LA QUÍMICA COMPUTACIONAL. introducción

Transcripción

1 LA QUÍMICA COMPUTACIONAL introducción

2 Qué es la química computacional? Utilizar la simulación computacional para asistir en la solución de problemas químicos Los métodos de la química teórica incorporados a programas de cómputo eficientes, permiten simular sistemas: - Moleculares o supramoleculares - Sólidos - Fluidos

3 Por qué la química computacional? Precisión Costo Accesibilidad Cómo usar la teoría? Hardware y software Interfase gráfica Demanda de potencia computacional Software (paquetes en Fortran y C) bien documentados y fáciles de modificar Los programas gráficos permiten el uso sin conocimiento de expertos

4 Por qué la química computacional? Permite estudiar sistemas que son difíciles experimentalmente Mutaciones Representación de la densidad electrónica molecular

5 Por qué la química computacional? Modelos de proteínas en sus ambientes Rho (348 residues) H 2 O Rho(348 residues) POPC H 2 O Figura tomada de Hernández-Rodríguez, E. W. et. al. J. Phys. Chem. B 2012, 116, 1060.

6 Por qué la química computacional? Diseño de nuevos catalizadores y reactores para la industria Norskov, J. K.; Bligaard, T.; Rossmeisl, J.; Christensen, C. H. Nat Chem 2009, 1, 37.

7 Por qué la química computacional? En moléculas Geometría Información conformacional IR (fuerza de enlaces) Distribución electrónica PI, UV-vis, AE Cualquier otro observable En fluidos Propiedades termodinámicas Efectos de solvente En sólidos Estructura cristalina Estabilidad de fases Propiedad catalítica

8 Por qué la química computacional? Nobel Prizes [ ] Walter Kohn desarrollo de la Teoría de Funcionales de la Densidad(DFT) John Pople desarrollo de métodos computacionales en química cuántica Martin Karplus, Michael Levitt, Arieh Warshel desarrollo de modelos a multiescala para sistemas químicos complejos Veracidad? Exacto y/o perfecto Sin embargo, casi todos los aspectos de la química pueden ser descritos dentro de un esquema computacional de manera cualitativa y cuantitativa aproximada con gran utilidad

9 NOBEL 2013 Walter Thiel & Gerhard Hummer; Nature, 504, 96, 2013

10 Ramas de la química computacional Una definición más amplia de la química computacional incluye a: 1. Las teorías y los métodos para realizar modelaciones de estructuras y procesos nano y picoscópicos, 2. La quimioinformática Ej: El establecimiento de correlaciones empíricas, tales como las relaciones lineales de energía libre y las relaciones cuantitativas entre la estructura y las propiedades moleculares [Quantitative Structure Property Relationships (QSPR)]

11 La química computacional es útil para: Acortamiento de los ciclos de desarrollo producto - proceso; Optimización de procesos existentes para mejorar la eficiencia energética y minimizar la producción de desechos; Diseño eficiente de nuevos productos y procesos; Mejoras en la salud, el bienestar social, y el medio ambiente. Comprender lo que ocurre en la naturaleza íntima de los fenómenos.

12 Escalas Los humanos hemos creado las unidades de medición espacial a nuestra escala. La unidad es el metro y una persona suele tener una talla entre 1 y 2 m. Longitud Área Escala < 1 mm < 1 mm 2 nanoscópica 1 mm 1 mm 1 mm 2 1 mm 2 microscópica 1 mm 1 m 1 mm 2 1 m 2 personal 1 m - 1 km 1 m 2-1 km 2 local 1 km km 1 km km 2 regional 100 km km km km 2 continental > km > km 2 global

13 Prefijos del SI Prefijo Símbolo Factor Prefijo Símbolo Factor yotta Y (un cuatrillón) zetta Z (mil trillones) exa E (un trillón) peta P (mil billones) tera T (un billón) giga G 10 9 (mil millones) mega M 10 6 (un millón) miria ma 10 4 (diez mil) kilo k 10 3 (mil) hecto h 10 2 (cien) deca da 10 1 (diez) deci D 10-1 (un décimo) centi c 10-2 (un centésimo) mili m 10-3 (un milésimo) micro µ 10-6 (un millonésimo) nano n 10-9 (un milmillonésimo) pico p (un billonésimo) femto f (un milbillonésimo) atto a (un trillonésimo) zepto z (un miltrillonésimo) yocto y (un cuatrillonésimo)

14 1. La modelación de nanosistemas Para modelar e imaginar como ocurren los fenómenos en las escalas nanoscópicas es preciso romper las fronteras dentro de las disciplinas científicas tradicionales, pues es preciso recurrir a conocimientos y habilidades de casi todas las ciencias básicas: matemática, ciencias de computación, física, química y biología. A esta rama de la ciencia se le suele llamar también modelación molecular.

15 Aplicaciones a la ingeniería La modelación molecular proporciona estimados cuantitativos de parámetros de ingeniería, tales como: calores de formación y de reacción entropías y capacidades calóricas constantes de velocidades de reacción propiedades de transporte como la viscocidad conductividad térmica que son necesarios para construir modelos a macro-escalas de procesos químicos completos.

16 Y en las ciencias de la vida Predicción de estructuras y funciones de biomoléculas: La predicción de estructuras y funciones de proteínas y otras moléculas y macromoléculas asociadas con los fenómenos de la vida es otra importante aplicación de la química computacional. Para ello se utilizan desde técnicas heurísticas (de estimación, predicción, etc), hasta leyes y teorías de la física estadística y cuántica con una importante utilización de la computación masiva de alto rendimiento. Este es uno de los caminos asociados con la gran industria farmacéutica actual.

17 Y en la ciencias de los materiales Celdas Solares

18 El azul maya Indigo incluído en un canal de silicalita (representación de bastones). Vista frontal.

19 El azul maya Indigo incluído en un canal de silicalita (representación de bastones). Vista lateral.

20 2. Quimioinformática Técnica que transforma datos en información y esta en conocimientos con la intensión de encontrar el sistema que brinde la propiedad deseada en un menor tiempo. Proceder general: Representar estructuras químicas en formatos especializados (2D, 3D) Conformar grandes bases de datos (con sistemas reales o virtuales) Cribado virtual (virtual screening)

21 2. Relaciones cuantitativas entre la estructura y las propiedades moleculares Desarrollo de un modelo matemático que describe de manera predictiva la relación entre la estructura (representada por descriptores numéricos) y la actividad biológica o cualquier otra propiedad. Se conoce también como QSPR ( quantitative structure property relationship )

22 Análisis de Hanch log(1/c)=a 0 +a 1 X S +a 2 X E +a 3 X H X E : Parámetro hidrofóbico, Variable independiente C: Actividad biológica Variable dependiente X E : Parámetro electrónico, Variable independiente X S : Parámetro estérico, Variable independiente 22

23 Una aplicación Los esteroides androgénicos anabólicos se usan para desarrollar la masa muscular de personas que así lo desean por la índole de su trabajo o por estética Los esteroides androgénicos pueden favorecer en los hombres o desfavorecer en las mujeres ciertos tipos de cáncer

24 Una aplicación Se hace necesario identificar fármacos que puedan ejercer preferentemente actividad anabólica para fines terapéuticos minimizando lo mas posible el efecto androgénico, con una máxima economía de recursos experimentales. Para ello es preciso estimar la actividad biológica a priori mediante modelos in silico sencillos.

25 Datos experimentales disponibles Se dispone de una base de datos reportada por J. Vida, 1969 en ratones. En la actualidad no hay ninguna otra referencia estandarizada dónde se reporten los valores de actividades anabólicas y androgénicaspara este tipo de moléculas. Esqueletode la 4,5- dihydrotestosterona Compuesto Log(1/LA) Log(1/VP) Log(1/SV) methyl-4,5-dihydrotestosterone methyl-4,5-dihydrotestosterone LA = peso del músculoelevadordel ano; VP = peso de la próstataventral; SV = peso de la vesículaseminal

26 Serie derivada de la 4,5 -dihidrotestosterona (Serie D) Relación anabolismo/androgenismo log ((1/LA)/log(1/VP)) = 0.16m q 4 67,53q11 6,63 n = 29, R 2 = 0,74, F = 23,51, p<0,001, s = 0,24, q 2 = 0,64 OH OH CH3 CH3 F F H 13 A/A Obs. = 2,07 A/A Cal. = 1,64 Más activo OH H 16 A/A Obs. = 0,59 A/A Cal. = 0,59 Menos activo 2,3 -difluor-metileno- 17 -hidroxi-17 -metil-androstano 2,17 -dihidroxi-17 -metil- 5 -androstano QSAR & Combinatorial Science 2006, 25,