適用範囲と限界 分子動力学法は、理論物理学 で最初に用いられ、その後すぐに材料科学 で人気を博し、1970年代以降は生化学 や生物物理学でも広く用いられるようになった。MDは、 X線結晶構造解析 やNMR分光法 による実験的制約に基づいて、タンパク質 やその他の高分子 の3次元構造を精密化するために頻繁に用いられる。物理学では、MDは薄膜 成長やイオンサブプランテーションなど、直接観察できない原子レベルの現象のダイナミクスを調べたり、まだ作られていない、あるいはまだ作られていないナノテクノロジー デバイスの物理的特性を調べたりするために用いられる。生物物理学や構造生物学では、この方法はタンパク質や 核酸 などの高分子の運動を研究するために頻繁に用いられ、特定の生物物理学的実験の結果を解釈したり、リガンドドッキング のように他の分子との相互作用をモデル化したりするのに有用である。原理的には、MDはランダムコイル からのポリペプチド鎖 の折り畳みを シミュレートすることで、タンパク質構造 の第一原理 予測 に用いることができる。 MDは、 ポリマーを含む薬物の溶解度や溶媒和の自由エネルギーなどの他の熱力学的特性を計算するためにも使用できます[ 15 ] 。 [ 16 ]
MD シミュレーションの結果は、分子動力学を測定する実験との比較によって検証できます。その一般的な方法の 1 つは NMR 分光法です。MD から得られた構造予測は、タンパク質構造予測の重要評価 ( CASP ) におけるコミュニティ全体の実験によって検証できますが、この方法はこれまでこの分野で限られた成功しか収めてきませんでした。MDをタンパク質に適用したことでノーベル賞を 共同受賞したマイケル・レビットは 、1999 年に、CASP 参加者は通常、この方法を使用しなかった理由として、「分子力学 の中心的な問題、すなわち、エネルギー最小化 または分子動力学は一般的に実験構造に似ていないモデルにつながる」ことを挙げています。[ 17 ] より多くの、より長い MD 軌跡を可能にする計算リソースの改善と、力場 パラメータの品質の現代的な改善が相まって、構造予測と相同性モデルの 精緻化の両方でいくつかの改善が見られましたが、これらの分野で実用化できるレベルには達していません。多くの人が、力場パラメータをさらなる開発の重要な分野として挙げています。[ 18 ] [ 19 ] [ 20 ]
MD シミュレーションは、薬理活性部位の 開発と創薬設計 に用いられてきた。[ 21 ] らは、 Bcl-xL 複合体 の MD シミュレーションを実施し、リガンド結合に関与する重要なアミノ酸 の平均位置を計算した。 [ 22 ] らは、分子動力学シミュレーションを実施し、活性部位の立体構造と柔軟性への破壊を最小限に抑えつつ、 受容体を 補完する化合物を特定した。シミュレーション中の一定時間間隔でのタンパク質のスナップショットを重ね合わせ、薬理活性部位の開発のために保存された結合領域 (11 フレームのうち少なくとも 3 フレームで保存されている) を特定した。Spyrakisらは、MD シミュレーション、リガンドとタンパク質のフィンガープリント (FLAP)、 線形判別分析 (LDA)のワークフローを利用して、得られた薬理活性部位の遡及的ROC 分析に基づいて、薬理活性部位テンプレートとして機能する最適なリガンド-タンパク質立体構造を特定した。構造ベースの創薬モデリングを改善するため、モデル化された化合物が多数必要となることから、 Hatmalらは 、MD シミュレーションとリガンド-受容体分子間接触解析を組み合わせることで、単一のリガンド-タンパク質複合体における重要な分子間接触（結合相互作用）を冗長なものから区別することを提案した。重要な接触は、仮想スクリーニングに使用できるファーマコフォアモデルに変換することができる。[ 23 ]
重要な要素は分子内水素結合 [ 24 ] 点電荷 のクーロン相互作用 として記述される。水素結合は部分的に量子力学的 および化学的 性質を持つため、これは粗い近似である。さらに、静電相互作用は通常、周囲の水溶液 の誘電率 がはるかに高いにもかかわらず、真空の誘電率を使用して計算される。したがって、短い原子間距離で巨視的な 誘電率を使用することは疑問である。最後に、 MDにおけるファンデルワールス相互作用 は通常、真空でのみ適用可能なフリッツ・ロンドン 理論に基づくレナード・ジョーンズポテンシャル [ 25 ] [ 26 ] 環境の誘電特性に依存する [ 27 ] ハマーカー定数 など）の直接測定は、「炭化水素 と水との間の相互作用は、真空との間の相互作用の約10%である」ことを示している。[ 27 ]
設計上の制約 分子動力学シミュレーションの設計では、利用可能な計算能力を考慮する必要があります。シミュレーションのサイズ（n = 粒子の数）、タイムステップ、および合計時間の長さは、計算が妥当な時間内に完了するように選択する必要があります。ただし、シミュレーションは、研究対象の自然プロセスの時間スケールに関連するのに十分な長さである必要があります。シミュレーションから統計的に有効な結論を得るには、シミュレーションされた時間範囲が自然プロセスの速度論 と一致する必要があります。そうでない場合、1歩未満しか見ていないのに人間の歩き方について結論を出すのと同様です。タンパク質とDNAのダイナミクスに関するほとんどの科学論文[ 28 ] [ 29 ] 。 これらのシミュレーションを取得するには、数 CPU日 から数CPU年が必要です。並列アルゴリズムを使用すると、負荷を CPU 間で分散できます。例として、空間分解アルゴリズムまたは力分解アルゴリズムがあります。[ 30 ]
古典的な分子動力学シミュレーションでは、最もCPU負荷の高いタスクは、粒子の内部座標の関数としてのポテンシャルの評価です。そのエネルギー評価の中で、最もコストがかかるのは非結合または非共有結合の部分です。ビッグオー記法 では、一般的な分子動力学シミュレーションは、 O （ n 2 ） {\displaystyle O(n^{2})} 電相互作用 とファンデルワールス相互作用を 明示的に考慮する必要がある場合。この計算コストは、粒子メッシュエバルト和法 などの静電 法を用いることで削減できます（O （ n ログ （ n ） ） {\displaystyle O(n\log(n))} P 3 M )、または良好な球状カットオフ法 (O （ n ） {\displaystyle O(n)}
シミュレーションに必要な総CPU時間に影響を与えるもう1つの要因は、積分タイムステップのサイズです。これは、ポテンシャルの評価間の時間長です。タイムステップは、離散化エラーを 回避するために十分に小さく選択する必要があります（つまり、システム内の最も速い振動周波数に関連する周期よりも小さくする必要があります）。古典的なMDの典型的なタイムステップは、1 フェムト秒（10⁻¹⁵秒 ）のオーダーです。この値は、最も速い原子（水素など）の振動を固定するSHAKE拘束アルゴリズム などのアルゴリズムを使用することで拡張できます。より遅い長距離力の更新間の時間を延長できるマルチタイムスケール法も開発されています。[ 31 ] [ 32 ] [ 33 ]
溶媒 中の分子をシミュレーションする場合、明示的 溶媒と暗黙的溶媒 のどちらかを選択する必要があります。明示的溶媒粒子（TIP3P 、SPC/E、SPC-f などの水モデル）は力場によって計算コストが高く、一方、暗黙的溶媒は平均場 アプローチを使用します。明示的溶媒を使用すると計算コストが高くなり、シミュレーションに含める粒子数が約10倍多くなります。しかし、明示的溶媒の粒度と粘度は、溶質分子の特定の特性を再現するために不可欠です。これは、化学反応速度 を再現する上で特に重要です。
あらゆる種類の分子動力学シミュレーションにおいて、境界条件による アーティファクトを避けるためには、シミュレーションボックスのサイズを十分に大きくする必要があります。境界条件は、端に固定値を設定する（アーティファクトが発生する可能性がある）か、シミュレーションの一方の側が反対側にループしてバルク相を模倣する周期境界条件 を採用する（これもアーティファクトが発生する可能性がある）ことで処理されることがよくあります。
分子動力学法（赤色）とモンテカルロ法（青色）によるシステムのポテンシャルエネルギー面のサンプリングの模式図。
正準アンサンブル では、物質量（N）、体積（V）、温度（T）が保存されます。これは定温分子動力学（CTMD）とも呼ばれます。NVTでは、吸熱過程と発熱過程のエネルギーはサーモスタット によって交換されます。
分子動力学シミュレーションの境界からエネルギーを多かれ少なかれ現実的な方法で追加および除去し、正準アンサンブル を近似するためのさまざまなサーモスタットアルゴリズムが利用可能です。温度を制御する一般的な方法には、速度スケーリング、Nosé–Hooverサーモスタット 、Nosé–Hooverチェーン、Berendsenサーモスタット 、Andersenサーモスタット 、およびLangevin動力学 などがあります。Berendsenサーモスタットは、シミュレーションシステムの非物理的な並進および回転を引き起こす「浮遊氷塊 効果」を引き起こす可能性があります。
これらのアルゴリズムを用いて、コンフォメーションと速度の標準的なアンサンブル分布を得ることは容易ではありません。これがシステムサイズ、サーモスタットの選択、サーモスタットのパラメータ、時間ステップ、および積分器にどのように依存するかは、この分野の多くの論文の主題となっています。
等温等圧系 では、物質量（N）、圧力（P）、温度（T）が保存されます。サーモスタットに加えて、バロスタット も必要です。これは、周囲温度と圧力に開放されたフラスコを用いた実験室条件に最も近いものです。
生体膜 のシミュレーションでは、等方性 圧力制御は適切ではありません。脂質二重層 の場合、圧力制御は膜面積一定（NPAT）または表面張力一定「ガンマ」（NPγT）の条件下で行われます。
一般化アンサンブル レプリカ交換 法は一般化されたアンサンブルです。これは元々、無秩序スピン系の遅いダイナミクスを扱うために作られました。これは並列テンパリングとも呼ばれます。レプリカ交換MD（REMD）定式化[ 34 ]
分子動力学シミュレーションにおけるポテンシャル 分子動力学シミュレーションでは、ポテンシャル関数、つまりシミュレーション内の粒子が相互作用する条件を記述した定義が必要です。化学や生物学では、これは通常、力場 と呼ばれ、材料物理学では原子間ポテンシャル と呼ばれます。ポテンシャルは、さまざまな物理的精度レベルで定義できます。化学で最も一般的に使用されるポテンシャルは、分子力学 に基づいており、粒子間の相互作用を古典力学的に扱うことで、構造変化や 立体配座変化を再現できますが、通常は 化学反応 を再現することはできません。
完全な量子力学的記述から古典ポテンシャルへの還元には、主に2つの近似が伴います。1つ目はボルン・オッペンハイマー近似 で、電子の運動は非常に速いため、原子核の運動に瞬時に反応すると考えられるというものです。その結果、電子と原子核は別々に扱うことができます。2つ目は、電子よりもはるかに重い原子核を、古典的なニュートン力学に従う点粒子として扱うというものです。古典分子動力学では、電子の影響は、通常基底状態を表す1つのポテンシャルエネルギー面として近似されます。
より詳細なレベルが必要な場合は、量子力学 に基づくポテンシャルが使用されます。一部の手法では、システムの大部分を古典的に扱い、小さな領域を量子システムとして扱い、通常は化学変化を起こすハイブリッドな古典/量子ポテンシャルを作成しようとします。
経験的ポテンシャル 化学で用いられる経験的ポテンシャルはしばしば力場 と呼ばれ、材料物理学で用いられる経験的ポテンシャルは原子間ポテンシャル と呼ばれる。
化学におけるほとんどの力場は経験的なものであり、 化学結合 、結合角、結合二面角に関連する結合力と、 ファンデルワールス力 および静電荷 に関連する非結合力の合計から構成されます。[ 35 ] 原子電荷、 原子半径 の推定値を反映したファンデルワールスパラメータ、平衡結合長 、角度、二面角などの自由パラメータが含まれています。これらは、詳細な電子計算（量子化学シミュレーション）または弾性定数 、格子定数、分光測定 などの実験的な物理的特性にフィッティングすることによって得られます。
非結合相互作用は非局所的な性質を持つため、システム内のすべての粒子間に少なくとも弱い相互作用が生じます。その計算は通常、MDシミュレーションの速度におけるボトルネックとなります。計算コストを下げるために、力場では、シフトカットオフ半径、 反応場 アルゴリズム、粒子メッシュEwald和 、またはより新しい粒子-粒子-粒子-メッシュ（P3M ）などの数値近似が用いられます。
化学力場は一般的にあらかじめ設定された結合配置を採用しており（ab initio 結合 次数形式に基づくものなど、システムのさまざまな配位と結合切断を記述できます。[ 36 ] [ 37 ] 。ReaxFF ポテンシャル [ 41 ] 結合 次数ポテンシャル 化学 力場 の 完全 に
対ポテンシャルと多体ポテンシャル 非結合エネルギーを表すポテンシャル関数は、系の粒子間の相互作用の総和として定式化されます。多くの一般的な力場 で採用されている最も単純な選択肢は「ペアポテンシャル」であり、これは原子対間のエネルギー寄与の総和から全ポテンシャルエネルギーを計算できます。そのため、これらの力場は「加算型力場」とも呼ばれます。このようなペアポテンシャルの例として、ファンデルワールス力の計算に使用される非結合レナード・ジョーンズポテンシャル （6-12ポテンシャルとも呼ばれる）があります。
U （ r ） = 4 ε [ （ σ r ） 12 − （ σ r ） 6 ] {\displaystyle U(r)=4\varepsilon \left[\left({\frac {\sigma }{r}}\right)^{12}-\left({\frac {\sigma }{r}}\right)^{6}\right]} もう1つの例は、イオン格子のBorn（イオン）モデルです。次の式の最初の項は、イオン対のクーロンの法則 、2番目の項はパウリの排他原理によって説明される短距離反発、最後の項は分散相互作用項です。通常、シミュレーションには双極子項のみが含まれますが、四極子項も含まれる場合があります。[ 42 ] [ 43 ] n l = 6の場合、このポテンシャルはクーロン-バッキンガムポテンシャル とも呼ばれます。
U 私 j （ r 私 j ） = z 私 z j 4 π ϵ 0 1 r 私 j + A l exp − r 私 j p l + C l r 私 j − n l + ⋯ {\displaystyle U_{ij}(r_{ij})={\frac {z_{i}z_{j}}{4\pi \epsilon _{0}}}{\frac {1}{r_{ij}}}+A_{l}\exp {\frac {-r_{ij}}{p_{l}}}+C_{l}r_{ij}^{-n_{l}}+\cdots } 多体ポテンシャル では、ポテンシャルエネルギーには、3 個以上の粒子が互いに相互作用する効果が含まれます。[ 44 ] 炭素 、シリコン 、ゲルマニウムの シミュレーションに使用され、その後、他のさまざまな材料に使用されているTersoff ポテンシャル [ 45 ] 埋め込み原子法 （EAM）[ 46 ] [ 44 ] [ 47 ]
半経験的ポテンシャル 半経験的 ポテンシャルは、量子力学における行列表現を利用します。ただし、行列要素の値は、特定の原子軌道の重なり具合を推定する経験式によって求められます。次に、行列を対角化して各原子軌道の占有率を決定し、再び経験式を用いて軌道のエネルギー寄与を決定します。
半経験的ポテンシャルには、タイトバインディング ポテンシャルと呼ばれる様々な種類があり、それらはモデル化される原子に応じて変化する。
第一原理計算 手法における可能性古典分子動力学では、力場には1つのポテンシャルエネルギー面（通常は基底状態）のみが表現されます。これはボルン・オッペンハイマー近似 の結果です。励起状態、化学反応、あるいはより正確な表現が必要な場合、密度汎関数理論などの量子力学的手法を用いて、第一原理から電子の挙動を求めることができます。これは 第一原理分子動力学 （AIMD）と呼ばれます。電子の自由度を扱うコストが高いため、これらのシミュレーションの計算負荷は古典分子動力学よりもはるかに高くなります。そのため、AIMDは通常、より小さな系とより短い時間に限定されます。
第一原理 量子力学 および化学 法は、軌道上の配座に必要な場合、システムのポテンシャルエネルギーを その場で計算するために使用できます。この計算は通常、反応座標 のすぐ近くで行われます。さまざまな近似が使用されることがありますが、これらは経験的なフィッティングではなく、理論的な考察に基づいています。第一原理 計算は、電子状態の密度やその他の電子特性など、経験的方法では得られない膨大な量の情報を生成します。第一原理 法を使用する大きな利点は、複数の電子状態に対応する共有結合の切断または形成を伴う反応を研究できることです。さらに、第一原理法は 、混合量子古典力学 などのアプローチを使用して、Born–Oppenheimer近似を超える効果を回復することもできます。
QM（量子力学）法は非常に強力ですが、計算コストが高く、MM（古典力学または分子力学）法は高速ですが、いくつかの制限があります（広範なパラメータ化が必要、得られるエネルギー推定値はあまり正確ではない、共有結合が切断/形成される反応のシミュレーションに使用できない、化学環境に関する正確な詳細を提供する能力が限られている）。QM（精度）とMM（速度）計算の長所を組み合わせた新しいクラスの方法が登場しました。これらの方法は、混合またはハイブリッド量子力学および分子力学法（ハイブリッドQM/MM）と呼ばれます。[ 54 ]
ハイブリッドQM/MM法の最も重要な利点は速度です。最も単純なケースでの古典分子動力学（MM）の計算コストはO(n² ) に相当します。ここでnはシステム内の原子数です。これは主に静電相互作用項（すべての粒子が他のすべての粒子と相互作用する）によるものです。しかし、カットオフ半径、周期的なペアリスト更新、そして最近では粒子メッシュEwald（PME）法のバリエーションを用いることで、このコストはO(n)からO(n²)にまで削減されました。 言い換えれば、原子数が2倍のシステムをシミュレーションする場合、必要な計算能力は2倍から4倍になります。一方、最も単純なab initio 計算は通常O(n³)またはそれ以下の計算量に なります（制限付きHartree-Fock計算では約O( n².⁷ )と示唆されています）。この限界を克服するために、システムのごく一部（通常は酵素の活性部位）を量子力学的に扱い、残りのシステムを古典的に扱います。
より高度な実装では、量子効果を受けやすい軽原子核（水素など）と電子状態の両方を扱うための QM/MM 法が存在します。これにより、水素波動関数（電子波動関数に類似）を生成することができます。この手法は、水素トンネル効果などの現象を調査するのに役立ってきました。QM/MM 法が新たな発見をもたらした例の 1 つは、酵素肝アルコール脱水素 酵素における水素化物移動の計算です。この場合、量子トンネル効果は 水素にとって重要であり、反応速度を決定します。[ 55 ]
粗視化と縮小表現 詳細度のもう一方の端には、粗視化 モデルと格子モデルがあります。システムのすべての原子を明示的に表現する代わりに、「擬似原子」を使用して原子のグループを表現します。非常に大きなシステムのMDシミュレーションは、従来の全原子法では容易に研究できないほどの膨大な計算リソースを必要とする場合があります。同様に、長い時間スケール（約1マイクロ秒以上）のプロセスのシミュレーションは、非常に多くの時間ステップを必要とするため、非常にコストがかかります。このような場合、粗視化モデル とも呼ばれる縮小表現を使用することで問題を解決できる場合があります。[ 56 ]
粗視化 (CG) 法の例としては、不連続分子動力学 (CG-DMD) [ 57 ] [ 58 ] [ 59 ] [ 60 ]
これらの非常に粗視化されたモデルのパラメータ化は、モデルの挙動を適切な実験データまたは全原子シミュレーションに一致させることによって経験的に行う必要があります。理想的には、これらのパラメータは、自由エネルギーに対するエンタルピー的 およびエントロピー的 寄与の両方を暗黙的に考慮する必要があります。[ 61 ]
粗視化の応用例：
最も単純な粗視化の形式は、結合原子 （拡張原子 とも呼ばれる）であり、タンパク質、脂質、核酸の初期のMDシミュレーションのほとんどで使用されていました。たとえば、CH 3メチル基の4つの原子すべて（またはCH 2 メチレン基の3つの原子すべて）を明示的に扱う代わりに、グループ全体を1つの擬似原子で表します。もちろん、他のグループとのファンデルワールス相互作用が適切な距離依存性を持つように、適切にパラメータ化する必要があります。擬似原子が関与する結合、角度、ねじれについても同様の考慮事項が適用されます。この種の結合原子表現では、通常、水素結合に関与する能力を持つ水素原子（極性水素 ）を除いて、明示的な水素原子はすべて除外されます。CHARMM 19力場はその 一例です。
極性水素は通常モデルに保持されます。なぜなら、水素結合を適切に扱うには、供与基と受容体基間の方向性と静電相互作用をかなり正確に記述する必要があるからです。例えば、ヒドロキシル基は水素結合供与基にも受容体にもなり得るため、これを1つのOH擬似原子で扱うことは不可能です。タンパク質や核酸中の原子の約半分は非極性水素であるため、結合原子を用いることで計算時間を大幅に節約できます。
機械学習フォースフィールド 機械学習力場 (MLFF) は、分子動力学シミュレーションにおける原子間相互作用をモデル化するアプローチの 1 つです。[ 62 ] MLFF は、 ab initio 法 に近い精度を達成できます。 一度学習すれば、MLFF は直接量子力学計算よりもはるかに高速です。 MLFF は、高レベルの量子力学データから複雑なポテンシャルエネルギー面を直接学習することで、従来の力場の限界に対処します。VASP [ 63 ] [ 64 ] [ 65 ] [ 66 ] [ 67 ]
機械学習による原子間ポテンシャル 機械学習原子間ポテンシャル (MLIP) は、機械学習技術を使用して材料中の原子間の相互作用を近似する計算モデルです。その主な目的は、全エネルギー、原子間力、応力などの量を、密度汎関数理論 (DFT) などの量子力学的手法に匹敵する精度で予測しつつ、計算コストを低く抑えることです。[ 68 ] [ 69 ] [ 70 ] [ 71 ] [ 72 ]
MLIPは分子動力学シミュレーションや材料科学に広く応用されており、欠陥形成、相転移、化学反応などの複雑な現象の研究を可能にしている。[ 73 ] [ 74 ] [ 75 ] [ 76 ]
溶媒効果を取り入れる 溶質-溶媒系の多くのシミュレーションでは、溶質の挙動に重点が置かれ、特に溶質分子から遠く離れた領域に存在する溶媒分子の挙動にはほとんど関心が向けられていない。[ 77 ] ポテンシャル平均力 （PMF）を使用することである。PMFによって記述される自由エネルギーの変化には、溶媒の平均効果が含まれる。
溶媒の影響を考慮しないと、高分子（タンパク質など）のシミュレーションでは非現実的な挙動が生じる可能性があり、小さな分子でさえ、溶媒の存在下では弱まる有利なファンデルワールス力と静電相互作用により、よりコンパクトな構造をとる可能性がある。[ 78 ]
長距離力 長距離相互作用とは、空間的相互作用が以下の速度で減衰しない相互作用である。r − d {\displaystyle r^{-d}} d {\displaystyle d} [ 79 ]
最も重要な長距離相互作用は、2 つの (部分的に) 電荷を持つ原子間の静電相互作用です。現在、最もよく使われている方法は粒子メッシュエワルド (PME) です。[ 80 ] 高速フーリエ変換 (FFT) を使用して逆空間で解かれます。高い精度と高速な計算速度により、PME は長年ゴールドスタンダードとなっています。しかし、並列化の使用が増加すると、FFT は全対全通信を必要とするため、PME は通信のボトルネックに直面します。魅力的な PME の代替手段は、並列化の増加の影響を受けない高速多重極法(FMM) です。 [ 81 ] さらに、FMM ははるかに大きなシステムのシミュレーションを可能にし、周期境界条件 の必要性をなくします。これは、特に生体分子の気相シミュレーションに役立ちます。[ 82 ]
ステアード分子動力学（SMD）シミュレーション、または力プローブシミュレーションは、タンパク質に力を加えて、目的の自由度に沿って引っ張ることでその構造を操作します。これらの実験は、原子レベルでのタンパク質の構造変化を明らかにするために使用できます。SMDは、機械的な展開や伸長などのイベントをシミュレートするためによく使用されます。[ 83 ]
SMD には 2 つの典型的なプロトコルがあります。1 つは引っ張る速度を一定に保つプロトコル、もう 1 つは加える力を一定にするプロトコルです。通常、研究対象のシステムの一部 (たとえば、タンパク質中の原子) は調和ポテンシャルによって拘束されます。次に、特定の原子に一定の速度または一定の力で力が加えられます。アンブレラ サンプリング は、たとえばシミュレーションで操作される力、距離、角度を変化させることによって、システムを目的の反応座標に沿って移動させるために使用されます。アンブレラ サンプリングにより、システムのすべての構成 (高エネルギーと低エネルギーの両方) が適切にサンプリングされます。次に、各構成の自由エネルギーの変化を平均力のポテンシャル として計算できます。[ 84 ] [ 85 ] [ 86 ]
SMDの重要な応用例の多くは、創薬や生体分子科学の分野にあります。例えば、SMDはアルツハイマー病のプロトフィブリルの安定性の調査[ 87 ] [ 88 ] [ 89 ]
アプリケーションの例 ナノポア（外径6.7 nm）内の3つの分子からなる合成分子モーター の分子動力学シミュレーション（250 K） [ 90 ] 分子動力学は、科学の多くの分野で利用されている。
簡略化された生物学的折りたたみプロセスの最初のMDシミュレーションは1975年に発表されました。Natureに掲載されたそのシミュレーションは、現代の計算タンパク質折りたたみの広大な分野への道を開きました。[ 91 ] 生物学的プロセスの最初のMDシミュレーションは1976年に発表された。Natureに掲載されたそのシミュレーションは、タンパク質の動きが単なる補助的なものではなく、機能に不可欠なものであることを理解する道を開いた。[ 92 ] MDは、熱スパイク領域における衝突カスケード、すなわち高 エネルギー中性子 およびイオン照射が 固体および固体表面に及ぼす影響を扱う標準的な方法である。[ 93 ] 以下の生物物理学的例は、非常に大きなシステム（完全なウイルス）のシミュレーション、または非常に長いシミュレーション時間（最大1.112ミリ秒）を実現するための注目すべき取り組みを示しています。
完全なサテライトタバコモザイクウイルス NAMD ）このウイルスは、タバコモザイクウイルス（TMV）感染の症状を悪化させる小さな正二十面体植物ウイルスです。分子動力学シミュレーションは、 ウイルスの組み立て のメカニズムを調べるために使用されました。STMV粒子全体は、ウイルスキャプシド （コーティング）を構成する1つのタンパク質の60個の同一コピーと、1063ヌクレオチドの一本鎖RNAゲノム で構成されています。重要な発見の1つは、内部にRNAがない場合、キャプシドが非常に不安定であるということです。このシミュレーションを完了するには、2006年のデスクトップコンピュータ1台で約35年かかります。そのため、多くのプロセッサで並列に実行され、それらの間で継続的に通信が行われました。[ 94 ] ビリン ヘッドピースの全原子レベルでの折りたたみシミュレーション（2006年、サイズ：20,000原子、シミュレーション時間：500μs = 500,000ns、プログラム：Folding@home ）このシミュレーションは、世界中の参加パーソナルコンピュータの200,000個のCPUで実行されました。これらのコンピュータには、スタンフォード大学のVijay Pande が調整する大規模分散コンピューティングプロジェクトであるFolding@homeプログラムがインストールされていました。ビリンヘッドピースタンパク質の運動特性は、連続的なリアルタイム通信なしでCPUによって実行される多数の独立した短い軌跡を使用して調査されました。使用された方法の1つは、特定の開始コンフォメーションの展開前に折りたたまれる確率を測定するPfold値分析です。Pfoldは、遷移状態構造と 折りたたみ経路 に沿ったコンフォメーションの順序に関する情報を提供します。Pfold計算の各軌跡は比較的短いですが、多数の独立した軌跡が必要です。[ 95 ] DE Shaw Researchがカスタムの アプリケーション固有集積回路 (ASIC) と相互接続を中心に設計および構築した大規模並列スーパーコンピュータAnton 上で、長時間の連続軌道シミュレーションが実行されました。Anton を使用して実行されたシミュレーションの最長の公開結果は、355 K での NTL9 の 1.112 ミリ秒のシミュレーションです。この構成の 2 番目の独立した 1.073 ミリ秒のシミュレーションも実行されました (および 250 μs を超える連続化学時間の他の多くのシミュレーション)。[ 96 ] 「How Fast-Folding Proteins Fold」 では、研究者の Kresten Lindorff-Larsen、Stefano Piana、Ron O. Dror、およびDavid E. Shaw が 、「100 μs から 1 ms の範囲の期間にわたる原子レベルの分子動力学シミュレーションの結果、構造的に異なる 12 種類のタンパク質の折り畳みの根底にある一連の共通原理が明らかになった」と論じています。特殊なカスタムハードウェアによって可能になったこれらの多様な長い軌跡の調査により、「ほとんどの場合、折り畳みは単一の支配的な経路に従い、ネイティブ構造の要素は、展開状態での形成傾向と高度に相関した順序で現れる」という結論に至る。[ 96 ] [ 97 ] MD法のもう一つの重要な応用例は、原子スケールでの微細構造変化の3次元的な特性評価と解析が可能である点にある。
MD シミュレーションは、例えばナノ結晶 Al および Al(Zr) 材料の摩耗と摩擦を記述する場合など、結晶粒径の変化の特性評価に使用されます。[ 98 ] [ 99 ] [ 100 ] [ 101 ]
セメント系材料への応用 分子動力学（MD）シミュレーションは、セメントやコンクリートの研究において、水和生成物のナノスケールでの機械的挙動や構造特性を調査するためにますます広く応用されています。特に、MDは、主要なクリンカー相（C 3 S、C 2 S、C 3 A、C 4 AF）の弾性特性を推定し、それらの体積弾性率、せん断弾性率、ヤング率を予測する際のさまざまな力場の性能を評価するために使用されています。[ 102 ]
さらに、水和セメントペーストの約 50～70% を占めるケイ酸カルシウム水和物 (C–S–H) ゲルに関する研究が行われてきました。MD およびモンテカルロシミュレーションを使用して、水分含有量、Ca/Si 比、および構造欠陥が C–S–H の機械的特性と剛性に及ぼす影響が詳細に調査され、水分含有量または Ca/Si 比の増加は一般的にゲルのヤング率を低下させることが明らかになりました。[ 103 ] [ 104 ]
このようなナノスケールの知見は、セメント水和物の原子スケール特性とコンクリートのマクロスケール性能を結びつけるマルチスケールモデリングフレームワークに貢献し、低クリンカー、高性能、より持続可能なセメント系材料の設計を可能にする。[ 105 ]
分子動力学シミュレーション専用のハードウェア アントン – 分子動力学シミュレーションを実行するために設計された、特殊な大規模並列スーパーコンピュータMDGRAPE – 分子動力学シミュレーション、特にタンパク質構造予測のために構築された特殊用途システム
MDシミュレーション用ハードウェアとしてのグラフィックカード
参考文献 ↑ Abdulhamza HM、Farhan MS、Hassan SS、Aqeel Al-Hussainy H、Oriabi AI (2024)。 「チクングニアウイルス感染症治療のための抗ウイルス化合物のインシリコ同定：qsarモデリングとmdシミュレーション解析」。Medicine in Novel Technology and Devices。22 100304。doi ： 10.1016 / j.medntd.2024.100304。 ↑ Schlick T (1996). 「現代コンピュータにおけるラプラスのビジョンの追求」. 生体分子構造とダイナミクスへの数学的アプローチ . IMA 数学とその応用シリーズ. 第 82 巻. pp. 219–247 . doi : 10.1007/978-1-4612-4066-2_13 . ISBN 978-0-387-94838-6 。↑ Bernal JD (1997 年1 月 ) 「ベイカー講演、1962 年 液体の構造」。 ロンドン王立協会紀要。シリーズ A. 数学および物理科学 。280 ( 1382 ) : 299–322。Bibcode : 1964RSPSA.280..299B。doi : 10.1098 / rspa.1964.0147。S2CID 178710030 。 ↑ Fermi E.、Pasta J.、Ulam S.、ロス アラモスのレポート LA-1940 (1955)。 ↑ Alder BJ 、Wainwright T (1959 年8 月 )。「分子動力学の研究。I. 一般的な方法」。 化学 物理 学ジャーナル 。31 (2): 459–466。Bibcode : 1959JChPh..31..459A。doi : 10.1063/1.1730376 。 ↑ Gibson JB、 Goland AN 、Milgram M、Vineyard G ( 1960 ) 。「放射線損傷のダイナミクス」。Phys . Rev. 120 ( 4): 1229–1253。Bibcode : 1960PhRv..120.1229G。doi : 10.1103/PhysRev.120.1229 。 ↑ Rahman A (1964年10月19日). 「液体アルゴン中の原子の運動における相関」. Physical Review . 136 (2A): A405– A411. Bibcode : 1964PhRv..136..405R . doi : 10.1103/PhysRev.136.A405 . ↑ Stephan S 、 Thol M、Vrabec J 、 Hasse H (2019 年 10 月)。 「レナード・ジョーンズ流体の熱物性：データベースとデータ評価」 。Journal of Chemical Information and Modeling。59 ( 10 ): 4248–4265。doi : 10.1021 / acs.jcim.9b00620。PMID 31609113。S2CID 204545481 。 ↑ Wang X、Ramírez-Hinestrosa S、Dobnikar J、Frenkel D (2020 年 5 月)。「レナード・ジョーンズポテンシャル: いつ (いつ使用しないか) 」 。 Physical Chemistry Chemical Physics。22 ( 19 ) : 10624–10633。arXiv : 1910.05746。Bibcode : 2020PCCP ... 2210624W。doi : 10.1039 / C9CP05445F。PMID 31681941。S2CID 204512243 。 ↑ Mick J 、 Hailat E、Russo V、Rushaidat K、Schwiebert L、Potoff J (2013 年 12 月)。「GPU アクセラレーションによるレナード・ジョーンズのギブス アンサンブル モンテ カルロ シミュレーション」。Computer Physics Communications。184 ( 12 ) : 2662–2669。Bibcode : 2013CoPhC.184.2662M。doi : 10.1016 /j.cpc.2013.06.020 。 ↑ ジョージア州チャペラ、スクライブン LE、デイビス HT (1989 年 10 月)。 「不連続ポテンシャルの分子動力学 IV. レナード・ジョネシウム 」 化学物理学ジャーナル 。 91 (7): 4307–4313 。 書誌コード : 1989JChPh..91.4307C 。 土井 : 10.1063/1.456811 。 ISSN 0021-9606 。 ↑ Lenhard J、Stephan S、Hasse H ( 2024 年 2 月)。「予測の子。レナード・ジョーンズィアムの歴史、存在論、計算について」。 科学 史 ・ 科学 哲学研究 。103 : 105–113。doi : 10.1016 / j.shpsa.2023.11.007。PMID 38128443。S2CID 266440296 。 ↑ Eggimann BL、Sunnarborg AJ 、Stern HD、Bliss AP、Siepmann JI (2013-12-24)。「TraPPE力場のオンラインパラメータおよび 特性 データベース 」 。Molecular Simulation。40 ( 1–3 ) : 101–105。doi : 10.1080 / 08927022.2013.842994。ISSN 0892-7022。S2CID 95716947 。 ↑ Stephan S 、 Horsch MT、Vrabec J、Hasse H (2019-07-03)。 「MolMod – 流体 の 分子 シミュレーション のための力場 の オープンアクセスデータベース」 。Molecular Simulation。45 ( 10 ): 806–814。arXiv : 1904.05206。doi : 10.1080/ 08927022.2019.1601191。ISSN 0892-7022。S2CID 119199372 。 ↑ Suarez AG、Göller AH、Beck ME、Gheta SK、Meier K (2024-10-29)。 「相対溶解度 を計算するため の 物理ベースのインシリコ法の比較評価」 。Journal of Computer-Aided Molecular Design。38 ( 1 ): 36。Bibcode : 2024JCAMD..38...36S。doi : 10.1007 / s10822-024-00576 - y。ISSN 1573-4951。PMID 39470860 。 ↑ Higginbotham T、Meier K、Ramírez J 、Garaizar A ( 2025-02-03)。 「MDシミュレーションによる非晶質固体分散体における薬物-ポリマー適合性 の 予測：溶媒 和自由エネルギー の 罠について」 。Molecular Pharmaceutics。22 ( 2): 760–770。doi : 10.1021 /acs.molpharmaceut.4c00810。ISSN 1543-8384。PMID 39585959 。 ↑ Koehl P、 Levitt M (1999 年 2月)。「タンパク質構造予測 の明るい未来」。Nature Structural Biology。6 ( 2 ) : 108–111。doi : 10.1038 / 5794。PMID 10048917。S2CID 3162636 。 ↑ Raval A 、Piana S、Eastwood MP、Dror RO、Shaw DE ( 2012年8月)。「長時間の全原子分子動力学シミュレーションによるタンパク質構造相同性モデルの改良 」 。Proteins。80 ( 8 ) : 2071–2079。doi : 10.1002 / prot.24098。PMID 22513870。S2CID 10613106 。 ↑ Beauchamp KA、Lin YS、Das R、Pande VS (2012 年 4 月)。 「タンパク質力場は改善されているか？ 524 の多様な NMR 測定に基づく体系的なベンチマーク」 。Journal of Chemical Theory and Computation。8 ( 4 ): 1409–1414。Bibcode : 2012JCTC .... 8.1409B。doi : 10.1021 / ct2007814。PMC 3383641。PMID 22754404 。 ↑ Piana S、Klepeis JL、Shaw DE ( 2014 年 2 月)。 「タンパク質フォールディングシミュレーションで使用される物理モデルの精度評価: 長時間の分子動力学シミュレーションからの定量的証拠」 。Current Opinion in Structural Biology。24 : 98–105。doi : 10.1016 / j.sbi.2013.12.006。PMID 24463371 。 ↑ Choudhury C、Priyakumar UD、Sastry GN（2015年4月）。「マイコバクテリアシクロプロパンシンターゼの潜在的阻害剤をスクリーニングするためのダイナミクスベースのファーマコフォアモデル」。Journal of Chemical Information and Modeling。55 （ 4）： 848–60。doi ： 10.1021 /ci500737b。PMID 25751016 。 ↑ Pinto M、Perez JJ、Rubio-Martinez J (2004 年 1 月)。「Bcl-xL および Bcl-2 タンパク質に結合したプロアポトーシス性タンパク質 Bak、Bax、Bid および Hrk の BH3 ドメインのペプチドセグメントの分子動力学研究」。Journal of Computer-aided Molecular Design。18 ( 1 ) : 13– 22。Bibcode : 2004JCAMD..18... 13P。doi : 10.1023 / b : jcam.0000022559.72848.1c。PMID 15143800。S2CID 11339000 。 ↑ Hatmal MM、Jaber S、Taha MO (2016 年 12 月)。「分子動力学シミュレーションとリガンド-受容体接触解析を組み合わせたファーマコフォアモデリングの新しいアプローチ：β-セクレターゼ 1 とチェックポイントキナーゼ 1 を事例として」。Journal of Computer - aided Molecular Design。30 ( 12 ) : 1149–1163。Bibcode : 2016JCAMD..30.1149H。doi : 10.1007 / s10822-016-9984-2。PMID 27722817。S2CID 11561853 。 ↑ Myers JK、Pace CN (1996 年 10 月)。 「水素結合 は 球状タンパク質を安定化させる」 。Biophysical Journal。71 ( 4 ) : 2033–2039。Bibcode : 1996BpJ .... 71.2033M。doi : 10.1016/s0006-3495( 96 ) 79401-8。PMC 1233669。PMID 8889177 。 ↑ Lenhard J、 Stephan S 、 Hasse H (2024 年 6 月)。 「レナード・ジョーンズ ・ ポテンシャルの歴史について」 。Annalen der Physik。536 (6 ) 2400115。doi : 10.1002/andp.202400115。ISSN 0003-3804 。 ↑ Fischer J、Wendland M (2023 年10 月 )。 「主要 な 経験的分子間ポテンシャルの歴史について」 。Fluid Phase Equilibria。573 113876。Bibcode : 2023FlPEq.57313876F。doi : 10.1016 /j.fluid.2023.113876 。 1 2 Israelachvili J (1992). 分子間力と表面力 . サンディエゴ: Academic Press. ↑ Cruz FJ、de Pablo JJ、Mota JP (2014 年 6 月)。「DNA ドデカマーの未処理カーボンナノチューブへの内包閉じ込めと標準 B 型の安定性 」 。The Journal of Chemical Physics。140 ( 22 ) 225103。arXiv : 1605.01317。Bibcode : 2014JChPh.140v5103C。doi : 10.1063 / 1.4881422。PMID 24929415。S2CID 15149133 。 ↑ Cruz FJ、Mota JP (2016)「親水性ナノポアにおけるDNA鎖のコンフォメーション熱力学」 J. Phys. Chem. C . 120 (36): 20357– 20367. doi : 10.1021/acs.jpcc.6b06234 . ↑ Plimpton S. 「分子動力学 - 並列アルゴリズム」 . sandia.gov . ↑ Streett WB、Tildesley DJ 、Saville G ( 1978)。「分子動力学における複数時間ステップ法」。Mol Phys . 35 (3): 639–648。Bibcode : 1978MolPh..35..639S . doi : 10.1080/00268977800100471 . ↑ Tuckerman ME、Berne BJ、Martyna GJ (1991)。 「複数 の 時間スケールに対する分子動力学アルゴリズム：長距離力を持つシステム」。J Chem Phys . 94 ( 10): 6811–6815。Bibcode : 1991JChPh..94.6811T。doi : 10.1063/1.460259 。 ↑ Tuckerman ME、Berne BJ 、Martyna GJ ( 1992 ) 。 「可逆的な多重時間スケール分子動力学」。J Chem Phys . 97 ( 3): 1990–2001。Bibcode : 1992JChPh..97.1990T。doi : 10.1063/1.463137。S2CID 488073 。 ↑杉田 裕、岡本 裕（1999 年 11 月）。「 タンパク質 フォールディングの ためのレプリカ交換分子動力学法」。Chemical Physics Letters。314 （ 1–2 ） ： 141–151。Bibcode ： 1999CPL...314..141S。doi ： 10.1016 /S0009-2614(99) 01123-9 。 ↑ Rizzuti B (2022). "タンパク質の分子シミュレーション：単純化された物理的相互作用から複雑な生物学的現象まで". Biochimica et Biophysica Acta (BBA) - Proteins and Proteomics . 1870 (3) 140757. doi : 10.1016/j.bbapap.2022.140757 . PMID 35051666 . S2CID 263455009 . ↑ Sinnott SB 、Brenner DW (2012)。 「 材料 研究 における 多体ポテンシャルの30年」 。MRS Bulletin。37 ( 5): 469–473。Bibcode : 2012MRSBu..37..469S。doi : 10.1557/ mrs.2012.88 。 ↑ Albe K、Nordlund K、Averback RS (2002)。「金属-半導体相互作用のモデリング：白金-炭素 の 解析的結合次数ポテンシャル」。Phys . Rev. B。65 ( 19 ) 195124。Bibcode ： 2002PhRvB..65s5124A。doi ： 10.1103/physrevb.65.195124 。 ↑ Brenner DW (1990 年 11 月) 「ダイヤモンド膜の化学気相堆積シミュレーションに使用する炭化水素の経験的ポテンシャル」 (PDF) . Physical Review B . 42 (15): 9458– 9471. Bibcode : 1990PhRvB..42.9458B . doi : 10.1103/physrevb.42.9458 . PMID 9995183 . 2017 年 9 月 22 日のオリジナルから アーカイブ済み。 ↑ Beardmore K、Smith R (1996 ) 。「C- Si -H系に対する経験的ポテンシャルと C60 と Si結晶表面との相互作用 への応用 」。Philosophical Magazine A。74 ( 6): 1439–1466。Bibcode : 1996PMagA..74.1439B。doi : 10.1080/01418619608240734 。 ↑ Ni B 、Lee KH、Sinnott SB (2004)。「炭化水素酸素相互作用のための反応性経験的結合次数（rebo）ポテンシャル」。Journal of Physics : Condensed Matter。16 ( 41): 7261–7275。Bibcode : 2004JPCM...16.7261N。doi : 10.1088 / 0953-8984/16/41/ 008。S2CID 250760409 。 ↑ ヴァン・ドゥイン AC、ダスグプタ S、ロラント F、ゴダード WA (2001 年 10 月)。 「ReaxFF: 炭化水素の反応力場」。 物理化学ジャーナル A 。 105 (41): 9396–9409 。 Bibcode : 2001JPCA..105.9396V 。 CiteSeerX 10.1.1.507.6992 。 土井 ： 10.1021/jp004368u 。 ↑ Cruz FJ、Lopes JN、Calado JC、Minas da Piedade ME (2005 年 12 月)。「カルシウムアパタイトの熱力学的特性の分子動力学研究。1. 六方晶相」。The Journal of Physical Chemistry B。109 ( 51 ) : 24473–24479。Bibcode : 2005JPCB..10924473C。doi : 10.1021/ jp054304p。PMID 16375450 。 ↑ Cruz FJ 、 Lopes JN、Calado JC (2006 年3 月 )。「溶融カルシウムヒドロキシアパタイトの分子動力学シミュレーション」。Fluid Phase Equilibria。241 ( 1–2 ) : 51–58。Bibcode : 2006FlPEq.241...51C。doi : 10.1016 /j.fluid.2005.12.021 。 1 2 Justo JF 、Bazant MZ、Kaxiras E、Bulatov VV、Yip S (1998)。「シリコン欠陥と無秩序相の原子間ポテンシャル」。Phys . Rev. B。58 ( 5 ) : 2539–2550。arXiv : cond -mat/ 9712058。Bibcode : 1998PhRvB..58.2539J。doi : 10.1103 / PhysRevB.58.2539。S2CID 14585375 。 ↑ Tersoff J (1989年3月)「固体化学のモデリング：多成分系における原子間ポテンシャル」 Physical Review B. 39 ( 8): 5566–5568 . Bibcode : 1989PhRvB..39.5566T . doi : 10.1103/physrevb.39.5566 . PMID 9948964 . ↑ Daw MS 、 Foiles SM 、 Baskes MI （ 1993 年 3月 ）。 「埋め込み原子法：理論と応用に関するレビュー」 。Materials Science Reports。9 （ 7–8 ） ： 251–310。doi ： 10.1016/0920-2307（93）90001-U 。 ↑ Cleri F、Rosato V (1993年7月)「遷移金属および合金のタイトバインディングポテンシャル」 Physical Review B. 48 ( 1): 22–33 . Bibcode : 1993PhRvB..48...22C . doi : 10.1103/physrevb.48.22 . PMID 10006745 . ↑ Lamoureux G、Harder E 、Vorobyov IV、Roux B、MacKerell AD (2006)。「生体分子の分子動力学シミュレーションのための水の分極モデル」。Chem Phys Lett。418 ( 1 ): 245–249。Bibcode : 2006CPL...418..245L。doi : 10.1016 / j.cplett.2005.10.135 。 ↑ Sokhan VP、Jones AP、Cipcigan FS、Crain J、Martyna GJ (2015 年 5 月)。 「 水 の シグネチャー特性: その分子電子起源」 。 米国 科学 アカデミー紀要 。112 ( 20 ) : 6341–6346。Bibcode : 2015PNAS..112.6341S。doi : 10.1073 / pnas.1418982112。PMC 4443379。PMID 25941394 。 ↑ Cipcigan FS、Sokhan VP、Jones AP、Crain J、Martyna GJ (2015 年 4 月)。 「水の液相-気相界面における水素結合と分子配向」 。Physical Chemistry Chemical Physics。17 ( 14 ): 8660– 8669。Bibcode : 2015PCCP ...17.8660C。doi : 10.1039/C4CP05506C。hdl : 20.500.11820 / 0bd0cd1a -94f1-4053-809c- 9fb68bbec1c9。PMID 25715668 。 ↑ Mahmoudi M、Lynch I、Ejtehadi MR、Monopoli MP、Bombelli FB、Laurent S (2011年9月)。「タンパク質とナノ粒子の相互作用：機会と課題」 。Chemical Reviews。111 ( 9 ) : 5610–5637。doi : 10.1021 / cr100440g。PMID 21688848 。 ↑ Patel S、Mackerell AD、Brooks CL (2004 年 9 月)。 「CHARMM 変動電荷力場によるタンパク質: II 非加算静電モデルを用いた分子動力学シミュレーションによるタンパク質/ 溶媒 特性 」 。Journal of Computational Chemistry。25 ( 12 ) : 1504–1514。Bibcode : 2004JCoCh..25.1504P。doi : 10.1002 / jcc.20077。PMID 15224394。S2CID 16741310 。 ↑ Najla Hosseini A 、Lund M、Ejtehadi MR (2022 年 5 月 )。「抗がん剤の膜透過における電子分極効果」。Physical Chemistry Chemical Physics。24 ( 20 ) : 12281–12292。Bibcode : 2022PCCP ... 2412281N。doi : 10.1039 / D2CP00056C。PMID 35543365。S2CID 248696332 。 ↑ このような方法の手法は、Warshel と共同研究者によって導入されました。近年では、 Arieh Warshel (南カリフォルニア大学 )、Weitao Yang (デューク大学 )、Sharon Hammes-Schiffer (ペンシルベニア州立大学 )、Donald Truhlar と Jiali Gao (ミネソタ大学 )、Kenneth Merz (フロリダ大学 ) など、いくつかのグループによって開拓されています。 ↑ Billeter SR、Webb SP、Agarwal PK、Iordanov T、Hammes-Schiffer S (2001年11月)。「肝臓アルコール脱水素酵素における水素化物転移：量子力学、速度論的同位体効果、および酵素運動の役割」。Journal of the American Chemical Society。123 ( 45 ) : 11262– 11272。Bibcode : 2001JAChS.12311262B。doi : 10.1021/ja011384b。PMID 11697969 。 1 2 クミーシク S、グロント D、コリンスキー M、ヴィエテスカ L、ダヴィド AE、コリンスキー A (2016 年 7 月)。 「粗粒タンパク質モデルとその応用」 。 化学レビュー 。 116 (14): 7898 – 7936。 Bibcode : 2016ChRv..116.7898K 。 土井 : 10.1021/acs.chemrev.6b00163 。 PMID 27333362 。 ↑ Voegler Smith A 、 Hall CK (2001 年8 月)。「 α ヘリックス形成: 中解像度タンパク質モデルにおける不連続分子動力学」。Proteins。44 ( 3 ) : 344–360。doi : 10.1002/ prot.1100。PMID 11455608。S2CID 21774752 。 ↑ Ding F、Borreguero JM、Buldyrey SV、Stanley HE、Dokholyan NV ( 2003 年11 月 ) 。 「α ヘリックスから β ヘアピンへの遷移のメカニズム」。Proteins。53 ( 2 ) : 220–228。doi : 10.1002 / prot.10468。PMID 14517973。S2CID 17254380 。 ↑ Paci E、Vendruscolo M、Karplus M ( 2002 年 12 月 )。 「 Gō モデルの妥当性: 溶媒遮蔽された経験的エネルギー分解との比較」 。Biophysical Journal。83 ( 6 ): 3032–3038。Bibcode : 2002BpJ....83.3032P。doi : 10.1016 /S0006-3495( 02 ) 75308-3。PMC 1302383。PMID 12496075 。 ↑ Chakrabarty A 、Cagin T (2010 年 5 月)。「ポリイミド共重合体の粗視化モデリング」。Polymer。51 ( 12 ): 2786–2794。doi : 10.1016 /j.polymer.2010.03.060 。 ↑ Foley TT、Shell MS、Noid WG (2015 年12 月 )。 「 粗視化モデルにおける解像度がエントロピーと情報に及ぼす影響」。The Journal of Chemical Physics。143 ( 24) 243104。Bibcode : 2015JChPh.143x3104F。doi : 10.1063/ 1.4929836。PMID 26723589 。 ↑ Unke OT、Chmiela S 、Sauceda HE、Gastegger M 、Poltavsky I、Schütt KT、et al . ( 2021 年 8 月)。 「 機械 学習 力場」 。Chemical Reviews。121 ( 16): 10142–10186。Bibcode : 2021ChRv..12110142U。doi : 10.1021 / acs.chemrev.0c01111。PMC 8391964。PMID 33705118 。 ↑ Hafner J (2008 年 10 月). "VASP を使用した材料の第一原理シミュレーション: 密度汎関数理論とその先". Journal of Computational Chemistry . 29 (13): 2044–78 . doi : 10.1002/jcc.21057 . PMID 18623101 . ↑ Wang H、Zhang L 、Han J、Weinan E (2018年7月)。 「 DeePMD-kit: 多体ポテンシャルエネルギー表現と分子動力学のための深層学習 パッケージ 」 。Computer Physics Communications。228 : 178–184。arXiv : 1712.03641。Bibcode : 2018CoPhC.228..178W。doi : 10.1016 / j.cpc.2018.03.016 。 ↑ Zeng J、Zhang D、Lu D、Mo P、Li Z、Chen Y、et al. (2023 年 8 月)。 「 DeePMD - kit v2 : 深層ポテンシャルモデル用ソフトウェア パッケージ」 。The Journal of Chemical Physics。159 ( 5 ) 054801。arXiv : 2304.09409。Bibcode : 2023JChPh.159e4801Z。doi : 10.1063 /5.0155600。PMC 10445636。PMID 37526163 。 ↑ Schütt KT、Kessel P、Gastegger M、Nicoli KA、Tkatchenko A、Müller KR (2019 年 1 月)。「SchNetPack: 原子システムのための深層学習ツールボックス」。Journal of Chemical Theory and Computation。15 ( 1 ) : 448–455。arXiv : 1809.01072。Bibcode : 2019JCTC ... 15..448S。doi : 10.1021 / acs.jctc.8b00908。PMID 30481453 。 ↑ Schütt KT、Hessmann SS、Gebauer NW、Lederer J、Gastegger M (2023 年 4 月)。「SchNetPack 2.0: 原子レベルの機械学習のためのニューラル ネットワーク ツールボックス」 。The Journal of Chemical Physics。158 ( 14 ) 144801。arXiv : 2212.05517。Bibcode : 2023JChPh.158n4801S。doi : 10.1063 / 5.0138367。PMID 37061495 。 ↑ Behler, J. (2016). 「展望：原子シミュレーションのための機械学習の可能性」 Journal of Chemical Physics , 145(17), 170901. ↑ Mueller, T.; Hernandez, A.; Wang, C. (2020). "原子間ポテンシャルモデルのための機械学習". Nature Reviews Materials , 5, 499–513. ↑ Behler, J. (2016). 「展望：原子シミュレーションのための機械学習の可能性」 Journal of Chemical Physics , 145(17), 170901. ↑ Deringer, VL; Caro, MA; Csányi, G. (2019). "機械学習による原子間ポテンシャルは材料科学のための新たなツールである". Advances in Physics: X , 4(1). ↑ Behler, J. (2016). 「展望：原子シミュレーションのための機械学習の可能性」 Journal of Chemical Physics , 145(17), 170901. ↑ Mueller, T.; Hernandez, A.; Wang, C. (2020). "原子間ポテンシャルモデルのための機械学習". Nature Reviews Materials , 5, 499–513. ↑ Deringer, VL; Caro, MA; Csányi, G. (2019). "機械学習による原子間ポテンシャルは材料科学のための新たなツールである". Advances in Physics: X , 4(1). ↑ Nordlund, K. et al. (2018). "一次放射線損傷：現在の理解とモデルのレビュー". Journal of Nuclear Materials , 512, 450–479. ↑ Ziegler, JF; Biersack, JP; Littmark, U. (1985).固体中のイオンの阻止能と飛程 . Pergamon Press. ↑ Leach A (2001年1月30日). 分子モデリング：原理と応用 （第2 版）. ハーロウ：プレンティスホール. ISBN 978-0-582-38210-7 . ASIN 0582382106 . ↑ Leach AR (2001). 分子モデリング：原理と応用 （第2 版）。ハーロウ、イングランド：プレンティスホール。p . 320。ISBN 0-582-38210-6 OCLC 45008511。 ↑ Allen MP、Tildesley DJ (2017年8 月 22日)。 液体のコンピュータシミュレーション （第2 版）。オックスフォード大学出版局。p. 216。ISBN 978-0-19-880320-1 . ASIN 0198803206 . ↑ Essmann U 、 Perera L、Berkowitz ML、Darden T、 Lee H、Pedersen LG (1995-11-15)。 「 滑らかな粒子メッシュEwald法」 。The Journal of Chemical Physics。103 ( 19): 8577– 8593。Bibcode : 1995JChPh.103.8577E。doi : 10.1063 / 1.470117。ISSN 0021-9606 。 ↑ Kohnke B、Kutzner C、Grubmüller H (2020-11-10)。 「 GROMACS 用の GPU アクセラレーション高速多重極法: パフォーマンスと精度」 。Journal of Chemical Theory and Computation。16 ( 11 ) : 6938–6949。Bibcode : 2020JCTC ... 16.6938K。doi : 10.1021 / acs.jctc.0c00744。ISSN 1549-9618。PMC 7660746。PMID 33084336 。 ↑ Persson LJ、Sahin C、Landreh M、Marklund EG (2024-09-17)。 「高速多重極法を 用い た 大型 タンパク質複合 体 の ネイティブ質量分析 のための高性能分子動力学シミュレーション」 。Analytical Chemistry。96 ( 37 ): 15023– 15030。Bibcode : 2024AnaCh..9615023P。doi : 10.1021/ acs.analchem.4c03272。ISSN 0003-2700。PMC 11411496。PMID 39231152 。 ↑ ニーンハウス GU (2005)。 タンパク質-リガンド相互作用: 方法と応用 。ヒューマナプレス。 54–56 ページ 。 ISBN 978-1-61737-525-5 。↑ Leszczyński J (2005). Computational chemistry: reviews of current trends, Volume 9. World Scientific. pp. 54–56 . ISBN 978-981-256-742-0 。↑ Kumar S、Rosenberg JM、Bouzida D、Swendsen RH、Kollman PA (1992 年 10 月)。「生体分子の自由エネルギー計算のための加重ヒストグラム解析法。I. 方法」 。Journal of Computational Chemistry。13 ( 8 ) : 1011–1021。Bibcode : 1992JCoCh..13.1011K。doi : 10.1002 / jcc.540130812。S2CID 8571486 。 ↑ Bartels C (2000 年 12 月). 「バイアスのかかったモンテカルロ法と分子動力学シミュレーションの解析」 Chemical Physics Letters . 331 ( 5– 6): 446– 454. Bibcode : 2000CPL...331..446B . doi : 10.1016/S0009-2614(00)01215-X . ↑ Lemkul JA、Bevan DR (2010 年 2 月)。 「分子動力学 を 用い たアルツハイマー病アミロイド原線維の安定性の評価」。The Journal of Physical Chemistry B。114 ( 4): 1652–1660。Bibcode : 2010JPCB..114.1652L。doi : 10.1021 / jp9110794。PMID 20055378 。 ↑ Patel JS、Berteotti A、Ronsisvalle S、Rocchia W、Cavalli A (2014年2月)。「サイクリン依存性キナーゼ5におけるタンパク質-リガンド相互作用を研究するための分子動力学シミュレーションの誘導」。Journal of Chemical Information and Modeling。54 ( 2 ): 470–480。doi : 10.1021/ci4003574。PMID 24437446 。 ↑ Gosai A 、 Ma X、Balasubramanian G、Shrotriya P (2016年11 月 )。 「 電気 刺激制御によるヒトトロンビン-アプタマー複合体の結合/解離」 。Scientific Reports。6 ( 1 ) 37449。Bibcode : 2016NatSR... 637449G。doi : 10.1038 / srep37449。PMC 5118750。PMID 27874042 。 ↑ Palma CA、Björk J 、 Rao F、Kühne D、Klappenberger F、Barth JV (2014年8月)。「超分子ローターにおけるトポロジカルダイナミクス 」 。Nano Letters。14 ( 8 ) : 4461–4468。Bibcode : 2014NanoL..14.4461P。doi : 10.1021 / nl5014162。PMID 25078022 。 ↑ Levitt M 、 Warshel A ( 1975 年2 月 ) 。 「 タンパク質フォールディングのコンピュータシミュレーション」。Nature。253 ( 5494 ): 694–698。Bibcode : 1975Natur.253..694L。doi : 10.1038 / 253694a0。PMID 1167625。S2CID 4211714 。 ↑ Warshel A (1976年 4月)「視覚過程の最初のステップのための自転車ペダルモデル」 Nature . 260 (5553): 679–683 . Bibcode : 1976Natur.260..679W . doi : 10.1038/260679a0 . PMID 1264239. S2CID 4161081 . ↑ Smith, R. 編 (1997). 固体および表面における原子およびイオンの衝突: 理論、シミュレーション、および応用 . ケンブリッジ、英国: ケンブリッジ大学出版局. ↑ Freddolino P、Arkhipov A、Larson SB、McPherson A、Schulten K. 「サテライトタバコモザイクウイルス（STMV）の分子動力学シミュレーション」 。 理論計算生物物理学グループ 。イリノイ大学アーバナ・シャンペーン校。 ↑ Jayachandran G、Vishal V、Pande VS (2006 年 4 月)。 「タンパク質フォールディング の研究に大規模並列シミュレーションとマルコフモデル を 使用 する: ビリンヘッドピースのダイナミクスを調べる」 。The Journal of Chemical Physics。124 ( 16) 164902。Bibcode : 2006JChPh.124p4902J。doi : 10.1063 / 1.2186317。PMID 16674165 。 1 2 Lindorff-Larsen K、Piana S、Dror RO、Shaw DE (2011 年 10 月)。「高速折りたたみタンパク質はどのよう に 折りたたま れる か 」 。Science。334 ( 6055 ) : 517–520。Bibcode : 2011Sci ... 334..517L。CiteSeerX 10.1.1.1013.9290。doi : 10.1126 / science.1208351。PMID 22034434。S2CID 27988268 。 ↑ Shaw DE、Maragakis P、Lindorff - Larsen K、Piana S、Dror RO、Eastwood MP、et al. (2010 年10 月 ) 。 「タンパク質 の 構造ダイナミクスの原子レベルでの特性評価」。Science。330 ( 6002 ) : 341–346。Bibcode : 2010Sci ...330..341S。doi : 10.1126 /science.11 87409。PMID 20947758。S2CID 3495023 。 ↑ Shi Y 、Szlufarska I ( 2020 年11 月 ) 。 「ナノ結晶アルミニウムの摩耗誘起微細 構造 変化とジルコニウムドーパント の 役割」 。Acta Materialia。200 ： 432–441。Bibcode ： 2020AcMat.200..432S。doi ： 10.1016/j.actamat.2020.09.005。S2CID 224954349 。 ↑ Larsen PM、Schmidt S 、Schiøtz J (2016 年 6 月1 日 )。「多面体テンプレートマッチングによる堅牢な構造識別」。Modelling and Simulation in Materials Science and Engineering。24 (5) 055007。arXiv : 1603.05143。Bibcode : 2016MSMSE..24e5007M。doi : 10.1088/0965-0393/ 24 /5 / 055007。S2CID 53980652 。 ↑ Hoffrogge PW、Barrales-Mora LA ( 2017 年 2 月)。 「分子動力学によるナノ結晶アルミニウム の 結晶粒 成長中の結晶粒分解された運動と回転」。Computational Materials Science。128 : 207–222。arXiv : 1608.07615。doi : 10.1016 / j.commatsci.2016.11.027。S2CID 118371554 。 ↑ Bonald T、Charpentier B、Galland A、Hollocou A (2018年6月22日)。「ノードペアサンプリングを用いた階層的グラフクラスタリング」。arXiv : 1806.01664 [ cs.SI ] 。 ↑ タヴァコリ D、タリガット A (2016)。 「ポルトランドセメントクリンカー相の機械的特性に関する分子動力学研究」。 計算材料科学 。 119 : 65–73 . 土井 : 10.1016/j.commatsci.2016.03.043 。 ↑ Tavakoli D、Tarighat A、Beheshtian J (2019)。「分子シミュレーションによるC–S–Hゲルの弾性特性に対する水の影響のナノスケール調査」。Proceedings of the Institution of Mechanical Engineers、Part L: Journal of Materials: Design and Applications。233 ( 7): 1295– 1306。doi : 10.1177 / 1464420717740926 。 ↑ Tarighat A、Tavakoli D (2019)「ナノスケールにおける重要なケイ酸カルシウム水和物の弾性特性の推定―分子動力学アプローチ」 土木 工学リハビリテーションジャーナル 7 (4): 18–36 。 ↑ Tavakoli D、Gao P、Tarighat A、Ye G (2020)。「セメントペーストの弾性特性のシミュレーションのための原子レベルからマクロレベルまでのマルチスケールアプローチ」。Iranian Journal of Science and Technology、Transactions of Civil Engineering。44 ( 3): 861– 873。doi : 10.1007/s40996-020-00342-4 (2025年12 月 14日非アクティブ)。 {{cite journal}}: CS1メンテナンス: DOIは2025年12月現在非アクティブです（リンク）↑ Stone JE 、Phillips JC、Freddolino PL、Hardy DJ、Trabuco LG、Schulten K (2007 年 12 月)。「グラフィックス プロセッサによる分子モデリング アプリケーションの 高速 化 」 。Journal of Computational Chemistry。28 ( 16 ) : 2618–2640。Bibcode : 2007JCoCh..28.2618S。CiteSeerX 10.1.1.466.3823。doi : 10.1002 / jcc.20829。PMID 17894371。S2CID 15313533 。
一般的な参考文献 Allen MP、Tildesley DJ (1989)。液体のコンピュータシミュレーション 。オックスフォード大学出版局。ISBN 0-19-855645-4 。 McCammon JA、Harvey SC (1987).タンパク質と核酸のダイナミクス . Cambridge University Press. ISBN 0-521-30750-3 。 ラパポート DC (1996).分子動力学シミュレーションの芸術 . ISBN 0-521-44561-2 。 グリーベル M 、ナペック S、ズンブッシュ G (2007)。分子動力学における数値シミュレーション 。ベルリン、ハイデルベルク：シュプリンガー。ISBN 978-3-540-68094-9 。Frenkel D 、Smit B (2002) [2001].分子シミュレーションの理解：アルゴリズムから応用まで . サンディエゴ：アカデミックプレス. ISBN 978-0-12-267351-1 。Haile JM (2001).分子動力学シミュレーション：基礎的手法 . Wiley. ISBN 0-471-18439-X 。 Sadus RJ (2002).流体の分子 シミュレーション：理論、アルゴリズム、オブジェクト指向 。Elsevier。ISBN 0-444-51082-6 。 Becker OM 、 Mackerell Jr AD、Roux B、Watanabe M (2001)。計算生化学と生物物理学 。Marcel Dekker。ISBN 0-8247-0455-X 。Leach A (2001).分子モデリング：原理と応用 （第2 版）. Prentice Hall. ISBN 978-0-582-38210-7 。 シュリック T (2002)。分子モデリングとシミュレーション 。スプリンガー。ISBN 0-387-95404-X 。Hoover WB (1991).計算統計力学 . Elsevier. ISBN 0-444-88192-1 。Evans DJ、Morriss G (2008)。非平衡液体の統計力学 （第2 版）。ケンブリッジ大学出版局。ISBN 978-0-521-85791-8 。
外部リンク GPUGRID.netプロジェクト（GPUGRID.net ） ブルー・ジーン・プロジェクト（IBM ）JawBreakers.org 材料モデリングおよびコンピュータシミュレーションコード 分子動力学に関するいくつかのヒント 水の分子動力学シミュレーションの動画（YouTube）
![{\displaystyle U(r)=4\varepsilon \left[\left({\frac {\sigma }{r}}\right)^{12}-\left({\frac {\sigma }{r}}\right)^{6}\right]}](https://wikimedia.org/api/rest_v1/media/math/render/svg/374024e23ac5eb77e91b68ad9ba86ad3bbf5f113)
