگ_مولکولی
مقدمه
Docking (molecular)
داکینگ مولکولی روشی است که انرژی اتصال بین دو مولکول را به خوبی مشخص می کند. در واقع مطالعات داکینگ مولکولی برای تعیین متقابل اتصال دو مولکول مورد نظر و پیدا کردن بهترین جهت اتصال لیگاند با انرژی حداقل است.نتایج به دست آمده که کم ترین میزان انرژی را دارند می توانند به مقادیر عددی و کمی تبدیل شوند که این مقادیر کمی را می توان به صورت اطلاعات 3 بعدی از پروتئین-لیگاند تبدیل کرد و با نرم افزار های مناسب مثل rasmol و pymol مشاهده کرد.
در انجام فرایند داکینگ بین دو مولکول معمولا میانکنش هایی بین دو مولکول مورد نظر ایجاد می شود که به دست آوردن بهترین حالت اتصال که کمترین انرژی اتصال را دارد با استفاده از این میانکنش ها(force field) به دست می آید.
@computational_science
مقدمه
Docking (molecular)
داکینگ مولکولی روشی است که انرژی اتصال بین دو مولکول را به خوبی مشخص می کند. در واقع مطالعات داکینگ مولکولی برای تعیین متقابل اتصال دو مولکول مورد نظر و پیدا کردن بهترین جهت اتصال لیگاند با انرژی حداقل است.نتایج به دست آمده که کم ترین میزان انرژی را دارند می توانند به مقادیر عددی و کمی تبدیل شوند که این مقادیر کمی را می توان به صورت اطلاعات 3 بعدی از پروتئین-لیگاند تبدیل کرد و با نرم افزار های مناسب مثل rasmol و pymol مشاهده کرد.
در انجام فرایند داکینگ بین دو مولکول معمولا میانکنش هایی بین دو مولکول مورد نظر ایجاد می شود که به دست آوردن بهترین حالت اتصال که کمترین انرژی اتصال را دارد با استفاده از این میانکنش ها(force field) به دست می آید.
@computational_science
#داکینگ_مولکولی
میانکنش های درگیر
این میانکنش های بین 2 مولکول شامل 4 مورد زیر است:
1-نیروهای الکترواستاتیکElectrostatic forces - Forces)) که معمولا بین دو مولکول صورت می گیرند و شامل انواع نیروهای بار-بار، بار-دوقطبی و نیروهای دوقطبی-دوقطبی هستند.
2-نیروهای الکتروداینامیک(Electrodynamics forces) که عموما به نیروهای واندروالس معروف هستند.
3-نیروهای فضایی Steric forces))، این نیروها نیروهایی هستند که در اتم های مولکول های مختلف در اثر نزدیکی زیاد به یکدیگر به وجود می آیند و منجر به ایجاد واکنش می شوند و در نهایت انرژی اتصال را تحت تاثیر قرار می دهند.
4- نیروهای مرتبط با حلال (Solvent-related forces) که این نیروها در اثر واکنش شیمیایی بین مولکول های پروتئین یا لیگاند با مولکول های آب (حلال) به وجود می آیند.
تمام این نیروهای ذکر شده یک ویژگی مشترک دارند این ویژگی مشترک ماهیت الکترواستاتیکی این نیروها است.
@computational_science
میانکنش های درگیر
این میانکنش های بین 2 مولکول شامل 4 مورد زیر است:
1-نیروهای الکترواستاتیکElectrostatic forces - Forces)) که معمولا بین دو مولکول صورت می گیرند و شامل انواع نیروهای بار-بار، بار-دوقطبی و نیروهای دوقطبی-دوقطبی هستند.
2-نیروهای الکتروداینامیک(Electrodynamics forces) که عموما به نیروهای واندروالس معروف هستند.
3-نیروهای فضایی Steric forces))، این نیروها نیروهایی هستند که در اتم های مولکول های مختلف در اثر نزدیکی زیاد به یکدیگر به وجود می آیند و منجر به ایجاد واکنش می شوند و در نهایت انرژی اتصال را تحت تاثیر قرار می دهند.
4- نیروهای مرتبط با حلال (Solvent-related forces) که این نیروها در اثر واکنش شیمیایی بین مولکول های پروتئین یا لیگاند با مولکول های آب (حلال) به وجود می آیند.
تمام این نیروهای ذکر شده یک ویژگی مشترک دارند این ویژگی مشترک ماهیت الکترواستاتیکی این نیروها است.
@computational_science
#داکینگ_مولکولی
داکینگ مولکولی را می توان به 2 بخش جداگانه تقسیم کرد:
1- الگوریتم جستجو (Search algorithm) ، این الگوریتم می تواند کنفورماسیون بهینه و مناسب را بین 2 مولکول تعیین کند و بهترین جهت گیری اتصال را پیدا می کند. انواع الگوریتم هایی که به این منظور استفاده می شوند شامل موارد زیر می شوند:
• داینامیک مولکولی ( Molecular dynamics )
• روش مونت کارلو (Monte Carlo methods )
• الگوریتم های ژنتیک (Genetic algorithms)
• روش های مبتنی بر قطعه (Fragment-based methods)
• روش های مکمل نقطه (Point complementary methods )
• روش های هندسه فاصله (Distance geometry methods)
• جستجوی سیستماتیک (Systematic searches )
2- توابع امتیاز دهی (Scoring function) ، این روش های ریاضی برای پیش بینی قدرت تعامل غیرکوالانسی بین 2 مولکول مورد نظر به کار می رود. برای مثال می توان 2 تابع امتیاز دهی زیر بیان کرد:
• Empirical scoring function of Igemdock
Fitness = vdW + Hbond + Elec
• Binding Energy
∆G bind = ∆Gvdw + ∆Ghbond + ∆Gelect + ∆Gconform + ∆G tor + ∆G sol
@computational_science
داکینگ مولکولی را می توان به 2 بخش جداگانه تقسیم کرد:
1- الگوریتم جستجو (Search algorithm) ، این الگوریتم می تواند کنفورماسیون بهینه و مناسب را بین 2 مولکول تعیین کند و بهترین جهت گیری اتصال را پیدا می کند. انواع الگوریتم هایی که به این منظور استفاده می شوند شامل موارد زیر می شوند:
• داینامیک مولکولی ( Molecular dynamics )
• روش مونت کارلو (Monte Carlo methods )
• الگوریتم های ژنتیک (Genetic algorithms)
• روش های مبتنی بر قطعه (Fragment-based methods)
• روش های مکمل نقطه (Point complementary methods )
• روش های هندسه فاصله (Distance geometry methods)
• جستجوی سیستماتیک (Systematic searches )
2- توابع امتیاز دهی (Scoring function) ، این روش های ریاضی برای پیش بینی قدرت تعامل غیرکوالانسی بین 2 مولکول مورد نظر به کار می رود. برای مثال می توان 2 تابع امتیاز دهی زیر بیان کرد:
• Empirical scoring function of Igemdock
Fitness = vdW + Hbond + Elec
• Binding Energy
∆G bind = ∆Gvdw + ∆Ghbond + ∆Gelect + ∆Gconform + ∆G tor + ∆G sol
@computational_science
#داکینگ_مولکولی
انواع داکینگ:
1- Lock and Key or Rigid Docking
در این حالت هندسه و ساختار هر دو مولکول لیگاند و پروتئین ثابت و rigid نگه داشته می شوند.
2- Induced fit or Flexible Docking
در این نوع داکینگ لیگاند انعطاف پذیر نگه داشته می شود. و انرژی اتصال بین کنفورماسیون های مختلف لیگاند و پروتئین ثابت، محاسبه می شود.هر چند این حالت نسبت به حالت قبلی وقت گیرتر است ولی میانکنش های بین کنفورماسیون های مختلف لیگاند و پروتئین را محاسبه می کند و قابل اطمینان تر است.
@computational_science
#داکینگ_مولکولی
مراحل اصلی داکینگ ملکولی:
• مرحله اول: Building the Receptor
در این مرحله ساختار 3 بعدی مورد نظر باید از وب سایت PDB دانلود شود و تغییر داده شود. مثلا مولکول های آب از حفره ها حذف شود.
• مرحله دوم: Identification of the Active Site
بعد اینکه مولکول رسپتور ساخته شد باید جایگاههای فعال مولکول مورد نظر تعریف شوند.ممکن است مولکول مورد نظر چند جایگاه فعال داشته باشد که در این حالت باید یکی ازآنها که مناسب است انتخاب شود.
• مرحله سوم: Ligand Preparation
لیگاند می تواند از دیتابیس های مختلف مثل ZINC, PubChem به دست آید و یا ابزارهایی مثل Chemsketch طراحی و ترسیم شود.
• مرحله چهارم: Docking
در این مرحله لیگاند مورد نظر بر روی گیرنده داک می شود و فعل و انفعالات بررسی می شوند و با توجه به امتیاز دهی بهترین حالت اتصال به دست می آید.
@computational_science
انواع داکینگ:
1- Lock and Key or Rigid Docking
در این حالت هندسه و ساختار هر دو مولکول لیگاند و پروتئین ثابت و rigid نگه داشته می شوند.
2- Induced fit or Flexible Docking
در این نوع داکینگ لیگاند انعطاف پذیر نگه داشته می شود. و انرژی اتصال بین کنفورماسیون های مختلف لیگاند و پروتئین ثابت، محاسبه می شود.هر چند این حالت نسبت به حالت قبلی وقت گیرتر است ولی میانکنش های بین کنفورماسیون های مختلف لیگاند و پروتئین را محاسبه می کند و قابل اطمینان تر است.
@computational_science
#داکینگ_مولکولی
مراحل اصلی داکینگ ملکولی:
• مرحله اول: Building the Receptor
در این مرحله ساختار 3 بعدی مورد نظر باید از وب سایت PDB دانلود شود و تغییر داده شود. مثلا مولکول های آب از حفره ها حذف شود.
• مرحله دوم: Identification of the Active Site
بعد اینکه مولکول رسپتور ساخته شد باید جایگاههای فعال مولکول مورد نظر تعریف شوند.ممکن است مولکول مورد نظر چند جایگاه فعال داشته باشد که در این حالت باید یکی ازآنها که مناسب است انتخاب شود.
• مرحله سوم: Ligand Preparation
لیگاند می تواند از دیتابیس های مختلف مثل ZINC, PubChem به دست آید و یا ابزارهایی مثل Chemsketch طراحی و ترسیم شود.
• مرحله چهارم: Docking
در این مرحله لیگاند مورد نظر بر روی گیرنده داک می شود و فعل و انفعالات بررسی می شوند و با توجه به امتیاز دهی بهترین حالت اتصال به دست می آید.
@computational_science
#داکینگ_مولکولی
لیست نرم افزارهای موجود برای داکینگ پروتئین-لیگاند
1-Click Docking
AADS
ADAM
AutoDock
AutoDock Vina
BetaDock
Blaster
BSP-SLIM
DARWIN
DIVALI
DOCK
DockingServer
DockVision
EADock
eHiTS
EUDOC
FDS
FlexX
FlexAID
YUCCA
VoteDock
FlexPepDock
FLIPDock
FLOG
FRED
FTDOCK
GEMDOCK
Glide
GOLD
GPCRautomodel
HADDOCK
Hammerhead
ICM-Dock
idTarget
iScreen
Lead finder
LigandFit
LigDockCSA
LIGIN
LPCCSU
SwissDock
MCDOCK
MEDock
MolDock
MS-DOCK
ParDOCK
PatchDock
PLANTS
PLATINUM
PRODOCK
PSI-DOCK
PSO@AUTODOCK
PythDock
Q-Dock
QXP
rDock
SANDOCK
Score
SODOCK
SOFTDocking
Surflex-Dock
@computational_science
لیست نرم افزارهای موجود برای داکینگ پروتئین-لیگاند
1-Click Docking
AADS
ADAM
AutoDock
AutoDock Vina
BetaDock
Blaster
BSP-SLIM
DARWIN
DIVALI
DOCK
DockingServer
DockVision
EADock
eHiTS
EUDOC
FDS
FlexX
FlexAID
YUCCA
VoteDock
FlexPepDock
FLIPDock
FLOG
FRED
FTDOCK
GEMDOCK
Glide
GOLD
GPCRautomodel
HADDOCK
Hammerhead
ICM-Dock
idTarget
iScreen
Lead finder
LigandFit
LigDockCSA
LIGIN
LPCCSU
SwissDock
MCDOCK
MEDock
MolDock
MS-DOCK
ParDOCK
PatchDock
PLANTS
PLATINUM
PRODOCK
PSI-DOCK
PSO@AUTODOCK
PythDock
Q-Dock
QXP
rDock
SANDOCK
Score
SODOCK
SOFTDocking
Surflex-Dock
@computational_science
#نرم_افزارهای_مفید
FRODOCK 2.0: fast protein–protein docking server (2016)
پیش بینی کمپلکس های پروتئین-پروتئین از ساختارهایی اولیه یک چالش بسیار قوی ومهم در درک فرایندهای زیستی است.در این مقاله یک سرور کاربر پسند برای داکینگ پروتئینی که به عنوان نسخه پیشرفته است و FRODOCK نام دارد. این وب سرور حاوی ابزارهای بسیار کارآمد است و به منظور انتخاب مدل های پروتئین-پروتئین به کار می رود. میزان web interface بسیار بالا است و برای همه ی مرورگرهای ویندوز پاسخ گو است. این سرور به صورت خودکار و با دریافت 2 فایل PDB داکینگ پروتئین-پروتئین را انجام می دهد. در این سرور کاربر می تواند نوع اینترکشن های بین 2 مولکول را نیز انتخاب کند که این امر باعث می شود که نرخ داکینگ به خوبی صورت بگیرد. و سپس بعد از چند دقیقه نتایج داکینگ در صفحه نمایش داده می شود. که شامل روابط گرافیکی برای انتخاب یا بازیابی مدل های تولید شده است.که در شکل زیر مشاهده می کنیم. در این تصویر که خروجی سرور FRODOCK است مولکول های لیگاند و پروتئین در اینترکشن با هم نمایش داده شده اند و همچنین مولکول های حلال نیز نمایش داده شده اند. علاوه بر این یک سری اطلاعات تکمیلی و جزئی نیز در صفحه نتایج نمایش داده می شوند.
به طور کلی مزیت این وب سرور داکینگ این است که عمل داکینگ آن دقیق تر و قابل اعتماد تر است و جزئیات بیشتری در خروجی و نتایج به ما می دهد. همچنین در این سرور سرعت داک کردن مولکول ها نیز بالا است و حدود چند دقیقه طول می کشد. برای کسب اطلاعات بیشتر می توانید مقاله مورد نظر را مطالعه فرمایید.
@computational_science
FRODOCK 2.0: fast protein–protein docking server (2016)
پیش بینی کمپلکس های پروتئین-پروتئین از ساختارهایی اولیه یک چالش بسیار قوی ومهم در درک فرایندهای زیستی است.در این مقاله یک سرور کاربر پسند برای داکینگ پروتئینی که به عنوان نسخه پیشرفته است و FRODOCK نام دارد. این وب سرور حاوی ابزارهای بسیار کارآمد است و به منظور انتخاب مدل های پروتئین-پروتئین به کار می رود. میزان web interface بسیار بالا است و برای همه ی مرورگرهای ویندوز پاسخ گو است. این سرور به صورت خودکار و با دریافت 2 فایل PDB داکینگ پروتئین-پروتئین را انجام می دهد. در این سرور کاربر می تواند نوع اینترکشن های بین 2 مولکول را نیز انتخاب کند که این امر باعث می شود که نرخ داکینگ به خوبی صورت بگیرد. و سپس بعد از چند دقیقه نتایج داکینگ در صفحه نمایش داده می شود. که شامل روابط گرافیکی برای انتخاب یا بازیابی مدل های تولید شده است.که در شکل زیر مشاهده می کنیم. در این تصویر که خروجی سرور FRODOCK است مولکول های لیگاند و پروتئین در اینترکشن با هم نمایش داده شده اند و همچنین مولکول های حلال نیز نمایش داده شده اند. علاوه بر این یک سری اطلاعات تکمیلی و جزئی نیز در صفحه نتایج نمایش داده می شوند.
به طور کلی مزیت این وب سرور داکینگ این است که عمل داکینگ آن دقیق تر و قابل اعتماد تر است و جزئیات بیشتری در خروجی و نتایج به ما می دهد. همچنین در این سرور سرعت داک کردن مولکول ها نیز بالا است و حدود چند دقیقه طول می کشد. برای کسب اطلاعات بیشتر می توانید مقاله مورد نظر را مطالعه فرمایید.
@computational_science
#نرم_افزارهای_مفید FRODOCK 2.0 @computational_science
#مدلسازی_مقایسه ای
Introduction to Homology Modeling
واژه همولوژی مدلینگ که همچنین comparative modelingیا template-based modeling (TBM) نیز نامیده می شود اشاره به مدل کردن ساختارهای سه بعدی پروتئین ها از روی الگوی ساختاری پروتئین های مشابهی که ساختار سوم آنها از طریق روش های آزمایشگاهی تجربی به دست آمده است. ساختار پروتئین برای ما بسیار مهم است و تمام فعالیت هایی شامل عمکرد پروتئین، داینامیک پروتئین، اینترکشن پروتئین با سایر پروتئین ها و لیگاند ها و همچنین طراحی دارو برای سیستم های زیستی تحت تاثیر ساختار پروتئین هستند. همولوژی مدلینگ می تواند به بیوشیمیست ها و بیولوژیست های مولکولی از این نظر کمک کند که ساختار هایی هر چند با رزولوشن پایین low-resolution"" فراهم می کند که حاوی اطلاعات کافی است تا نقاط و رزیدوهای مهم در ساختار پروتئین مشخص شود تا بتوانیم تشخیص دهیم که چه آزمایش هایی باید شروع شوند. روش همولوژی مدلینگ شامل مراحلی است که در زیر مشاهده می کنیم:
• شناسایی الگو
• همردیفی توالی آمینواسیدی amino acid sequence alignment))
• اصلاح هم ترازی (alignment correction)
• ایجاد زنجیره اصلی مولکول (backbone generation)
• ایجاد لوپ ها (generation of loops)
• ایجاد زنجیره های جانبی و بهینه سازی (side chain generation & optimization)
• استفاده از روش های ab initio برای ساخت لوپ
• بهینه سازی مدل کلی (overall model optimization)
• و در نهایت model verification. Quality criteria, model quality
@computational_science
Introduction to Homology Modeling
واژه همولوژی مدلینگ که همچنین comparative modelingیا template-based modeling (TBM) نیز نامیده می شود اشاره به مدل کردن ساختارهای سه بعدی پروتئین ها از روی الگوی ساختاری پروتئین های مشابهی که ساختار سوم آنها از طریق روش های آزمایشگاهی تجربی به دست آمده است. ساختار پروتئین برای ما بسیار مهم است و تمام فعالیت هایی شامل عمکرد پروتئین، داینامیک پروتئین، اینترکشن پروتئین با سایر پروتئین ها و لیگاند ها و همچنین طراحی دارو برای سیستم های زیستی تحت تاثیر ساختار پروتئین هستند. همولوژی مدلینگ می تواند به بیوشیمیست ها و بیولوژیست های مولکولی از این نظر کمک کند که ساختار هایی هر چند با رزولوشن پایین low-resolution"" فراهم می کند که حاوی اطلاعات کافی است تا نقاط و رزیدوهای مهم در ساختار پروتئین مشخص شود تا بتوانیم تشخیص دهیم که چه آزمایش هایی باید شروع شوند. روش همولوژی مدلینگ شامل مراحلی است که در زیر مشاهده می کنیم:
• شناسایی الگو
• همردیفی توالی آمینواسیدی amino acid sequence alignment))
• اصلاح هم ترازی (alignment correction)
• ایجاد زنجیره اصلی مولکول (backbone generation)
• ایجاد لوپ ها (generation of loops)
• ایجاد زنجیره های جانبی و بهینه سازی (side chain generation & optimization)
• استفاده از روش های ab initio برای ساخت لوپ
• بهینه سازی مدل کلی (overall model optimization)
• و در نهایت model verification. Quality criteria, model quality
@computational_science
#نرم_افزارهای_مفید
Biskit : A Python platform for structural bioinformatics
این نرم افزار یک بسته نرم افزار منبع باز (open source) است که در پایتون نوشته شده است. این نرم افزار در حیطه های بیوانفورماتیک ساختاری، همولوژی مدلینگ و مدل سازی مولکولی کاربرد دارد. آخرین نسخه این نرم افزار نسخه 2.4.0 است که در مارس 2012 منشر شد و همچنان در حال توسعه است. یک مزیت خوب این نرم افزار این است که با نرم افزارهای خارجی دیگر ارتباط دارد. نرم افزار هایی مثل X-PLOR, Hex, T-Coffee, DSSPو MODELLER به خوبی با این نرم افزار ارتباط دارند. این نرم افزار دارای 2 بخش اصلی است:
• یک بخش کتابخانه که دارای برنامه نویسی شئ گرا (Object-oriented programming) است که عمل تجزیه و تحلیل سازه های مولکولی، کمپلکس های پروتئینی و داینامیک مولکولی را انجام می دهد.
• بخش ساختمان کتابخانه (building on the library) که مجموعه ای از برنامه ها را برای حل کردن وظایف خاص تنظیم می کند. برای مثال در این بخش به صورت خودکار با استفاده از همولوژی مدلینگ یا پیش بینی ساختارهای پیچیده از طریق داک کردن پروتئین های منعطف، ساختارهای مورد نظر به دست می آیند. این نرم افزار کاربردهای زیادی است که در زیر مشاهده می شوند:
• مدل سازی همسان خودکار (Automated homology modelling)
• داکینگ پروتئین-پروتئین
• داکینگ منعطف پروتئین-پروتئین flexible protein-protein docking
• نمونه گیری ساختارها با استفاده از Xplor
• نمونه گیری ساختارها با استفاده از Amber
• اعتبار سنجی مدل سازی (Modelling validation)
• به دست آوردن انرژی آزاد اتصال الکترواستاتیک با استفاده از DelPhi
در شکل زیر نمایی از فلوچارت این نرم افزار را مشاهده می کنیم.
@computational_science
Biskit : A Python platform for structural bioinformatics
این نرم افزار یک بسته نرم افزار منبع باز (open source) است که در پایتون نوشته شده است. این نرم افزار در حیطه های بیوانفورماتیک ساختاری، همولوژی مدلینگ و مدل سازی مولکولی کاربرد دارد. آخرین نسخه این نرم افزار نسخه 2.4.0 است که در مارس 2012 منشر شد و همچنان در حال توسعه است. یک مزیت خوب این نرم افزار این است که با نرم افزارهای خارجی دیگر ارتباط دارد. نرم افزار هایی مثل X-PLOR, Hex, T-Coffee, DSSPو MODELLER به خوبی با این نرم افزار ارتباط دارند. این نرم افزار دارای 2 بخش اصلی است:
• یک بخش کتابخانه که دارای برنامه نویسی شئ گرا (Object-oriented programming) است که عمل تجزیه و تحلیل سازه های مولکولی، کمپلکس های پروتئینی و داینامیک مولکولی را انجام می دهد.
• بخش ساختمان کتابخانه (building on the library) که مجموعه ای از برنامه ها را برای حل کردن وظایف خاص تنظیم می کند. برای مثال در این بخش به صورت خودکار با استفاده از همولوژی مدلینگ یا پیش بینی ساختارهای پیچیده از طریق داک کردن پروتئین های منعطف، ساختارهای مورد نظر به دست می آیند. این نرم افزار کاربردهای زیادی است که در زیر مشاهده می شوند:
• مدل سازی همسان خودکار (Automated homology modelling)
• داکینگ پروتئین-پروتئین
• داکینگ منعطف پروتئین-پروتئین flexible protein-protein docking
• نمونه گیری ساختارها با استفاده از Xplor
• نمونه گیری ساختارها با استفاده از Amber
• اعتبار سنجی مدل سازی (Modelling validation)
• به دست آوردن انرژی آزاد اتصال الکترواستاتیک با استفاده از DelPhi
در شکل زیر نمایی از فلوچارت این نرم افزار را مشاهده می کنیم.
@computational_science
#کاربردهای_بیوشیمی_محاسباتی
کاربرد های شبیه سازی:
Molecular Dynamics Study on the Encapsulation of Prilocaine in Liposomes at Physiological pH
در این تحقیق با استفاده از شبیه سازی داینامیک مولکولی اثر غلظت بر روی میزان کپسول سازی و به دام افتادن داروی prilocaine (PLC) در لیپوزوم که در PH فیزیولوژی صورت می گیرد، مورد بررسی قرار می گیرد. این اقدام با استفاده از شبیه سازی داینامیک مولکولی و در مقیاس زمانی میکروثانیه صورت می گیرد. در PH فیزیولوژی نسبتی بین حالت خنثی و حالت پروتونه شده ی داروی مورد نظر وجود دارد، لذا برای تخمین نسبت این دو حالت دارو، در این تحقیق از معادله Henderson-Hasselbach استفاده شده است.در این تحقیق یکی از نتایجی که به دست آمده این است که مولکول های prilocaine (PLC) که خنثی هستند با سرعت بیشتری ازغشاء لیپوزوم منتشر میشوند و مولکول هایی که در PH فیزیولوژی باردار هستند با نرخ کمتری از غشاء لیپوزوم عبور می کنند. با این حال دراین تحقیق مشخص شد که بسته به PH با افزایش غلظت دارو میزان نرخ به دام انداختن دارو در لیپوزوم افزایش می یابد چون میزان مولکول های دارویی که در معرض حامل لیپوزومی قرار می گیرند زیاد می شود. شکل زیر نیز میزان به دام افتادن دارو را در دو حالت بدون بار و باردار را در طی شبیه سازی نشان می دهد.
در این شکل مولکول های سبز رنگ دارو در حالت بدون بار وخنثی( N plc) هستند و مولکول های قرمز دارو در حالت باردار است (pPLC).که در طی شبیه سازی مشخص است که نرخ انتشار حالت بدون بارمولکول های دارو بیشتر است.
به عنوان یک نکته پایانی و نتیجه کلی این مقاله می توان بیان داشت که شبیه سازی داینامیک مولکولی (molecular dynamic simulation) یک ابزار قدرتمند برای بررسی جنبه های مختلف سیستم های دارورسانی در مقیاس نانو است.
@computational_science
کاربرد های شبیه سازی:
Molecular Dynamics Study on the Encapsulation of Prilocaine in Liposomes at Physiological pH
در این تحقیق با استفاده از شبیه سازی داینامیک مولکولی اثر غلظت بر روی میزان کپسول سازی و به دام افتادن داروی prilocaine (PLC) در لیپوزوم که در PH فیزیولوژی صورت می گیرد، مورد بررسی قرار می گیرد. این اقدام با استفاده از شبیه سازی داینامیک مولکولی و در مقیاس زمانی میکروثانیه صورت می گیرد. در PH فیزیولوژی نسبتی بین حالت خنثی و حالت پروتونه شده ی داروی مورد نظر وجود دارد، لذا برای تخمین نسبت این دو حالت دارو، در این تحقیق از معادله Henderson-Hasselbach استفاده شده است.در این تحقیق یکی از نتایجی که به دست آمده این است که مولکول های prilocaine (PLC) که خنثی هستند با سرعت بیشتری ازغشاء لیپوزوم منتشر میشوند و مولکول هایی که در PH فیزیولوژی باردار هستند با نرخ کمتری از غشاء لیپوزوم عبور می کنند. با این حال دراین تحقیق مشخص شد که بسته به PH با افزایش غلظت دارو میزان نرخ به دام انداختن دارو در لیپوزوم افزایش می یابد چون میزان مولکول های دارویی که در معرض حامل لیپوزومی قرار می گیرند زیاد می شود. شکل زیر نیز میزان به دام افتادن دارو را در دو حالت بدون بار و باردار را در طی شبیه سازی نشان می دهد.
در این شکل مولکول های سبز رنگ دارو در حالت بدون بار وخنثی( N plc) هستند و مولکول های قرمز دارو در حالت باردار است (pPLC).که در طی شبیه سازی مشخص است که نرخ انتشار حالت بدون بارمولکول های دارو بیشتر است.
به عنوان یک نکته پایانی و نتیجه کلی این مقاله می توان بیان داشت که شبیه سازی داینامیک مولکولی (molecular dynamic simulation) یک ابزار قدرتمند برای بررسی جنبه های مختلف سیستم های دارورسانی در مقیاس نانو است.
@computational_science
#کاربردهای_شبیه_سازی_دینامیک_مولکولی
Molecular dynamics simulations of large macromolecular complexes
شبیه سازی داینامیک مولکولی کمپلکس ها و اجزاء ماکرومولکولی بزرگ :
بررسی پویایی و داینامیک مولکول ها و ساختار های متنوع زیستی با استفاده از شبیه سازی داینامیک مولکولی صورت می گیرد و در نهایت نتیجه این شبیه سازی این است که پدیده های زیستی حاصل از اطلاعات تجربی را با جزئیات بیشتر مشخص می کند. شبیه سازی داینا میک مولکولی علاوه بر این که برای مولکول های زیستی کوچک صورت می گیرد برای شبیه سازی ماکرومولکول ها و کمپلکس های بزرگ زیستی مثل ویروس ها، ریبوزوم، کپسید ها، باکتری های با اندازه کوچک و ... نیز کاربرد دارد. در حال حاضر شبیه سازی های باعملکرد بالا مثل بسته های نرم افزاری NAMD,GROMACS و LAMMPS برای شبیه سازی سیستم های بزرگ زیستی به کار می روند و در حال توسعه و افزوده شدن به تعداد هسته هایشان هستند و دائما در حال اپتیمایز شدن هستند.
در شکل زیر انواع مختلف شبیه سازی بر اساس اندازه ماکرومولکول ها در سطوح مختف را را مشاهده می کنیم. برای مثال: محاسبات کوانتوم-مکانیک امکان بررسی واکنش های شیمیایی با جزئیات اتمی برای تک مولکول را فراهم میکند. شبیه سازی all-atom برای شبیه سازی پروتئین ها، آنزیم ها، مولکول DNA ، کانال های یونی و ... کاربرد دارد. شبیه سازی coarse-grained نیز برای شبیه سازی سیستم های پیچیده مثل ویروس ها، اندامک های سلولی و باکتری ها کاربرد دارد.
شبیه سازی داینامیک مولکولی مورد استفاده برای ساختار و ماکرومولکول های بزرگ، همانطور که بیان شد شبیه سازی از نوع coarse-grained است. این نوع از شبیه سازی با اینکه اتم های مشابه را یکی در نظر می گیرد و ساده سازی زیادی انجام می دهد ولی اطلاعات با ارزشی را در مقیاس زمانی کم به ما می دهد. در شبیه سازی ماکرومولکول های پیچیده مثل ویروس ها و ریبوزوم ها محاسبات پیچیده می شود و گاهی ممکن است برای محقق زمان بر باشد.با این حال شبیه سازی ماکرومولکول های زیستی مثل ریبوزوم ها و ویروس ها به خوبی صورت گرفته است توانسته اطلاعات با ارزشی را نیز در اختیار محققان قرار دهد.
@computational_science
Molecular dynamics simulations of large macromolecular complexes
شبیه سازی داینامیک مولکولی کمپلکس ها و اجزاء ماکرومولکولی بزرگ :
بررسی پویایی و داینامیک مولکول ها و ساختار های متنوع زیستی با استفاده از شبیه سازی داینامیک مولکولی صورت می گیرد و در نهایت نتیجه این شبیه سازی این است که پدیده های زیستی حاصل از اطلاعات تجربی را با جزئیات بیشتر مشخص می کند. شبیه سازی داینا میک مولکولی علاوه بر این که برای مولکول های زیستی کوچک صورت می گیرد برای شبیه سازی ماکرومولکول ها و کمپلکس های بزرگ زیستی مثل ویروس ها، ریبوزوم، کپسید ها، باکتری های با اندازه کوچک و ... نیز کاربرد دارد. در حال حاضر شبیه سازی های باعملکرد بالا مثل بسته های نرم افزاری NAMD,GROMACS و LAMMPS برای شبیه سازی سیستم های بزرگ زیستی به کار می روند و در حال توسعه و افزوده شدن به تعداد هسته هایشان هستند و دائما در حال اپتیمایز شدن هستند.
در شکل زیر انواع مختلف شبیه سازی بر اساس اندازه ماکرومولکول ها در سطوح مختف را را مشاهده می کنیم. برای مثال: محاسبات کوانتوم-مکانیک امکان بررسی واکنش های شیمیایی با جزئیات اتمی برای تک مولکول را فراهم میکند. شبیه سازی all-atom برای شبیه سازی پروتئین ها، آنزیم ها، مولکول DNA ، کانال های یونی و ... کاربرد دارد. شبیه سازی coarse-grained نیز برای شبیه سازی سیستم های پیچیده مثل ویروس ها، اندامک های سلولی و باکتری ها کاربرد دارد.
شبیه سازی داینامیک مولکولی مورد استفاده برای ساختار و ماکرومولکول های بزرگ، همانطور که بیان شد شبیه سازی از نوع coarse-grained است. این نوع از شبیه سازی با اینکه اتم های مشابه را یکی در نظر می گیرد و ساده سازی زیادی انجام می دهد ولی اطلاعات با ارزشی را در مقیاس زمانی کم به ما می دهد. در شبیه سازی ماکرومولکول های پیچیده مثل ویروس ها و ریبوزوم ها محاسبات پیچیده می شود و گاهی ممکن است برای محقق زمان بر باشد.با این حال شبیه سازی ماکرومولکول های زیستی مثل ریبوزوم ها و ویروس ها به خوبی صورت گرفته است توانسته اطلاعات با ارزشی را نیز در اختیار محققان قرار دهد.
@computational_science
اندازه متفاوت مولکول های زیستی @computational_science
مثالهایی از شبیه سازی ویروس ها @computational_science
شبیه سازی ریبوزوم ها @computational_science
#نرم_افزارهای_مفید
نرم افزار LAMMPS یک بسته نرم افزاری برای شبیه سازی داینامیک مولکولی است که مدل هایی از ensemble یا ذرات را در محیط آبی، جامد و گاز ارائه می دهد. LAMMPS می تواند برای مدل های اتمی، پلیمرها، مولکول های بیولوژیکی، فلزها، گرانول ها، و سیستم های coarse-grained در شرایط مرزی و با استفاده از انواع فورس فیلدها به کار رود. LAMMPS به صورت موثر میتواند بر روی یک دکستاپ تک پردازنده یا لب تاب اجراء شود، اما این نرم افزار برای کامپیوترهای parallel طراحی شده است. نسخه فعلی LAMMPS با برنامه c++ نوشته شده است درحالی که نسخه های قبلی در F77 و F90 نوشته شده بود. در حالت کلی LAMMPS از معادلات حرکت نیوتن برای مجموعه ای ذرات یا مولکول ها یا اتم ها از طریق نیروهای کوتاه برد یا بلند برد استفاده می کند.
این نرم افزار یک نرم افزار بسیار پرکاربرد در بیولوژی مولکولی و بیولوژی محاسباتی است.دلیل این پرکاربرد بودن ویژگی های مخصوص و مزیت های زیاد این نرم افزار است.که شامل موارد زیر می شود:
• می تواند به صورت مجزا یا حالت parallel اجراء شود.
• این نرم افزار به صورت mpi می باشد(distributed-memory message-passing parallelism)
• به صورت open-source است.
• به شدت با برنامه C++ به صورت portable است.
• به آسانی ویژگی های جدید و کدهای جدید را حمایت می کند.
• با استفاده از اسکریپت های ورودی به راحتی قابل اجراء می شود.
@computational_science
نرم افزار LAMMPS یک بسته نرم افزاری برای شبیه سازی داینامیک مولکولی است که مدل هایی از ensemble یا ذرات را در محیط آبی، جامد و گاز ارائه می دهد. LAMMPS می تواند برای مدل های اتمی، پلیمرها، مولکول های بیولوژیکی، فلزها، گرانول ها، و سیستم های coarse-grained در شرایط مرزی و با استفاده از انواع فورس فیلدها به کار رود. LAMMPS به صورت موثر میتواند بر روی یک دکستاپ تک پردازنده یا لب تاب اجراء شود، اما این نرم افزار برای کامپیوترهای parallel طراحی شده است. نسخه فعلی LAMMPS با برنامه c++ نوشته شده است درحالی که نسخه های قبلی در F77 و F90 نوشته شده بود. در حالت کلی LAMMPS از معادلات حرکت نیوتن برای مجموعه ای ذرات یا مولکول ها یا اتم ها از طریق نیروهای کوتاه برد یا بلند برد استفاده می کند.
این نرم افزار یک نرم افزار بسیار پرکاربرد در بیولوژی مولکولی و بیولوژی محاسباتی است.دلیل این پرکاربرد بودن ویژگی های مخصوص و مزیت های زیاد این نرم افزار است.که شامل موارد زیر می شود:
• می تواند به صورت مجزا یا حالت parallel اجراء شود.
• این نرم افزار به صورت mpi می باشد(distributed-memory message-passing parallelism)
• به صورت open-source است.
• به شدت با برنامه C++ به صورت portable است.
• به آسانی ویژگی های جدید و کدهای جدید را حمایت می کند.
• با استفاده از اسکریپت های ورودی به راحتی قابل اجراء می شود.
@computational_science