MPolSys Modeler, uma ferramenta para modelagem computacional de sistemas poliméricos lineares
DOI:
https://doi.org/10.33448/rsd-v10i16.24007Palavras-chave:
MPolSys; Moltemplate; SAWLC; Polímero.Resumo
O estudo computacional das relações intermoleculares de um determinado material pode ser usado como uma rota para prever quantidades que são impossíveis ou difíceis de determinar experimentalmente. Propriedades de novos materiais também podem ser previstas por técnicas desse tipo, quando ainda estão em fase de modelagem. Esta técnica reproduz as relações dinâmicas clássicas entre os elementos constituintes do material, átomos ou aproximações de interações unicorpusculares de moléculas, a partir de modelos potenciais denominados campos de força. Este trabalho tem como objetivo desenvolver uma ferramenta que realiza a composição de sistemas de cadeias poliméricas lineares por meio de uma caminhada auto evitada. Para isso, foi utilizado o conceito de SAWLC (caminhadas auto-evitantes de longas distâncias), em conjunto com a linguagem Python 3 para desenvolver MPolSys Modeler. Esta ferramenta é um gerador de cadeia de polímero não sobreposto, que por sua vez gera saídas que podem ser usadas como entrada para Moltemplate. Para validar os resultados da ferramenta, foram realizados experimentos nos quais foram variados os números e as cadeias de polimerização do polímero simulado, observando-se a sobreposição ou não das moléculas que compõem a simulação. Ao final das simulações, houve resultados positivos que indicam uma possibilidade promissora de utilização da ferramenta para a criação de polímeros com elevado número de cadeias e graus de polimerização.
Referências
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.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2021 Filipe Morais Frade de Faria; Reginaldo Gonçalves Leão Junior
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Autores que publicam nesta revista concordam com os seguintes termos:
1) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
2) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
3) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.
