Suche senden
Hochladen
量子化学計算外伝 すごいよ!! FMO
•
Als PPTX, PDF herunterladen
•
3 gefällt mir
•
4,669 views
Kazufumi Ohkawa
Folgen
PIEDA素敵
Weniger lesen
Mehr lesen
Design
Melden
Teilen
Melden
Teilen
1 von 38
Jetzt herunterladen
Empfohlen
汎用ニューラルネットワークポテンシャル「PFP」による材料探索_MRS-J2021招待講演_2021/12/15
汎用ニューラルネットワークポテンシャル「PFP」による材料探索_MRS-J2021招待講演_2021/12/15
Matlantis
密度汎関数法, Density Fuctional Theory (DFT)の基礎第5回
密度汎関数法, Density Fuctional Theory (DFT)の基礎第5回
SATOH daisuke, Ph.D.
el text.life science6.tsuneda191106
el text.life science6.tsuneda191106
RCCSRENKEI
第一原理計算と密度汎関数理論
第一原理計算と密度汎関数理論
dc1394
密度汎関数法 Density Functional Theory (DFT)の基礎第6回
密度汎関数法 Density Functional Theory (DFT)の基礎第6回
SATOH daisuke, Ph.D.
Fortranが拓く世界、VSCodeが架ける橋
Fortranが拓く世界、VSCodeが架ける橋
智啓 出川
理解して使うRNA Velocity解析ツール-最近のツール編
理解して使うRNA Velocity解析ツール-最近のツール編
Mika Yoshimura
10分でわかる主成分分析(PCA)
10分でわかる主成分分析(PCA)
Takanori Ogata
Empfohlen
汎用ニューラルネットワークポテンシャル「PFP」による材料探索_MRS-J2021招待講演_2021/12/15
汎用ニューラルネットワークポテンシャル「PFP」による材料探索_MRS-J2021招待講演_2021/12/15
Matlantis
密度汎関数法, Density Fuctional Theory (DFT)の基礎第5回
密度汎関数法, Density Fuctional Theory (DFT)の基礎第5回
SATOH daisuke, Ph.D.
el text.life science6.tsuneda191106
el text.life science6.tsuneda191106
RCCSRENKEI
第一原理計算と密度汎関数理論
第一原理計算と密度汎関数理論
dc1394
密度汎関数法 Density Functional Theory (DFT)の基礎第6回
密度汎関数法 Density Functional Theory (DFT)の基礎第6回
SATOH daisuke, Ph.D.
Fortranが拓く世界、VSCodeが架ける橋
Fortranが拓く世界、VSCodeが架ける橋
智啓 出川
理解して使うRNA Velocity解析ツール-最近のツール編
理解して使うRNA Velocity解析ツール-最近のツール編
Mika Yoshimura
10分でわかる主成分分析(PCA)
10分でわかる主成分分析(PCA)
Takanori Ogata
基礎からのベイズ統計学第5章
基礎からのベイズ統計学第5章
hiro5585
フェーズI/IIに置けるベイジアン・アダプティブ・メソッド
フェーズI/IIに置けるベイジアン・アダプティブ・メソッド
Yoshitake Takebayashi
MCMCによる回帰分析@ベイズセミナー
MCMCによる回帰分析@ベイズセミナー
Takashi Yamane
木と電話と選挙(causalTree)
木と電話と選挙(causalTree)
Shota Yasui
第7回 配信講義 計算科学技術特論B(2022)
第7回 配信講義 計算科学技術特論B(2022)
RCCSRENKEI
Stochastic Variational Inference
Stochastic Variational Inference
Kaede Hayashi
素材産業のDxに貢献する 『Matlantis』のご紹介_nano tech2022_2022/1/28
素材産業のDxに貢献する 『Matlantis』のご紹介_nano tech2022_2022/1/28
Matlantis
ニューラルチューリングマシン入門
ニューラルチューリングマシン入門
naoto moriyama
PyMC mcmc
PyMC mcmc
Xiangze
RStanとShinyStanによるベイズ統計モデリング入門
RStanとShinyStanによるベイズ統計モデリング入門
Masaki Tsuda
[DL輪読会]陰関数微分を用いた深層学習
[DL輪読会]陰関数微分を用いた深層学習
Deep Learning JP
第9回 配信講義 計算科学技術特論B(2022)
第9回 配信講義 計算科学技術特論B(2022)
RCCSRENKEI
第8回 配信講義 計算科学技術特論B(2022)
第8回 配信講義 計算科学技術特論B(2022)
RCCSRENKEI
第10回 配信講義 計算科学技術特論A(2021)
第10回 配信講義 計算科学技術特論A(2021)
RCCSRENKEI
Cvpr 2019 pvnet
Cvpr 2019 pvnet
Kenta Tanaka
Stanでガウス過程
Stanでガウス過程
Hiroshi Shimizu
マハラノビス距離とユークリッド距離の違い
マハラノビス距離とユークリッド距離の違い
wada, kazumi
第5回 配信講義 計算科学技術特論B(2022)
第5回 配信講義 計算科学技術特論B(2022)
RCCSRENKEI
【論文紹介】How Powerful are Graph Neural Networks?
【論文紹介】How Powerful are Graph Neural Networks?
Masanao Ochi
ベイズファクターとモデル選択
ベイズファクターとモデル選択
kazutantan
2015-09-02 @ 大型実験施設とスーパーコンピュータとの連携利用シンポジウム
2015-09-02 @ 大型実験施設とスーパーコンピュータとの連携利用シンポジウム
Computational Materials Science Initiative
高精度擬ポテンシャル法の開発と表面系への応用
高精度擬ポテンシャル法の開発と表面系への応用
dc1394
Weitere ähnliche Inhalte
Was ist angesagt?
基礎からのベイズ統計学第5章
基礎からのベイズ統計学第5章
hiro5585
フェーズI/IIに置けるベイジアン・アダプティブ・メソッド
フェーズI/IIに置けるベイジアン・アダプティブ・メソッド
Yoshitake Takebayashi
MCMCによる回帰分析@ベイズセミナー
MCMCによる回帰分析@ベイズセミナー
Takashi Yamane
木と電話と選挙(causalTree)
木と電話と選挙(causalTree)
Shota Yasui
第7回 配信講義 計算科学技術特論B(2022)
第7回 配信講義 計算科学技術特論B(2022)
RCCSRENKEI
Stochastic Variational Inference
Stochastic Variational Inference
Kaede Hayashi
素材産業のDxに貢献する 『Matlantis』のご紹介_nano tech2022_2022/1/28
素材産業のDxに貢献する 『Matlantis』のご紹介_nano tech2022_2022/1/28
Matlantis
ニューラルチューリングマシン入門
ニューラルチューリングマシン入門
naoto moriyama
PyMC mcmc
PyMC mcmc
Xiangze
RStanとShinyStanによるベイズ統計モデリング入門
RStanとShinyStanによるベイズ統計モデリング入門
Masaki Tsuda
[DL輪読会]陰関数微分を用いた深層学習
[DL輪読会]陰関数微分を用いた深層学習
Deep Learning JP
第9回 配信講義 計算科学技術特論B(2022)
第9回 配信講義 計算科学技術特論B(2022)
RCCSRENKEI
第8回 配信講義 計算科学技術特論B(2022)
第8回 配信講義 計算科学技術特論B(2022)
RCCSRENKEI
第10回 配信講義 計算科学技術特論A(2021)
第10回 配信講義 計算科学技術特論A(2021)
RCCSRENKEI
Cvpr 2019 pvnet
Cvpr 2019 pvnet
Kenta Tanaka
Stanでガウス過程
Stanでガウス過程
Hiroshi Shimizu
マハラノビス距離とユークリッド距離の違い
マハラノビス距離とユークリッド距離の違い
wada, kazumi
第5回 配信講義 計算科学技術特論B(2022)
第5回 配信講義 計算科学技術特論B(2022)
RCCSRENKEI
【論文紹介】How Powerful are Graph Neural Networks?
【論文紹介】How Powerful are Graph Neural Networks?
Masanao Ochi
ベイズファクターとモデル選択
ベイズファクターとモデル選択
kazutantan
Was ist angesagt?
(20)
基礎からのベイズ統計学第5章
基礎からのベイズ統計学第5章
フェーズI/IIに置けるベイジアン・アダプティブ・メソッド
フェーズI/IIに置けるベイジアン・アダプティブ・メソッド
MCMCによる回帰分析@ベイズセミナー
MCMCによる回帰分析@ベイズセミナー
木と電話と選挙(causalTree)
木と電話と選挙(causalTree)
第7回 配信講義 計算科学技術特論B(2022)
第7回 配信講義 計算科学技術特論B(2022)
Stochastic Variational Inference
Stochastic Variational Inference
素材産業のDxに貢献する 『Matlantis』のご紹介_nano tech2022_2022/1/28
素材産業のDxに貢献する 『Matlantis』のご紹介_nano tech2022_2022/1/28
ニューラルチューリングマシン入門
ニューラルチューリングマシン入門
PyMC mcmc
PyMC mcmc
RStanとShinyStanによるベイズ統計モデリング入門
RStanとShinyStanによるベイズ統計モデリング入門
[DL輪読会]陰関数微分を用いた深層学習
[DL輪読会]陰関数微分を用いた深層学習
第9回 配信講義 計算科学技術特論B(2022)
第9回 配信講義 計算科学技術特論B(2022)
第8回 配信講義 計算科学技術特論B(2022)
第8回 配信講義 計算科学技術特論B(2022)
第10回 配信講義 計算科学技術特論A(2021)
第10回 配信講義 計算科学技術特論A(2021)
Cvpr 2019 pvnet
Cvpr 2019 pvnet
Stanでガウス過程
Stanでガウス過程
マハラノビス距離とユークリッド距離の違い
マハラノビス距離とユークリッド距離の違い
第5回 配信講義 計算科学技術特論B(2022)
第5回 配信講義 計算科学技術特論B(2022)
【論文紹介】How Powerful are Graph Neural Networks?
【論文紹介】How Powerful are Graph Neural Networks?
ベイズファクターとモデル選択
ベイズファクターとモデル選択
Andere mochten auch
2015-09-02 @ 大型実験施設とスーパーコンピュータとの連携利用シンポジウム
2015-09-02 @ 大型実験施設とスーパーコンピュータとの連携利用シンポジウム
Computational Materials Science Initiative
高精度擬ポテンシャル法の開発と表面系への応用
高精度擬ポテンシャル法の開発と表面系への応用
dc1394
CMSI計算科学技術特論C (2015) feram と強誘電体②
CMSI計算科学技術特論C (2015) feram と強誘電体②
Computational Materials Science Initiative
CMSI計算科学技術特論C (2015) feram と強誘電体①
CMSI計算科学技術特論C (2015) feram と強誘電体①
Computational Materials Science Initiative
CMSI計算科学技術特論C (2015) xTAPP をはじめとしたDFT コードと
CMSI計算科学技術特論C (2015) xTAPP をはじめとしたDFT コードと
Computational Materials Science Initiative
2015-07-28 @ 材料構造の解析に役立つ計算科学研究会
2015-07-28 @ 材料構造の解析に役立つ計算科学研究会
Computational Materials Science Initiative
CMSI計算科学技術特論C (2015) OpenMX とDFT①
CMSI計算科学技術特論C (2015) OpenMX とDFT①
Computational Materials Science Initiative
多項式あてはめで眺めるベイズ推定~今日からきみもベイジアン~
多項式あてはめで眺めるベイズ推定~今日からきみもベイジアン~
tanutarou
技術者が知るべき Gröbner 基底
技術者が知るべき Gröbner 基底
Hiromi Ishii
Andere mochten auch
(9)
2015-09-02 @ 大型実験施設とスーパーコンピュータとの連携利用シンポジウム
2015-09-02 @ 大型実験施設とスーパーコンピュータとの連携利用シンポジウム
高精度擬ポテンシャル法の開発と表面系への応用
高精度擬ポテンシャル法の開発と表面系への応用
CMSI計算科学技術特論C (2015) feram と強誘電体②
CMSI計算科学技術特論C (2015) feram と強誘電体②
CMSI計算科学技術特論C (2015) feram と強誘電体①
CMSI計算科学技術特論C (2015) feram と強誘電体①
CMSI計算科学技術特論C (2015) xTAPP をはじめとしたDFT コードと
CMSI計算科学技術特論C (2015) xTAPP をはじめとしたDFT コードと
2015-07-28 @ 材料構造の解析に役立つ計算科学研究会
2015-07-28 @ 材料構造の解析に役立つ計算科学研究会
CMSI計算科学技術特論C (2015) OpenMX とDFT①
CMSI計算科学技術特論C (2015) OpenMX とDFT①
多項式あてはめで眺めるベイズ推定~今日からきみもベイジアン~
多項式あてはめで眺めるベイズ推定~今日からきみもベイジアン~
技術者が知るべき Gröbner 基底
技術者が知るべき Gröbner 基底
Mehr von Kazufumi Ohkawa
圏論walker
圏論walker
Kazufumi Ohkawa
ハッピーハッピー構造生成まつり’67
ハッピーハッピー構造生成まつり’67
Kazufumi Ohkawa
ClickでCLIをお手軽につくるぅぅぅ
ClickでCLIをお手軽につくるぅぅぅ
Kazufumi Ohkawa
SAR精度70% その先へ
SAR精度70% その先へ
Kazufumi Ohkawa
視覚化サービス構築の際に気をつけること
視覚化サービス構築の際に気をつけること
Kazufumi Ohkawa
あまり知られていない静岡の言語戦争の歴史
あまり知られていない静岡の言語戦争の歴史
Kazufumi Ohkawa
IPython notebookを使おう
IPython notebookを使おう
Kazufumi Ohkawa
Mishimasyk141025
Mishimasyk141025
Kazufumi Ohkawa
実践コンピュータビジョン8章
実践コンピュータビジョン8章
Kazufumi Ohkawa
R -> Python
R -> Python
Kazufumi Ohkawa
ChEMBLを使おう
ChEMBLを使おう
Kazufumi Ohkawa
Unigram mixtures
Unigram mixtures
Kazufumi Ohkawa
エンジョイ☆スクレイピング
エンジョイ☆スクレイピング
Kazufumi Ohkawa
Redmineでもめない会議☆
Redmineでもめない会議☆
Kazufumi Ohkawa
pythonでオフィス快適化計画
pythonでオフィス快適化計画
Kazufumi Ohkawa
入門機械学習読書会9章
入門機械学習読書会9章
Kazufumi Ohkawa
入門機械学習6章
入門機械学習6章
Kazufumi Ohkawa
Javascriptを書きたくないヒ トのためのPythonScript
Javascriptを書きたくないヒ トのためのPythonScript
Kazufumi Ohkawa
入門機械学習読書会二回目
入門機械学習読書会二回目
Kazufumi Ohkawa
入門機械学習1,2章
入門機械学習1,2章
Kazufumi Ohkawa
Mehr von Kazufumi Ohkawa
(20)
圏論walker
圏論walker
ハッピーハッピー構造生成まつり’67
ハッピーハッピー構造生成まつり’67
ClickでCLIをお手軽につくるぅぅぅ
ClickでCLIをお手軽につくるぅぅぅ
SAR精度70% その先へ
SAR精度70% その先へ
視覚化サービス構築の際に気をつけること
視覚化サービス構築の際に気をつけること
あまり知られていない静岡の言語戦争の歴史
あまり知られていない静岡の言語戦争の歴史
IPython notebookを使おう
IPython notebookを使おう
Mishimasyk141025
Mishimasyk141025
実践コンピュータビジョン8章
実践コンピュータビジョン8章
R -> Python
R -> Python
ChEMBLを使おう
ChEMBLを使おう
Unigram mixtures
Unigram mixtures
エンジョイ☆スクレイピング
エンジョイ☆スクレイピング
Redmineでもめない会議☆
Redmineでもめない会議☆
pythonでオフィス快適化計画
pythonでオフィス快適化計画
入門機械学習読書会9章
入門機械学習読書会9章
入門機械学習6章
入門機械学習6章
Javascriptを書きたくないヒ トのためのPythonScript
Javascriptを書きたくないヒ トのためのPythonScript
入門機械学習読書会二回目
入門機械学習読書会二回目
入門機械学習1,2章
入門機械学習1,2章
量子化学計算外伝 すごいよ!! FMO
1.
量子化学計算外伝 すごいよ!! FMO 2015.07.25 @fmkz___
2.
Molecule略してモキュ!
3.
自己紹介 • kzfm (@fmkz___) –
blog.kzfmix.com • 最近はFMOの普及に力を入れていますが、システ ム構築が仕事のメインではある – やる気枯渇継続中 • 親子でイカブーム – N-ZAP89使ってます – B-上位をウロウロ – これのために早く帰る毎日w
4.
今日はPIEDA推しの話 ひげ≒πだ
5.
古典的なSBDDの限界 • 例えば2つの水素結合が見られる場合にど ちらが強いかというような定量的な議論 が出来ない • π-πスタッキングも同様(あるかどうかの 可能性程度しか論じられない) •
経験的に知られた相互作用でしか結合を 解釈できない(これ重要)
6.
ファーマコフォアはリガンドと蛋 白質の強い相互作用の抽象化
7.
シュールな分子設計 • 古典的な相互作用だけからのファーマコフォ ア推定はしばしば致命的なミスリーディング を引き起こす – 重要と考えている水素結合が実は著しく弱かった り –
古典的ではない強い相互作用が結合に重要だった り • そしてそれに気づかないと不幸になる – 特に分子設計のプレゼンスが無くなる…
8.
実際の構造最適化で役立たず • 活性を強くするために水素結合などを狙 うデザインは動態面の不利を招くため、 しばしば極性基を導入せずに活性を上げ たくなる • そういう難しいデザインを古典的な力場 やスコア関数で評価するのはとても難し いのだ(
ー`дー´)キリッw
9.
10.
ボスFMOでタスケテ
11.
Fragment Moleculer Orbital
Method (FMO) • 分子をフラグメントに 分割してMOを計算する 方法 • 大抵アミノ酸ごとにフ ラグメント分割するの で各アミノ酸とリガン ドの相互作用がわかる • 細かいことは気にせず 使おう!
12.
FMOの実装 • GAMESS – http://www.msg.ameslab.gov/gamess/ –
フリー – 汎用の量子化学計算ソフトウェア • ABINIT-MP/BioStation – http://www.ciss.iis.u- tokyo.ac.jp/rss21/result/download/ – フリーと商用版あり – FMOに特化
13.
どっち使えばいいの? • サポートが受けられる方をチョイスしたほう がいい – 開発者につながれるのであればGAMESSがいい と思う –
GAMESSは計算が収束しないことが多いような 感触 • ただ使いたいだけだったら商用版の MizuhoBiostationが楽 – ただし、自分で手をいれられないので、痒いとこ ろに手が届かなくてSBDDのツールとして考える とイライラさせられることもある
14.
どっち使えばいいの?(2) • インプットファイル作成のステップが面倒く さいので初心者はGUIで操作できる MizuhoBioStationがオススメ • GAMESSだとfuというフロントエンドがある らしい –
http://www.slideshare.net/cms_initiative/fu- 37113751 – http://cbi-society.org/taikai/taikai15/TS/TS-1.html
15.
どっち使えばいいの?(3) • 分子設計としてやるなら、既存の製品 (MOEとかMaestro)から直接インプット ファイル作れると便利 • GAMESS使ってた時はmol2->inpの自作コ ンバーター作ってて仕事が捗った –
(参考までに) – pygamessに実装しようかと思ってたけどモ チベーションがw
16.
どのくらいかかるの? • セリンプロテーアゼ で6-31G/MP2をやる 場合、Xeon® E5- 2600v2
40コア使っ て大体終夜(8-13-h) くらい • 頑張っている
17.
FMOで何がわかるの?
18.
間合いがわかるのだ!
19.
Inter Fragment Interaction Energy(IFIE) •
あるフラグメント(大 抵リガンド)とそれ以 外のフラグメント(大 抵アミノ酸残基)との 相互作用エネルギー • 安定な相互作用は負に、 不安定な場合は正にで る http://www.mizuho- ir.co.jp/solution/research/semiconductor/nano
20.
Inter Fragment Interaction Energy(IFIE)
21.
え、それだけ…?
22.
禁断の秘技あるで…
23.
pair interaction energy decomposition
analysis (PIEDA) • IFIEのエネルギーを成分分割する方法 – 静電相互作用エネルギー(ES) – 交換反発エネルギー(EX) – 電荷移動相互作用エネルギー(CT+mix) – 分散エネルギー(DI) • その他 – フラグメント間電荷移動(⊿qI->J)
24.
Q. MP2まで必要なの? • A.
必要です • MP2までやらないとDIが計算されないの でSBDDに使おうとする場合は絶対に必要 • やらないと見誤る(後で) • 基底関数は6-31G**でやればいいと思うけ ど6-31Gで計算しています。(これはどう なんだろうか?わからない)
25.
解釈してみる☆
26.
セリンプロテアーゼ阻害剤 • P1のASPとの相 互作用が重要 • アミジン、グアニ ジンは動態がよろ しくない •
Cl、MeOで相互 作用 – Cl-π?
27.
幾つか削除した
28.
FMOによって暴かれる真実 • Cl-πは少なくとも ファーマコフォアポ イントではない( ー `дー´)キリッ •
メインが分散力なの であっても弱い – http://www.ncbi.nlm.n ih.gov/pmc/articles/P MC2442010/
29.
幾つか削除した
30.
アミド基を水素に変換すると • 活性減弱 • 相互作用エネルギーも減弱、S-Sとの相互 作用も消失 •
データも消失
31.
PIEDAで静電相互作用の影響が強 そうな場合 • 各原子にチャージを割り当てるオプショ ンがあるので比較対象との電荷の移動量 を確認するとより詳細な情報が得られる
32.
DIやCT+mixに興味がある場合 • CAFI(Configuration Analysis for
Fragment Interaction) • FILM (Fragment interaction based on local MP2) • といった方法を使うことで 水素結合や分散相互作用を 可視化できる
33.
どこで使うの? • 合成戦略立てる前とかに既存のターゲッ トの複合体結晶構造があれば計算してお くと有効だと思うよ • インハウスで結晶構造解析したら積極的 に計算したほうがいいね
34.
ヘテロシャッフリングの解釈 dx.doi.org/10.1021/jm3001289 | J.
Med. Chem. 2012, 55, 5151−5164 PDB-ID: 3NMW
35.
FMOはより良い解析のためのツー ルなんやで
36.
FMOはより良い解析のためのツー ルなんやで Design Make Test Analyse
37.
より良い分析から より良い合成案を 生み出すのが 真のメディシナルケミスト 煽ってみた
38.
まとめ イカよろしく〜
Jetzt herunterladen