Acceso rápido a conjuntos conformacionales de moléculas pequeñas en disolventes orgánicos habilitados por el modelo...

Área de la Ciencia:

• Química computacional
• Modelado molecular
• Descubrimiento de drogas

Sus antecedentes:

• Comprender las conformaciones moleculares en los disolventes es crucial para el descubrimiento de fármacos y la síntesis orgánica.
• Las simulaciones explícitas de dinámica molecular de disolventes (DM) son precisas pero computationalmente costosas.
• Los modelos implícitos de disolventes ofrecen velocidad pero a menudo carecen de precisión.

Objetivo del estudio:

• Desarrollar un método rápido y preciso para calcular conjuntos conformacionales de moléculas pequeñas en diversos disolventes orgánicos.
• Para superar las limitaciones de costo computacional y precisión en los modelos de disolventes existentes.

Principales métodos:

• Se desarrolló un enfoque de disolvente implícito basado en redes neuronales de gráficos (GNNIS).
• El modelo GNNIS se utilizó para calcular conjuntos conformacionales en 39 disolventes orgánicos comunes.
• La precisión de GNNIS fue validada con simulaciones de disolvente explícito y mediciones de resonancia magnética nuclear (RMN).

Principales resultados:

• El enfoque GNNIS reprodujo con precisión los resultados de la simulación de disolvente explícito para conjuntos conformacionales.
• El tiempo de cálculo para predecir conjuntos conformacionales se redujo de días a minutos.
• Los resultados se situaron dentro de los valores experimentales de 1 kBT, lo que facilita la identificación de los conformes.

Conclusiones:

• El método GNNIS proporciona una alternativa computacionalmente eficiente y precisa para el estudio de las conformaciones moleculares en solución.
• Este enfoque puede acelerar el descubrimiento de fármacos y la síntesis orgánica al permitir la predicción rápida de los efectos del disolvente en el comportamiento molecular.