Возможно, имелись в виду макромолекулы — молекулы, значительно большие по размерам.
elib.biblioatom.ru
Некоторые примеры:
- Цианокоронен (C₂₄H₁₁CN) — молекула класса полициклических ароматических углеводородов (ПАУ), обнаруженная в открытом космосе. Состоит из семи бензольных колец и цианогруппы, в своей основной структуре содержит 24 атома углерода.
science.mail.ru - PG5 — крупнейшая синтетическая молекула, созданная человеком. Её размер не превышает 10 нанометров, а масса эквивалентна массе 200 миллионов атомов водорода.
globalscience.ru - Молекула ДНК — самая длинная в мире. В человеческой ДНК десятки миллиардов атомов, а длина ДНК в одной хромосоме — несколько сантиметров.
Также к большим молекулам относятся полимеры, которые состоят из множества повторяющихся звеньев, выстроенных в цепочку. Пример искусственного полимера — полиэтилен, в молекуле которого несколько тысяч атомов.
Есть сверх высокомолекулярный полиэтилен, в цепочке которого порядка ста тысяч атомов, а длина такой молекулы может доходить до десятых долей миллиметра.
поиск - yandex.ru/search/?text=молекулы++большие+
Три димера, белковые структуры, состоящие из двух связанных белков, из базы данных Dockground. Границы раздела, на которых встречаются белки, показаны затемненными областями. Автор: ORNL
Может ли такая простая вещь, как форма, полностью определить, будут ли белки связываться друг с другом? Ученые вводят в эксплуатацию суперкомпьютеры, чтобы выяснить это.
Команда под руководством Шарон Глотцер, заслуженного профессора и заведующей кафедрой химической инженерии Мичиганского университета (UM), использовала 200-петафлопсный суперкомпьютер Summit в Национальной лаборатории Окриджа Министерства энергетики США (ORNL) для моделирования взаимосвязей между белками, чтобы изучите их обязательное поведение. Результаты, опубликованные в журнале Soft Matter, показали, что некоторые белки действительно связываются только на основе формы.
"Мы продемонстрировали, что такая простая вещь, как форма, способна предсказывать белковые взаимодействия, которые иногда действительно сложны", - сказал Йенс Глейзер, специалист по вычислительной технике из группы передовых вычислений для химии и материалов в Oak Ridge Leadership Computing Facility (OLCF). "Эта первая демонстрация заставила нас поверить, что форма была недооцененным компонентом во многих процессах сборки белков".
Полученные результаты могут найти широкое применение в биологических исследованиях. Например, этот подход может быть использован для выявления заболеваний у лекарственных препаратов или предоставления ученым информации о том, как использовать белки в качестве строительных блоков для создания новых биологических материалов.
"Это захватывающее исследование демонстрирует силу взаимодополняемости форм при прогнозировании межбелковых взаимодействий", - сказала доктор Стефани Макэлхинни, руководитель программы армейской исследовательской лаборатории Командования по развитию боевых возможностей армии США, имея в виду благоприятное пространственное соотношение между двумя белками совместимой формы. - Вычислительные модели, которые точно предсказывают эти интерфейсы, помогут в будущем создавать передовые материалы на основе белка с активными и чувствительными свойствами, такие как светособирающие пластики на основе белка, которые могли бы функционировать как искусственный лист для выработки электроэнергии".
Суперкомпьютеры показали, что форма некоторых белков играет ключевую роль
Для успешного связывания белков друг с другом один из них действует как лиганд, молекула, которая присоединяется к белку-мишени, а другой - как рецептор, молекула, которая принимает лиганд. Этот процесс включает в себя сложные химические взаимодействия, при которых молекулы разделяют связи и меняют свою конфигурацию при связывании.
Команда Глоцера хотела выяснить, могут ли они предсказать это молекулярное связывание, основываясь только на форме, игнорируя взаимодействия между белками. Из базы данных, содержащей более 6000 пар белков, команда протестировала 46 пар, которые, как известно, связываются друг с другом, и смоделировала их сборку на Summit. Команда провела моделирование в рамках программы INCITE (Инновационное и новаторское вычислительное воздействие на теорию и эксперимент).
Подобно тому, как несколько теннисных мячей бросаются в одну цель, моделирование моделировало попадание нескольких лигандов в один фиксированный целевой рецептор. Из 46 протестированных пар они нашли 6, которые показали хорошие результаты — более чем в 50 процентах случаев они успешно соединялись исключительно благодаря их взаимодополняющим формам.
https://scx2.b-cdn.net/gfx/video/2021/shape-based-model-shed.mp4
"Мы изучили интерфейсы, на которых белки связывались друг с другом, чтобы увидеть, насколько они похожи на свои реальные интерфейсы, а затем определили предел, чтобы увидеть, сколько пар являются хорошими предикторами реальных интерфейсов", - сказал Фенги Гао, кандидат философии в UM. "Мы обнаружили, что 13 процентов этих белковых пар могут связываться только на основе формы".
Затем команда разработала модель машинного обучения, которая могла бы определить, какие белки способны собираться исключительно на основе формы. Объединение их первоначальной модели с такими инструментами машинного обучения поможет им понять, какая информация необходима для пар белков, которые не могут собираться только на основе взаимодополняемости формы.
Имитация траектории движения пары белков. Команда под руководством Шэрон Глотцер из Мичиганского университета смоделировала белок-рецептор (красный), зафиксированный в модельном ящике, и 50 независимых процессов связывания. Белки-лиганды окрашены в зависимости от того, насколько близко их положение связывания к исходной конфигурации, при этом желтый цвет далек от положения связывания, а фиолетовый лучше всего отражает положение связывания. В итоге только один белок из 50 не соответствует правильной конфигурации, что дает 98%-ный выход. Автор: Фэньи Гао, Мичиганский университет
Параллельный запуск белков
Чтобы смоделировать множественные обратимые процессы связывания 46 пар белков при различных параметрах, им потребовалось два дня вычислительного времени и более 3000 графических процессоров — объем, который мог обеспечить только такой суперкомпьютер, как OLCF's Summit. OLCF - это центр научных исследований Министерства энергетики США в ORNL.
В рамках вычислительного кода HOOMD-blue, который использовался для проведения моделирования, Глейзер, ранее работавший помощником научного сотрудника в группе Глоцера в UM, разработал алгоритм, который моделировал белки в присутствии множества мелких частиц. Но Глейзер нашел способ моделировать движение только тех белков, которые интересовали команду, избегая ненужных и дорогостоящих расчетов для окружающих их молекул растворителя.
"Я запускал код параллельно, чтобы можно было распределить множество различных параметров, итераций одной и той же системы и разных белков по графическим процессорам", - сказал Глейзер. "Это позволило нам легко использовать возможности параллельных вычислений Summit".
Используя Summit, команда обнаружила шесть пар белков, которые связывались только на основе комплементарности формы, причем одна из них достигала связывания более чем в 94 процентах случаев.
"Для нас было весьма удивительно, что такая упрощенная модель смогла правильно выбрать только ту позу, которую они принимают, из многих сотен или более конкурирующих поз", - сказал Глейзер. "Мы ожидали, что потребуется гораздо больше усилий, чтобы воспроизвести реальную позу связывания для этих пар белков".
Модели могут помочь в скрининге лекарств
Команда планирует изучить больше белков, которые также могут связываться на основе формы — или образовывать структуры еще более высокого порядка. В текущем исследовании команда исследовала только белковые димеры, которые состоят из двух белков, связанных вместе, но команда хочет знать ограничения на то, как формы белков могут эволюционировать, образуя иерархические белковые структуры.
"До того, как мы провели это исследование, я на самом деле не ожидал, что белки могут образовывать димеры, основываясь только на форме", - сказал Фенги Гао, кандидат философии в UM. "Но теперь мы обнаружили, что это работает, и мы можем изучать более сложные структуры или даже комбинировать это с другими подходами, такими как машинное обучение, чтобы понять, какие функции нам нужны для обеспечения правильной привязки".
Команда надеется, что в конечном итоге они смогут предсказать связывание межбелковых границ раздела в белковых кластерах или структурах кристаллизации белков.
"Мы думаем, что в будущем сможем адаптировать этот подход к чему-то вроде скрининга лекарств", - сказал Гао. "В дополнение к этому, мы надеемся, что эта модель, основанная на форме, может послужить основой для изучения сборки белков в целом.