MpolSys Modeler, una herramienta para el modelado computacional de sistemas de polímeros lineales
DOI:
https://doi.org/10.33448/rsd-v10i16.24007Palabras clave:
MPolSys; Moltemplate; SAWLC; Polímero.Resumen
El estudio computacional de las relaciones intermoleculares de un material dado puede usarse como una ruta para predecir cantidades que son imposibles o difíciles de determinar experimentalmente. Las propiedades de los nuevos materiales también pueden predecirse mediante técnicas de este tipo, cuando aún se encuentran en la fase de modelado. Esta técnica reproduce las relaciones dinámicas clásicas entre los elementos constituyentes del material, átomos o aproximaciones de interacciones unicorpusculares de moléculas, a partir de modelos potenciales denominados campos de fuerza. Este trabajo tiene como objetivo desarrollar una herramienta que realice la composición de sistemas de cadenas poliméricas lineales a través de un paseo autoevitado. Para ello, se utilizó el concepto de SAWLC (caminata autoevitante de largas distancias), junto con el lenguaje Python 3 para desarrollar MpolSys Modeler. Esta herramienta es un generador de cadenas de polímeros que no se superponen, que a su vez genera salidas que se pueden utilizar como entrada para Moltemplate. Para validar los resultados de la herramienta, se realizaron experimentos en los que se variaron los números y las cadenas de polimerización del polímero simulado, observando el solapamiento o no de las moléculas que componen la simulación. Al final de las simulaciones, se obtuvieron resultados positivos que indican una posibilidad prometedora de utilizar la herramienta para la creación de polímeros con alto número de cadenas y grados de polimerización.
Citas
Birta, L. G., & Arbez, G. (2013). Modelling and simulation. London: Springer.
Calio, P. B., Hocky, G. M., & Voth, G. A. (2020). Minimal Experimental Bias on the Hydrogen Bond Greatly Improves Ab Initio Molecular Dynamics Simulations of Water. Journal of chemical theory and computation, 16(9), 5675-5684.
Gartner III, T. E., & Jayaraman, A. (2019). Modeling and simulations of polymers: a roadmap. Macromolecules, 52(3), 755-786.
Gujrati, P. D., & Leonov, A. I. (Eds.). (2010). Modeling and simulation in polymers. John Wiley & Sons.
Guennebaud, G., & Jacob, B. (2010). Eigen. URl: http://eigen. tuxfamily. org, 3.
Harris, C. R., Millman, K. J., van der Walt, S. J., Gommers, R., Virtanen, P., Cournapeau, D., ... & Oliphant, T. E. (2020). Array programming with NumPy. Nature, 585(7825), 357-362.
Hanwell, M. D., Curtis, D. E., Lonie, D. C., Vandermeersch, T., Zurek, E., & Hutchison, G. R. (2012). Avogadro: an advanced semantic chemical editor, visualization, and analysis platform. Journal of cheminformatics, 4(1), 1-17.
Humbert, M. T., Zhang, Y., & Maginn, E. J. (2019). PyLAT: Python LAMMPS analysis tools. Journal of chemical information and modeling, 59(4), 1301-1305.
Jewett, A. I., Stelter, D., Lambert, J., Saladi, S. M., Roscioni, O. M., Ricci, M., ... & Goodsell, D. S. (2021). Moltemplate: A Tool for Coarse-Grained Modeling of Complex Biological Matter and Soft Condensed Matter Physics. Journal of molecular biology, 433(11), 166841.
Kondratyuk, N. D., & Pisarev, V. V. (2019). Calculation of viscosities of branched alkanes from 0.1 to 1000 MPa by molecular dynamics methods using COMPASS force field. Fluid Phase Equilibria, 498, 151-159.
Kratky, O., & Porod, G. (1949). Röntgenuntersuchung gelöster fadenmoleküle. Recueil des Travaux Chimiques des Pays‐Bas, 68(12), 1106-1122.
Martínez, L., Andrade, R., Birgin, E. G., & Martínez, J. M. (2009). PACKMOL: a package for building initial configurations for molecular dynamics simulations. Journal of computational chemistry, 30(13), 2157-2164.
Ovchinnikov, V., & Karplus, M. (2012). Analysis and elimination of a bias in targeted molecular dynamics simulations of conformational transitions: application to calmodulin. The Journal of Physical Chemistry B, 116(29), 8584-8603.
Plimpton, S., Kohlmeyer, A., Thompson, A., Moore, S., & Berger, R. (2020). Lammps stable release 29 October 2020. Zenodo. https://doi. org/10.5281/zenodo, 4157471.
Seabold, S., & Perktold, J. (2010, June). Statsmodels: Econometric and statistical modeling with python. In Proceedings of the 9th Python in Science Conference (Vol. 57, p. 61).
Stefko, M.l, Douglass, K., & Manley, S. (2020). PolymerCpp (0.1.3). Zenodo. https://doi.org/10.5281/zenodo.3928659
Tribello, G. A., Ceriotti, M., & Parrinello, M. (2012). Using sketch-map coordinates to analyze and bias molecular dynamics simulations. Proceedings of the National Academy of Sciences, 109(14), 5196-5201.
Stukowski, A. (2009). Visualization and analysis of atomistic simulation data with OVITO–the Open Visualization Tool. Modelling and Simulation in Materials Science and Engineering, 18(1), 015012.
Sun, H. (1998). COMPASS: an ab initio force-field optimized for condensed-phase applications overview with details on alkane and benzene compounds. The Journal of Physical Chemistry B, 102(38), 7338-7364.
Van Der Walt, S., Colbert, S. C., & Varoquaux, G. (2011). The NumPy array: a structure for efficient numerical computation. Computing in science & engineering, 13(2), 22-30.
Virtanen, P., Gommers, R., Oliphant, T. E., Haberland, M., Reddy, T., Cournapeau, D., & Van Mulbregt, P. (2020). SciPy 1.0: fundamental algorithms for scientific computing in Python. Nature methods, 17(3), 261-272.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2021 Filipe Morais Frade de Faria; Reginaldo Gonçalves Leão Junior
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que publican en esta revista concuerdan con los siguientes términos:
1) Los autores mantienen los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo simultáneamente licenciado bajo la Licencia Creative Commons Attribution que permite el compartir el trabajo con reconocimiento de la autoría y publicación inicial en esta revista.
2) Los autores tienen autorización para asumir contratos adicionales por separado, para distribución no exclusiva de la versión del trabajo publicada en esta revista (por ejemplo, publicar en repositorio institucional o como capítulo de libro), con reconocimiento de autoría y publicación inicial en esta revista.
3) Los autores tienen permiso y son estimulados a publicar y distribuir su trabajo en línea (por ejemplo, en repositorios institucionales o en su página personal) a cualquier punto antes o durante el proceso editorial, ya que esto puede generar cambios productivos, así como aumentar el impacto y la cita del trabajo publicado.
