Was wäre, wenn wir künstliche Intelligenz nutzen könnten, um die komplexen molekularen Details chemischer Reaktionen zu entschlüsseln?
Dies ist die Meisterleistung, die Chemikern des Labors „Pasteur“ in zwei Veröffentlichungen in Fachzeitschriften gelungen ist PNAS et JACKS. Indem wir eine Methode vorschlagen systematisch Um künstliche Neuronen zu trainieren, die in der Lage sind, die aktuellen Einschränkungen molekularer Simulationen zu überwinden, werfen sie einen neuen Blick auf zwei entscheidende Reaktionen in der präbiotischen Chemie.
Chemische Reaktionen sind flüchtige Ereignisse im Leben von Molekülen und ihre direkte Beobachtung ist selbst mit einem leistungsstarken „Mikroskop“ eine echte experimentelle Herausforderung. Molekulare Simulationen sind das beste Werkzeug, um diese Ereignisse nach unseren Wünschen zu verfolgen. Doch sie stoßen auf zwei Schwierigkeiten. Erstens bedeutet die Verfolgung reaktiver Ereignisse in Echtzeit die Lösung der Schrödinger-Gleichung* Millionen Mal, was unmöglich ist. Zweitens, selbst nach solch einem immensen Rechenaufwand, nur eine HandvollBeobachtungen erhalten würde. Um sich jedoch ein korrektes Bild von a zu machen chemische Reaktion und es ist ThermodynamikDie statistische Physik lehrt uns, dass Hunderte von Beobachtungen notwendig sind, weil Atomsysteme probabilistisch sind.
In zwei separaten Studien mit ähnlicher Methodik nutzten Chemiker des PASTEUR-Labors (CNRS/ENS Paris/Paris Sciences et Lettres/Sorbonne Université) einen neuen Ansatz der künstlichen Intelligenz, um diese Einschränkungen zu überwinden. Die Idee besteht darin, ein künstliches neuronales Netzwerk zu trainieren, um das Problem zu lösenGleichung Schrödinger für alle möglichen Strukturen, die während einer chemischen Reaktion auftreten Datenund so die aktuellen Einschränkungen molekularer Simulationen überwinden.
Ein entscheidendes Element für den Erfolg des Ansatzes ist die korrekte Identifizierung, Auswahl und Organisation der relevanten Daten für das Training. Die Wissenschaftler schlagen eine standardisierte und robuste Methode vor, die an die Untersuchung chemischer Reaktivität angepasst ist. Das Ergebnis? Ein Ansatz, der die Lücke zwischen den Welten der Quantenphysik und der statistischen Physik mit geringem Rechenaufwand (und damit einem geringen CO2-Fußabdruck) schließt.
Diese Arbeit wurde in Fachzeitschriften veröffentlicht PNAS et JACKSebnen den Weg für eine wesentlich kostengünstigere Modellierung chemischer Reaktionen in der kondensierten Phase. Die Wissenschaftler veranschaulichen ihre Methoden anhand zweier grundlegender Reaktionen des Lebens: der Bildung einer Peptidbindung, die dafür notwendig ist Proteinsynthese und die Bildung einer Phosphoesterbindung für die Nukleinsäuresynthese. Damit konnten sie die günstigsten Reaktionswege für diese beiden Reaktionen aufzeigen, was aus experimentellen Studien nicht direkt möglich ist.
Diese Ergebnisse scheinen ein erster Schritt zum Verständnis der optimalen physikalisch-chemischen Bedingungen für diese energetisch sehr ungünstigen und daher sehr unwahrscheinlichen Reaktionen zu sein. Sie führten jedoch vor etwas mehr als vier Milliarden Jahren zur Bildung der ersten elementaren Bausteine des Lebens, und zwar in einem Kontext, in dem die Katalysatoren des Lebens (Enzyme) noch nicht existierten und unter katalytischen Bedingungen, die noch zu bestimmen sind .
*Die Schrödinger-Gleichung (Erwin Schrödinger, 1925) ist eine grundlegende Gleichung der Physik, die den Quantenzustand eines Systems beschreibt.
Herausgeber: AVR
Referenzen:
Präbiotische chemische Reaktivität in Lösung mit Quantengenauigkeit und Mikrosekunden-Probenahme unter Verwendung neuronaler Netzwerkpotentiale.
Z. Benayad, R. David, G. Stirnemann.
Verfahren der Nationalen Akademie der Wissenschaften 2024
https://doi.org/10.1073/pnas.2322040121
Konkurrierende Reaktionsmechanismen der Peptidbindungsbildung in Wasser, aufgedeckt durch tiefgreifende Potenzialmolekulardynamik und Pfadprobenentnahme.
R. David, I. Tuñón, D. Laage.
Zeitschrift der American Chemical Society 2024
https://doi.org/10.1021/jacs.4c03445
Related News :