Molekyylidynamiikka käytetyin menetelmä CSC:n ympäristössä

Kuva: Adobe Stock

Molekyylidynamiikka, käytetyin menetelmä CSC:n ympäristössä

Molekyylidynamiikka (MD) on vakiintunut simulointimenetelmä atomimittakaavan tapahtumien tutkimiseen.  Molekyylidynamiikassa tyypillisesti jokainen atomi mallinnetaan erikseen ja atomeista rakennetaan molekyylejä tai materiaa – sitä systeemiä, josta tutkija on kiinnostunut – ja sitten laitetaan fysiikka liikkeelle ja katsotaan mitä tapahtuu. Minkälaiset ongelmat ovat tutkittavissa riippuu siitä, kuinka yksityiskohtaisesti atomien vuorovaikutusta mallinnetaan. Mitä yksityiskohtaisemmin mallinnetaan, sitä raskaampaa laskentaa vaaditaan.

Yksinkertaisia malleja (ajatelkaa jousilla yhdistettyjä palloja) voidaan käyttää diffuusion, liukenemisen ja haihtumisen tutkimiseen. Tällöin voidaan käyttää melko suuria mallijärjestelmiä, kuten miljoonia atomeja tai muutaman kymmenen nanometrin kokoista kuutiota. Toinen temppu suurempien järjestelmien tarkastelemiseksi on uhrata atomistiset yksityiskohdat ja yhdistää useita atomeja yhdeksi vuorovaikutuksessa olevaksi mallihiukkaseksi – tätä kutsutaan karkeistetuksi menetelmäksi.

Kemiallisissa reaktioissa esiintyvien sidosten katkeamisen tai elektronien siirtymien tarkastelu edellyttää elektronien tarkkaa mallintamista ja siten kvanttimekaniikan käyttöä. Se on laskennallisesti kallista (ts. vaatii huomattavasti laskentakapasiteettia) ja tällöin voidaan tutkia vain paljon pienempiä systeemejä ja käyttää lyhyempiä aikaskaaloja.

Uusi innovaatio on koneoppimisen käyttäminen atomien vuorovaikutuksen määrittelyssä. Miguel Caro (et al.) Aalto-yliopistosta on ratkaissut pitkään jatkuneen mekanistisen ongelman tällaisella menetelmällä, pystyen tarkastelemaan kymmenen kertaa suurempaa systeemiä ja pidemmällä aikaskaalalla kuin aikaisemmin. Vuosien mittaan suuret edistysaskeleet teoreettisissa malleissa, simulointikoodien algoritmeissa ja tietokoneiden laskentatehossa ovat mahdollistaneet uusien ja yhä hyödyllisempien simulointien tekemisen. Molekyylidynamiikka on ollut jo vuosia lääkeainesuunnittelun työkalu ja toimiva menetelmä molekyylien ominaisuuksien ennustamisessa, synteettisessä kemiassa sekä katalyyttien ja materiaalien kehittämisessä.

Käytetyin CSC:n asentama ohjelmisto on Gromacs

Molekyylidynamiikka on yksi käytetyimmistä simulointimenetelmistä CSC:n supertietokoneilla. Käytön helpottamiseksi CSC on asentanut useita avoimen lähdekoodin MD-ohjelmistoja ja hankkinut lisenssin useisiin kaupallisiin sovelluksiin. Käytetyin CSC:n asentama sovellus on Gromacs, joka on erityisen tehokas ja monipuolinen avoimen lähdekoodin ohjelmisto. Gromacs skaalautuu erittäin hyvin Mahti-supertietokoneessa.

CSC:n asentamien ohjelmistojen CPU-käyttö Mahdissa vuoden 2022 alusta alkaen. Gromacs on selvästi käytetyin ohjelmisto. Tutkijoiden itse asentamien ohjelmistojen käyttö ei näy tässä kuvassa ja näiden ohjelmistojen osuus kokonaiskäytöstä on noin 70%. Gromacs skaalautuu erittäin hyvin Mahdissa. Kahden miljoonan partikkelin testisysteemi skaalautuu lähes lineaarisesti aina 2048 CPU-laskentaytimeen saakka.

 

MD-ohjelmiston tärkeimpiä ominaisuuksia ovat helppokäyttöisyys, käytettävissä olevien voimakenttien tarkkuus, saatavilla olevat menetelmät ja analyysityökalut sekä tietenkin sen tehokkuus eli se, miten suuria järjestelmiä voidaan tutkia kohtuullisessa ajassa ja kohtuullisella sähkönkulutuksella. Suuret mallijärjestelmät edellyttävät tuhansien laskentaytimien käyttöä saman ongelman ratkaisuun. CSC:n supertietokoneet soveltuvat tähän erittäin hyvin tehokkaiden suorittimiensa ja erittäin nopeiden kytkentäverkkojen ansiosta. Tarkassa simulaatiossa voimien laskemiseksi tarvitaan kaikkien atomien sijainnit, minkä vuoksi dataa siirretään paljon suorittimien välillä, mikä puolestaan edellyttää erittäin nopeaa supertietokoneen sisäistä kytkentäverkkoa.

Toinen tärkeä suuntaus sekä supertietokoneissa että molekyylidynamiikassa on GPU:iden eli grafiikkasuorittimien käyttö laskujen nopeuttamiseksi. Useat CSC:ssä käytettävissä olevista MD-simulointikoodeista pystyvät hyödyntämään GPU:ita, mikä tekee simulaatioista tehokkaita. Tämä on erityisen tärkeää, koska LUMI, maailman kolmanneksi nopein supertietokone, lisää merkittävästi Kajaanin datakeskuksen GPU-kapasiteettia ja tämä kapasiteetti on siten näitä menetelmiä käyttävien tutkijoiden käytettävissä.

Pelkkä fiksu ohjelmisto ja runsas laskentakapasiteetti eivät tietenkään riitä. Huomattavia parannuksia käyttötehokkuuteen voidaan saada myös käyttämällä ohjelmistoja ja laitteistoa optimaalisesti. Viime vuosina CSC on tehnyt yhteistyötä BioExcelin kanssa ja järjestänyt perehdyttäviä ja syventäviä käytännönläheisiä kursseja, jotta tutkijat tuntisivat Gromacsin uusimmat piirteet ja parhaat käytännöt sekä Gromacsiin liittyvien automaatio- ja skriptityökalujen käytön. Uusimpien algoritmien ja optimoidun koodin käyttö sekä automatisointi säästävät energiaa, käyttävät resursseja tehokkaammin ja mahdollistavat enemmän tiedettä nykyisellä laitteistolla.

Muutamia esimerkkejä molekyylidynamiikan käytöstä

Professori Hanna Vehkamäki ja hänen ryhmänsä Helsingin yliopistossa tutkivat MD:n avulla ilmakehän molekyylien, ionien ja klustereiden törmäyksiä. Näistä törmäyksistä voi syntyä vakaita klustereita ja ne voivat jatkaa kasvuaan aerosolihiukkasiksi. Aerosolihiukkaset puolestaan vaikuttavat ilmastoon, koska ne sirottavat auringon säteilyä ja toimivat pilvien muodostumisen ytiminä. Hiukkaset voivat vaikuttaa myös terveyteen, koska niitä hengitetään keuhkoihin.

Tutkimusryhmä tekee molekyylidynamiikan avulla törmäyssimulaatioita ja heidän tavoitteenaan on johtaa parempia teoreettisia malleja ja parametrisointeja, joilla voidaan ennustaa ilmakehän molekyylien, ionien ja klustereiden välisiä törmäyksiä.

Toisessa tutkimuksessa Vehkamäen ryhmä tutkii Gromacsin avulla kaasujen piilevää roolia puissa. Puiden solukossa vesi on alipaineisena, jolloin ilma pääsee juurista sisään lipidien päällystäminä nanokokoisina kuplina.  Tässä tutkimuksessa tavoitteena on ymmärtää nanokuplien stabiilisuutta alipaineen kasvaessa ja laajentaa ns.  koheesio–jännite-teoriaa molekyylitasolle.

Professori Ilpo Vattulaisella (Helsingin yliopisto) on tutkimusryhmänsä kanssa useita MD-menetelmiä hyödyntäviä hankkeita. Annamme tässä kaksi esimerkkiä.

Vattulainen ym. tutkivat SARS-CoV-2 -viruksen pääproteaasin dimerisaatiota. Tätä proteaasia, jota SARS-CoV-2-tutkijat kutsuvat nimellä Mpro, tarvitaan viruksen kypsymiseen, jonka vuoksi virukset voivat poistua tartunnan saaneista soluista ja aloittaa uuden infektiosyklin. Ajatuksena on, että estämällä Mpron toimintaa lääkkeillä virus voidaan inaktivoida. Pääproteaasin toimintamekanismi on kuitenkin jäänyt epäselväksi.

Sydämenmuotoinen SARS-CoV-2-viruksen dimeerinen pääproteaasi. Kuva: Ilpo Vattulainen.

Tutkijat selvittivät Mpro:n aktivoitumisen eri vaiheita kaikki atomit kattavilla molekyylidynamiikkasimulaatioilla. Simulointidatasta johdettujen koneoppimismallien avulla he tutkivat Mpron dynamiikkaa ja selvittivät mekanismin, joka säätelee Mpro:n aktiivisuutta sekä osoittivat miten virus säätelee kypsymistään.

He löysivät vakuuttavaa näyttöä siitä, että Mpron kahden monomeerin dimerisaatio säätelee pääproteaasin toimintaa (dimeeri on kahdesta identtisestä tai samankaltaisesta molekyylistä koostuva yhdiste). Tulokset viittaavat rokottamiselle vaihtoehtoiseen strategiaan pandemian hillitsemiseksi. Aikaisemmin löydettyjä viruslääkkeitä voidaan käyttää uuteen tarkoitukseen: estämällä Mpro:n dimerisaatio voidaan torjua Covid-19-infektioiden leviäminen. (Aikaisempi artikkeli tästä tutkimuksesta vuodelta 2020)

Toisessa tutkimuksessa Vattulainen ja Helsingin yliopiston biologisen fysiikan ryhmä tutkivat, miten masennuslääkkeet sitoutuvat. Heidän MD-simulaationsa yhdistettynä kokeellisiin tutkimuksiin osoittivat, että masennuslääkkeet sitoutuvat suoraan tyrosiinikinaasireseptori 2:een (TrkB), joka toimii aivoperäisen neurotrofisen tekijän (BDNF) kalvoreseptorina.  Tässä sitoutumisprosessissa kolesterolilla on keskeinen rooli. Tutkimus paljasti, että TrkB aistii kalvon kolesterolin, joka mukauttaa TrkB:n konformaatiota ja säätelee siten masennuslääkkeiden kykyä sitoutua reseptoriin. (Tästä tarkemmin uutisesta vuodelta 2021)

Professori Gerrit Groenhof (Jyväskylän yliopisto) on kiinnostunut valon ja aineen vuorovaikutuksesta ja tutkii mm. orgaanista aurinkosähköä eli valon muuttamista sähköksi, mikä on  erittäin lupaava ilmiö kestävän tulevaisuuden kannalta.

Aurinkosähkön sovellettavuutta rajoittaa suhteellisen lyhyt eksitonin diffuusion pituus materiaalin sisällä. (Eksitoni on elektronin ja sen elektroniaukon muodostama kvasihiukkanen, joka syntyy, kun elektroni absorboi fotonin ja nousee korkeammalle energiatasolle jättäen samalla elektroniaukon) Groenhof käyttää massiivista rinnakkaislaskentaa ja molekyylidynamiikkaa tutkiakseen yksityiskohtaisesti atomistisella tasolla voidaanko tämä rajoitus ylittää.

He suorittivat usean mittakaavan simulaatioita yli 1000 fotoaktiiviselle molekyylille. Mahti-supertietokoneella GROMACS- ja Gaussian16-ohjelmistoja käyttäen tehdyt simulaatiot viittaavat siihen, että voimakkaassa valo-materia-kytkennässä eksitonien kulkeutuminen voi tehostua usealla kertaluokalla ja saavuttaa yli kymmenen mikrometrin etäisyydet. Tämä on merkittävää valokennojen käytettävyyden parantamiseksi.

Lisää tästä aiheesta » Siirry sisältöihin ja uutisiin »

Atte Sillanpää

Author works in customer support including chemistry and international projects.

Tommi Kutilainen

Kirjoittaja on työskennellyt muutaman vuosikymmenen CSC:n viestinnässä.
Twitter: @TommiKutilainen