분자역학
"오늘의AI위키"의 AI를 통해 더욱 풍부하고 폭넓은 지식 경험을 누리세요.
1. 개요
분자역학은 원자 간 퍼텐셜 함수 또는 힘장을 사용하여 분자 시스템의 퍼텐셜 에너지를 계산하고, 이를 통해 분자 동역학을 모델링하는 계산 방법이다. 분자역학의 함수 형태는 공유 결합 및 비공유 결합 에너지 항의 합으로 표현되며, 사용되는 특정 시뮬레이션 프로그램에 따라 다르다. 분자역학은 단백질 폴딩, 양성자화 평형, 활성 부위 좌표 계산 등에 사용되며, 분자 동역학, QM/MM, 에너지 최소화 등의 응용 분야가 있다. 또한, 분자 환경을 정의하기 위해 진공, 명시적 용매화, 암묵적 용매화 등 다양한 방법이 사용되며, AMBER, CHARMM, GROMACS, NAMD 등 다양한 소프트웨어 패키지가 존재한다.
더 읽어볼만한 페이지
- 분자 모델링 - Rosetta@home
Rosetta@home은 분산 컴퓨팅 플랫폼 BOINC를 활용하여 단백질 구조 예측 연구를 수행하며, 신약 개발 및 질병 연구에 기여하는 것을 목표로 한다. - 분자 모델링 - Folding@home
Folding@home은 단백질 폴딩 연구를 위해 전 세계 컴퓨터 자원을 활용하여 알츠하이머병, 헌팅턴병 등 질병 연구에 기여하는 분산 컴퓨팅 프로젝트이다. - 분자간 힘 - 소수성
소수성은 물을 기피하는 성질로, 생물학, 화학 등 다양한 분야에서 중요하게 다루어지며, 미셀 형성, 단백질 구조 형성, 초소수성 현상 등과 관련되어 자가 세척, 랩온어칩, 제약 분야 등에 응용된다. - 분자간 힘 - 반데르발스 힘
반데르발스 힘은 원자, 분자, 표면 간에 작용하는 인력으로, 입자들의 변동하는 극성화 상관관계에서 발생하며, 영구 다극자, 유도된 다극자, 순간 다극자 간 상호작용의 총합으로, 공유결합이나 이온결합보다 약하지만 물질의 물리적·화학적 특성, 생체 분자 상호작용, 도마뱀붙이의 벽면 부착 등에 중요한 역할을 한다. - 계산화학 - 에너지 준위
에너지 준위는 양자 역학적 계에서 입자가 가질 수 있는 특정 에너지 값으로, 원자 내 전자의 양자화된 에너지 상태를 나타내며 분자에서는 전자, 진동, 회전 에너지 준위가 존재하고, 에너지 준위 간 전이는 광자의 흡수 또는 방출을 수반한다. - 계산화학 - 섭동 이론
섭동 이론은 정확히 풀리는 문제에 작은 변화가 있을 때 급수로 표현하여 근사해를 구하는 방법으로, 초기 해에 보정항을 더하는 방식으로 고전역학, 양자역학 등 다양한 분야에서 활용되며 섭동 형태와 적용 차수에 따라 구분된다.
| 분자역학 | |
|---|---|
| 분자 역학 정보 | |
 | |
| 분야 | 계산 화학, 분자 모델링, 이론 화학, 생물물리학 |
| 방법 | 힘장 |
| 속성 | 분자 에너지, 구조, 진동 모드 |
| 관련된 것 | 분자 동역학, 몬테카를로 방법 |
2. 함수 형태
분자 역학에서 사용되는 포텐셜 에너지 함수(또는 힘장)는 분자 시스템의 에너지를 구성 요소별로 나누어 계산한다. 이 함수는 공유결합 에너지와 비공유결합 에너지의 합으로 표현된다.
분자역학은 분자 동역학, QM/MM, 에너지 최소화 등 다양한 분야에 응용된다. 분자역학 포텐셜 에너지 함수는 결합 상수,[4][5][6][7][8] 단백질 폴딩 속도론,[9] 양성자화 평형,[10] 활성 부위 좌표,[6][11] 및 결합 부위 설계를 계산하는 데 사용된다.[12]
:
각 에너지는 다시 다음과 같이 세분화된다.
:
:
힘장의 구체적인 함수 형태는 시뮬레이션 프로그램에 따라 달라진다. 일반적으로 결합 및 각도 항은 조화 퍼텐셜이나 가우시안과 같은 ''ab-initio'' 계산으로 모델링된다. 이산각 항은 여러 최소값을 가질 수 있어 구현에 따라 형태가 다양하다. 비결합 항은 계산 비용이 크지만, 반 데르 발스 항은 거리에 따라 빠르게 감소하므로 ''6–12 레너드-존스 퍼텐셜''을 사용하여 모델링한다. 이때, ''r''은 두 원자 사이의 거리를 나타낸다.[1] 그러나 레너드-존스 퍼텐셜의 반발 부분은 비물리적이므로 단거리에서 부정확성을 초래한다. 일반적으로 절단 반경을 사용하여 계산 속도를 높인다.
정전기적 항은 거리에 따라 감소 속도가 느려 계산이 어렵다. 쿨롱 퍼텐셜은 ''r''−1로 감소한다. 이 문제를 해결하기 위해 절단 반경, 스위칭 함수, 입자 메쉬 Ewald (PME), 다중극자 알고리즘 등 다양한 방법이 사용된다.
힘장은 에너지 항의 함수 형태 외에도 힘 상수, 반 데르 발스 승수 등 다양한 매개변수를 포함한다. 이러한 매개변수는 실험값 및 이론적 계산 결과와 일치하도록 조정된다. 노먼 L. 알링거의 MM4 힘장은 탄화수소의 형성열, 진동 스펙트럼, 회전 장벽, 결합 길이, 각도 등을 정확하게 계산한다.[2] 이후 버전에서는 헤테로원자가 있는 화합물도 다룬다.[3]
각 힘장은 내부적으로 일관성을 유지하도록 설계되지만, 일반적으로 매개변수를 다른 힘장으로 전송할 수는 없다.
3. 응용 분야
3. 1. 분자 동역학
분자역학의 주요 사용 분야는 분자 동역학이다. 이는 각 입자에 작용하는 힘을 계산하기 위해 힘장을 사용하고, 입자의 동역학을 모델링하고 궤적을 예측하기 위해 적절한 적분기를 사용한다. 충분한 샘플링이 주어지고 에르고딕 가설에 따르면, 분자 동역학 궤적은 시스템의 열역학적 매개변수를 추정하거나 반응 속도 및 메커니즘과 같은 운동학적 특성을 조사하는 데 사용될 수 있다.
분자역학은 QM/MM 내에서도 사용되며, 단백질 및 효소의 운동학을 연구할 수 있다. 시스템은 두 영역으로 나뉘는데, 하나는 양자역학(QM)으로 처리되어 결합의 파괴와 형성을 허용하고, 나머지 단백질은 분자역학(MM)을 사용하여 모델링된다. MM만으로는 QM이 허용하는 효소의 메커니즘을 연구할 수 없다. QM은 또한 시스템의 보다 정확한 에너지 계산을 생성하지만 계산 비용이 훨씬 더 많이 든다.
분자역학의 또 다른 응용 분야는 에너지 최소화이며, 여기서 힘장은 최적화 기준으로 사용된다. 이 방법은 적절한 알고리즘(예: 가장 가파른 하강법)을 사용하여 국부 에너지 최소값의 분자 구조를 찾는다. 이러한 최소값은 분자의 안정적인 컨포머(선택된 힘장 내)에 해당하며 분자 운동은 이러한 안정적인 컨포머 주변의 진동과 상호 변환으로 모델링될 수 있다. 따라서 전역 에너지 최소값을 찾기 위해 국부 에너지 최소화 방법을 전역 에너지 최적화와 결합하는 것이 일반적이다(및 기타 저에너지 상태). 유한 온도에서 분자는 이러한 낮은 상태에서 대부분의 시간을 보내며, 따라서 분자 특성을 지배한다. 전역 최적화는 시뮬레이티드 어닐링, 메트로폴리스 알고리즘 및 기타 몬테카를로 방법을 사용하거나 이산 또는 연속 최적화의 다른 결정론적 방법을 사용하여 수행할 수 있다. 힘장은 엔탈피 구성 요소만 나타내며(에너지 최소화 중에 이 구성 요소만 포함됨) 자유 에너지의 엔트로피 구성 요소를 정상 모드 분석과 같은 추가 방법을 사용하여 포함할 수 있다.
분자역학 포텐셜 에너지 함수는 결합 상수,[4][5][6][7][8] 단백질 폴딩 속도론,[9] 양성자화 평형,[10] 활성 부위 좌표,[6][11] 및 결합 부위 설계를 계산하는 데 사용되었다.[12]
3. 2. QM/MM
QM/MM 방법에서 분자역학은 단백질 및 효소의 운동학 연구에 활용된다. 시스템은 두 영역으로 나뉘는데, 하나는 양자역학(QM)으로 처리하여 결합의 파괴와 형성을 다루고, 나머지 단백질은 분자역학(MM)을 사용하여 모델링된다. MM만으로는 QM이 허용하는 효소의 메커니즘을 연구할 수 없다. QM은 또한 시스템의 보다 정확한 에너지 계산을 생성하지만 계산 비용이 훨씬 더 많이 든다.[4][5][6][7][8][9][10][11][12]
3. 3. 에너지 최소화
분자역학의 또 다른 응용 분야는 에너지 최소화이며, 여기서 힘장은 최적화 기준으로 사용된다. 이 방법은 적절한 알고리즘 (예: 가장 가파른 하강법)을 사용하여 국부 에너지 최소값의 분자 구조를 찾는다. 이러한 최소값은 분자의 안정적인 컨포머 (선택된 힘장 내)에 해당하며 분자 운동은 이러한 안정적인 컨포머 주변의 진동과 상호 변환으로 모델링될 수 있다. 따라서 전역 에너지 최소값을 찾기 위해 국부 에너지 최소화 방법을 전역 에너지 최적화와 결합하는 것이 일반적이다 (및 기타 저에너지 상태). 유한 온도에서 분자는 이러한 낮은 상태에서 대부분의 시간을 보내며, 따라서 분자 특성을 지배한다. 전역 최적화는 시뮬레이티드 어닐링, 메트로폴리스 알고리즘 및 기타 몬테카를로 방법을 사용하거나 이산 또는 연속 최적화의 다른 결정론적 방법을 사용하여 수행할 수 있다. 힘장은 엔탈피 구성 요소만 나타내며 (에너지 최소화 중에 이 구성 요소만 포함됨) 자유 에너지의 엔트로피 구성 요소를 정상 모드 분석과 같은 추가 방법을 사용하여 포함할 수 있다.[4][5][6][7][8]
3. 4. 기타 응용
분자역학은 분자 동역학의 주요 분야에서 활용된다. 분자 동역학은 각 입자에 작용하는 힘을 계산하기 위해 힘장을 이용하며, 입자의 움직임을 모델링하고 궤적을 예측하기 위해 적절한 적분기를 사용한다. 충분한 샘플링과 에르고딕 가설을 통해, 분자 동역학 궤적은 시스템의 열역학적 변수를 추정하거나 반응 속도 및 메커니즘과 같은 운동학적 특성을 연구하는 데 사용될 수 있다.
분자역학은 QM/MM에도 사용되어 단백질과 효소의 운동학을 연구한다. 시스템은 두 영역으로 나뉘는데, 하나는 양자역학(QM)으로 처리하여 결합의 파괴와 형성을 가능하게 하고, 나머지 단백질은 분자역학(MM)을 사용하여 모델링한다. MM만으로는 QM이 허용하는 효소의 메커니즘을 연구할 수 없다. QM은 또한 시스템의 더 정확한 에너지 계산을 제공하지만, 계산 비용이 훨씬 더 많이 든다.
분자역학의 또 다른 응용 분야는 에너지 최소화이며, 여기서 힘장은 최적화 기준으로 사용된다. 이 방법은 가장 가파른 하강법과 같은 적절한 알고리즘을 사용하여 국부 에너지 최소값의 분자 구조를 찾는다. 이러한 최소값은 분자의 안정적인 컨포머(선택된 힘장 내)에 해당하며, 분자 운동은 이러한 안정적인 컨포머 주변의 진동과 상호 변환으로 모델링될 수 있다. 따라서 전역 에너지 최소값을 찾기 위해 국부 에너지 최소화 방법을 전역 에너지 최적화와 결합하는 것이 일반적이다(및 기타 저에너지 상태). 유한 온도에서 분자는 이러한 낮은 상태에서 대부분의 시간을 보내며, 따라서 분자 특성을 지배한다. 전역 최적화는 시뮬레이티드 어닐링, 메트로폴리스 알고리즘 및 기타 몬테카를로 방법을 사용하거나 이산 또는 연속 최적화의 다른 결정론적 방법을 사용하여 수행할 수 있다. 힘장은 엔탈피 구성 요소만 나타내며(에너지 최소화 중에는 이 구성 요소만 포함됨), 자유 에너지의 엔트로피 구성 요소는 정상 모드 분석과 같은 추가 방법을 사용하여 포함할 수 있다.
분자역학 포텐셜 에너지 함수는 결합 상수,[4][5][6][7][8] 단백질 폴딩 속도론,[9] 양성자화 평형,[10] 활성 부위 좌표,[6][11] 및 결합 부위 설계를 계산하는 데 사용되었다.[12]
4. 환경 및 용매화
분자 역학에서는 분자나 분자 주변 환경을 정의하는 여러 방법이 있다. 진공 상태에서 시뮬레이션할 수 있지만, 이는 분자 구조에 인위적인 영향을 줄 수 있어 일반적으로 바람직하지 않다. 표면 전하는 보통 용매 분자와 상호작용하여 다른 환경에서는 보기 힘든 분자 구조를 만들기 때문이다.
분자를 용매화하는 방법에는 크게 명시적 방법과 암묵적 방법이 있다. 명시적 용매화는 관심 분자와 함께 물 분자를 시뮬레이션 상자에 넣어 다른 분자처럼 상호작용하게 하는 가장 정확한 방법이다. 물 모델은 단순한 딱딱한 구체부터 복잡한 모델까지 다양한 수준으로 표현될 수 있으며, 모델이 복잡해질수록 계산 비용은 증가한다. 암묵적 용매화는 명시적인 물 분자 대신 물 분자의 평균적인 거동을 나타내는 수학적 표현식을 사용하는 방법이다. 이 방법은 진공 시뮬레이션에서 발생하는 인위적인 영향을 방지하고 벌크 용매의 특성은 잘 재현하지만, 용질과 용매 간의 특정 상호작용은 제대로 반영하지 못한다.[13]
4. 1. 진공 시뮬레이션
분자 역학에서 관심 분자 또는 분자 주변 환경을 정의하는 데는 여러 가지 방법이 있다. 시스템은 주변 환경 없이 진공 상태(기체-상 시뮬레이션이라고 함)에서 시뮬레이션할 수 있지만, 특히 전하를 띤 분자의 경우 분자 구조에 인위적인 영향을 미치므로 일반적으로 바람직하지 않다. 일반적으로 용매 분자와 상호 작용하는 표면 전하는 서로 상호 작용하여 다른 환경에서는 존재하기 어려울 수 있는 분자 구조를 생성한다.[13]4. 2. 명시적 용매화
분자 역학에서 관심 분자나 분자 주변 환경을 정의하는 데는 여러 가지 방법이 있다. 시스템은 주변 환경 없이 진공 상태(기체-상 시뮬레이션이라고 함)에서 시뮬레이션할 수 있지만, 특히 전하를 띤 분자의 경우 분자 구조에 인위적인 영향을 미치므로 일반적으로 바람직하지 않다. 일반적으로 용매 분자와 상호 작용하는 표면 전하는 서로 상호 작용하여 다른 환경에서는 존재하기 어려울 수 있는 분자 구조를 생성한다. 시스템을 용매화하는 가장 정확한 방법은 관심 분자와 함께 명시적인 물 분자를 시뮬레이션 상자에 넣고 물 분자를 다른 분자와 마찬가지로 상호 작용하는 입자로 취급하는 것이다. 물 모델에는 단순한 딱딱한 구체(통합 원자 모델)로 물을 나타내는 것, 고정된 결합 각도를 가진 세 개의 별도 입자로 나타내는 것, 또는 산소 원자의 쌍을 이루지 않은 전자를 고려하여 네 개 또는 다섯 개의 별도 상호 작용 중심점으로 나타내는 등 다양한 수준의 복잡성을 가진 모델이 존재한다. 물 모델이 더 복잡해짐에 따라 관련 시뮬레이션은 계산 집약적으로 변한다.[13]4. 3. 암묵적 용매화
분자 역학에서 관심 분자나 분자 주변 환경을 정의하는 방법에는 여러 가지가 있다. 시스템은 주변 환경 없이 진공 상태(기체-상 시뮬레이션)에서 시뮬레이션할 수 있지만, 특히 전하를 띤 분자의 경우 분자 구조에 인위적인 영향을 미치므로 일반적으로 바람직하지 않다. 일반적으로 용매 분자와 상호 작용하는 표면 전하는 서로 상호 작용하여 다른 환경에서는 존재하기 어려울 수 있는 분자 구조를 생성한다. 시스템을 용매화하는 가장 정확한 방법은 관심 분자와 함께 명시적인 물 분자를 시뮬레이션 상자에 넣고 물 분자를 다른 분자와 마찬가지로 상호 작용하는 입자로 취급하는 것이다. 물 모델에는 단순한 딱딱한 구체(통합 원자 모델)로 물을 나타내는 것, 고정된 결합 각도를 가진 세 개의 별도 입자로 나타내는 것, 또는 산소 원자의 쌍을 이루지 않은 전자를 고려하여 네 개 또는 다섯 개의 별도 상호 작용 중심점으로 나타내는 등 다양한 수준의 복잡성을 가진 모델이 존재한다. 물 모델이 더 복잡해짐에 따라 관련 시뮬레이션은 계산 집약적으로 변한다. 암묵적 용매화는 명시적으로 표현된 물 분자를 물 분자(또는 지질과 같은 다른 용매)의 평균적인 거동을 재현하는 수학적 표현식으로 대체하는 절충적인 방법이다. 이 방법은 진공 시뮬레이션에서 발생하는 인위적인 영향을 방지하는 데 유용하며 벌크 용매 특성을 잘 재현하지만, 용매 모델에 의해 잘 포착되지 않는 용질과의 특정 상호 작용을 개별 물 분자가 생성하는 상황, 예를 들어 단백질 내 수소 결합 네트워크의 일부인 물 분자를 재현할 수는 없다.[13]5. 소프트웨어 패키지
다음은 분자 역학 시뮬레이션을 위한 주요 소프트웨어 패키지 목록이다. 더 많은 패키지를 사용할 수 있지만, 이 목록은 대표적인 예시들을 포함한다.
참조
[1]
논문
Large-scale compensation of errors in pairwise-additive empirical force fields: comparison of AMBER intermolecular terms with rigorous DFT-SAPT calculations
[2]
논문
An improved force field (MM4) for saturated hydrocarbons
https://onlinelibrar[...]
1996-04
[3]
논문
Molecular mechanics (MM4) study of amines
https://onlinelibrar[...]
2007
[4]
논문
Binding of a diverse set of ligands to avidin and streptavidin: an accurate quantitative prediction of their relative affinities by a combination of molecular mechanics and continuum solvent models
2000-10
[5]
논문
Computational alanine scanning of the 1:1 human growth hormone-receptor complex
2002-01
[6]
논문
Predicting absolute ligand binding free energies to a simple model site
2007-08
[7]
논문
Hierarchical database screenings for HIV-1 reverse transcriptase using a pharmacophore model, rigid docking, solvation docking, and MM-PB/SA
2005-04
[8]
논문
Calculating structures and free energies of complex molecules: combining molecular mechanics and continuum models
2000-12
[9]
논문
Absolute comparison of simulated and experimental protein-folding dynamics
2002-11
[10]
논문
Accurate, conformation-dependent predictions of solvent effects on protein ionization constants
2007-03
[11]
논문
Computational prediction of native protein ligand-binding and enzyme active site sequences
2005-07
[12]
논문
Design of Protein-Ligand Binding Based on the Molecular-Mechanics Energy Model
2008-07
[13]
서적
Essentials of computational chemistry : theories and models
https://www.worldcat[...]
Wiley
2004
[14]
웹사이트
ACEMD - GPU MD
https://web.archive.[...]
[15]
웹사이트
Ascalaph
http://www.biomolecu[...]
[16]
웹사이트
COSMOS
http://www.cosmos-so[...]
[17]
웹사이트
StruMM3D (STR3DI32)
http://www.exorga.co[...]
[18]
웹사이트
Zodiac
http://www.zeden.org[...]
본 사이트는 AI가 위키백과와 뉴스 기사,정부 간행물,학술 논문등을 바탕으로 정보를 가공하여 제공하는 백과사전형 서비스입니다.
모든 문서는 AI에 의해 자동 생성되며, CC BY-SA 4.0 라이선스에 따라 이용할 수 있습니다.
하지만, 위키백과나 뉴스 기사 자체에 오류, 부정확한 정보, 또는 가짜 뉴스가 포함될 수 있으며, AI는 이러한 내용을 완벽하게 걸러내지 못할 수 있습니다.
따라서 제공되는 정보에 일부 오류나 편향이 있을 수 있으므로, 중요한 정보는 반드시 다른 출처를 통해 교차 검증하시기 바랍니다.
문의하기 : help@durumis.com