Comprender las interacciones proteína-lípido es difícil por varias razones, pero principalmente porque la física es súper compleja. Reunir información de la caracterización mecánica continua de las propiedades globales de la membrana, como la curvatura y cómo afecta la estructura y función de la proteína, a la descripción QM de los canales iónicos y la activación de voltaje es un desafío. La dinámica molecular (DM) como principio general es muy útil ya que se puede usar para obtener múltiples piezas del rompecabezas con métodos como el granulado grueso (CG) y el escalado múltiple.
Una de las razones fundamentales para usar CG es poder simular sistemas más grandes en escalas de tiempo más largas. Una proteína típica incrustada en una bicapa lipídica con disolvente e iones es de al menos 100.000 átomos. Una mayoría de las cuales usualmente son interacciones solventes. Una forma de evitar esto es usar constantes dieléctricas diferentes para representar el agua y la bicapa y simplemente simular la proteína. Pero en los últimos años, con mejoras en el hardware, queremos poder hacer mejores predicciones con nuestros modelos. Aunque con avances recientes podemos simular sistemas de grano fino con 200,000 átomos incluso por microsegundos, no es suficiente para comprender completamente los procesos moleculares.
Por ejemplo, a continuación se muestra una configuración de proteína SERCA en solvente implícito, CG con mapeo 4: 1 y escala atomística completa. Puede ver el cambio en el costo computacional con el aumento de los átomos, las interacciones ergo.
Imagen adaptada de [1] [2] y cortesía [3].
En mi opinión personal, el futuro de la simulación MD es multi-escala, es decir, utiliza diferentes representaciones para diferentes partes del sistema para simular múltiples procesos que ocurren a diferentes escalas. Para lograrlo con éxito, debemos ser capaces de construir modelos CG con la física esencial necesaria para caracterizar propiedades distintas. Una de las mayores ventajas de CG es el hecho de que se puede utilizar para comprender las fuerzas impulsoras esenciales involucradas en un proceso. Puedo explorar mi espacio de parámetros y comprender la relación entre dos variables, y si son variables termodinámicas, puedo extrapolar mis resultados a sistemas más reales.
¿Cuáles son las opciones de pasantías de investigación para un estudiante de BS-MS de primer año?
¿Aumenta la fluidez de la membrana celular también su permeabilidad a las drogas?
En conclusión, para responder a su pregunta, CG ayuda a obtener una interpretación más física de los procesos y el ajuste fino es útil para obtener una representación más precisa. En un mundo ideal (y con suerte pronto), estaríamos usando ambos juntos dentro de la misma configuración del sistema.
Notas a pie de página
[1] El papel del dominio: interacciones de dominio versus dominio: interacciones de agua en las simulaciones de grano grueso de las transiciones E1P a E2P en Ca-ATPasa (SERCA) – Nagarajan – 2012 – Proteínas: estructura, función y bioinformática – Wiley Online Biblioteca
[2] Simulaciones de granularidad gruesa de las transiciones en las conformaciones E2-a-E1 para Ca ATPasa (SERCA) Muestran compensación de entropía-entalpía
[3] Lucy Forrest> miembros del laboratorio
