Вы находитесь на странице: 1из 13

МЕТОДЫ МОДЕЛИРОВАНИЕ В АНАЛИТИЧЕСКОЙ

ЛАБОРАТОРИИ. СОВРЕМЕННЫЕ МЕТОДЫ


МАТЕМАТИЧЕСКОГО МОДЕЛИРОВАНИЯ
ПРОЦЕССА И ОБЪЕКТА АНАЛИЗА

Выполнил:

Нижний Новгород
2020

1
СОДЕРЖАНИЕ

Введение............................................................................................................................................................3
Химическое моделирование в современной науке.......................................................................................4
Метод молекулярной механики......................................................................................................................5
Наиболее распространённые силовые поля в молекулярной механике.....................................................8
Практическое применение методов молекулярной механики для моделирования обратимых
кинетических систем первого порядка..........................................................................................................9
Список литературы........................................................................................................................................12

2
ВВЕДЕНИЕ

“The fundamental laws necessary for the mathematical treatment


of large parts of physics and the whole of chemistry are thus fully
known, and the difficulty lies only in the fact that application of
these laws leads to equations that are too complex to be solved”
[P.A.M. Dirac. Proc. Roy. Soc. (London) 1929, 123, 714].

Поль Дирак – один из создателей современной теоретической науки в 1929 году писал, что
“фундаментальные законы, необходимые для математического описания большинства областей
физики и всей химии уже полностью известны, трудность состоит только в том, что применение этих
законов приводит к уравнениям, которые слишком сложны для своего решения”. Это высказывание
показывает, что химия вступила в ту стадию своего развития, когда создались предпосылки для
широкого использования в ней математических методов исследования. Однако до недавнего времени
из-за чрезвычайно высокой сложности математических моделей в химии, математическая химия
существовала скорее декларативно, нежели реально. Положение кардинально изменилось с
наступлением XXI века.
Современный этап науки характеризуется беспрецедентным развитием компьютеров и
областей знания, связанных с их производством и использованием. Компьютер стал доступным и
высокоэффективным инструментом, позволяющим быстро и надежно производить очень сложные
операции с объектами численной и символьной природы. Но самой удивительной и важной его
функцией является возможность хранения больших массивов таких объектов, что позволяет
обрабатывать с помощью компьютеров громаднейшие массивы информации. Создание мобильных
средств и каналов связи для передачи информации – всем известный Интернет, электронные
библиотеки, базы данных и банки знаний революционизировало развитие науки во всех областях.
Компьютерная революция конца XX – начала XXI века привела к появлению новых методов
исследования, возникновению и развитию научных дисциплин, связанных не только с получением
(сбором) экспериментальных и теоретических научных данных и знаний и их первичной обработкой,
но и с получением новой информации (нового знания) на основе упомянутых данных и знаний при
математической обработке их на компьютере. Иначе говоря, компьютер постепенно становится не
только и не столько средством обработки информации, но и средством ее получения. Развитие
современной химии характеризуется наличием мощных неоднородных информационных потоков.
Созданы эффективные средства экспериментального получения такой информации. В качестве
примеров можно привести спектральные методы (FT-IR спектроскопия с Фурье преобразованием,
UVvis- спектрофотометрия, NMR- и ESR- спектрометрия, атомно-адсорбционные и атомно-
эмиссионные методы и т.п.), электрохимические и хроматографические методы с использованием
высокоэффективных средств регистрации аналитических сигналов (например, MALDI-TOF MS).
Появились совершенно уникальные методы исследования, позволяющие создавать буквально
фильмы о протекании химических реакций (например, импульсные методы в NMR и ESR
спектрометрии, фемтохимия, импульсные методы возбуждения химических реакций). Исследование
строения и свойств химических реакций при помощи рентгеновских лучей (рентгенография и
рентгеноструктурные исследования) стало повседневным рутинным явлением. Учёный-химик,
активно работающий практически в любой области химии, буквально “захлёбывается” в
информационных потоках. И только методы химического моделирования исследования могут
помочь ему выжить. В наши дни благодаря появлению современных высокоэффективных
компьтеризированных приборов учёный-химик в течение дня получает не одну-две
экспериментальных кривых (эпиграфом предыдущего поколения химиков было “Ни дня без новой
экспериментальной кривой”), но часто его дневной «улов» составляет несколько десятков кривых. И
3
нужно найти время не только их зафиксировать, но и визуализировать, убедиться в их корректности
и осмыслить. По-видимому, даже этот процесс без применения компьютера представить
невозможно.

ХИМИЧЕСКОЕ МОДЕЛИРОВАНИЕ В СОВРЕМЕННОЙ НАУКЕ

В наши дни применение математического моделирования стало одним из бурно


развивающихся разделов современной химической науки. Широкое применение подобных методов
позволяет значительно ускорить развитие химии. Постоянно возрастающее значение компьютерных
методов для химии обусловлено несколькими причинами:
(1) Добывание новой химической информации при помощи экспериментальных методов химии
становится все более сложным и дорогим. Оно связано со значительными материальными и
временными затратами. Одной из альтернатив служит проведение математического моделирования
химических процессов.
(2) Характерной особенностью современного этапа развития химии является уход от
экспериментального изучения свойств отдельных веществ и химических реакций одним методом,
что необходимо для обеспечения системности научных исследований. Она требует использовать не
одну или две экспериментальные методики, а целую систему инструментальных и теоретических
методов, направленных на как можно более разностороннее изучение свойств химических объектов.
Вручную обработка разнородных экспериментальных данных весьма затруднительна, и часто
невозможна.
(3) Объекты современной химии часто являются короткоживущими частицами, присутствующими в
реагирующих системах в незначительных количествах. Они быстро появляются и исчезают в
химических реакциях; часто их обнаружение является чрезвычайно сложным и непрямым. Методы
химического моделирования могут применяться для исследования химических превращений
несколькими способами. Во-первых, их можно использовать для планирования эксперимента,
выбора наиболее оптимального способа его проведения. Во-вторых, моделирование является
неотъемлемой частью современной экспериментальной установки; без его использования
нормальное функционирование экспериментальной установки либо проблематично, либо
невозможно. В-третьих, обычно результаты эксперимента превращаются в научные данные лишь
после их достаточно сложной математической обработки, которая немыслима без использования
численных методов. В-четвертых, при помощи химического моделирования можно рассчитать
свойства короткоживущих промежуточных соединений и сравнить их с экспериментально
наблюдаемыми свойствами.
(4) Беспрецедентное развитие методов химического моделирования в последние пятнадцать лет
привело к значительному увеличению их возможностей. Как сами методы, так и вычислительное
время стали достаточно дешёвыми, а вычисления, которые они могут провести в ограниченный
временной промежуток, становятся всё более сложными и объёмными. Это позволяет использовать
для математического моделирования достаточно сложные модели и методы расчётов, что приводит к
надёжным результатам.
Современная компьютерная химия используется тогда, когда математическая теория того или
иного химического явления хорошо разработана, и им можно “автоматически” пользоваться для
решения разнообразных химических задач. Во многих разделах химии имеются задачи, для которых
в настоящее время разработаны методы решения, и, применяя их к решению новых химических
задач, можно получать новую химическую информацию. Однако химическое моделирование не
сводится только к получению новой информации за счёт проведения компьютерных расчётов. В неё
обычно включают также изучение информационных потоков в химии, получение необходимой
информации в наименьшее время, представление информации в наиболее приемлемом для химика

4
виде, создание баз знаний и т.д. Информационная составляющая химического моделирования
приобретает все большее значение. Третьей составляющей компьютерной химии является разработка
методов представления химических моделей средствами компьютерной графики. В современной
химии имеется достаточно много объектов, исследование которых возможно путём анализа
графических объектов, таких как молекулярные диаграммы, карты распределения электронной
плотности, поверхности потенциальной энергии. Четвёртая составляющая компьютерной химии
методологическая. Она заключается в разработке наиболее оптимальных способов использования
уже существующих и создания новых методов теоретической химии. При большом разнообразии
программных продуктов, предназначенных для решения химических задач, методологически
правильный их выбор является непростой задачей. И, наконец, нельзя не упомянуть об
образовательной составляющей химического моделирования. Современное образование должно
быть наглядным, содержащим элементы творчества, позволяющим студенту не просто получать
информации, читая её, но получать эту информацию, проводя небольшие численные эксперименты с
химическими моделями. Кроме того, только упорядочение информационных потоков в химии,
освоение их студентами может приблизить университетские учебники с реальной наукой.

МЕТОД МОЛЕКУЛЯРНОЙ МЕХАНИКИ

Молекулярная механика (ММ) или метод силового поля рассматривают молекулу как набор
атомов, который описывается набором эмпирических потенциальных функций, прототипы которых
взяты из классической механики. Эмпирические потенциальные функции зависят от большого числа
параметров, которые определяются из наилучшего соответствия расчётных и экспериментальных
данных. ММ является очень быстрым методом определения геометрии, энергии молекулярных
систем, колебательных спектров, энтальпий образования стабильных молекул в основном состоянии.
Она широко используется для изучения больших молекул, имеющих большое значение для биологии
и фармакологии. Изучение таких молекул методами квантовой химии проблематично в настоящее
время. Основной недостаток метода проявляется тогда, когда нужно рассчитать молекулу, значения
необходимых параметров для которой неизвестны. Поскольку метод ММ параметризован для
молекул в основном состоянии, для исследования переходных состояний молекул он обычно
неприменим.
В многоатомных молекулах каждый атом участвует в образовании одной или нескольких
химических связей. Каждую химическую связь можно представить в виде классического
гармонического осциллятора, причем потенциальная энергия определяется как функция степени
растяжения или сжатия химической связи относительно равновесной длины вдоль ее оси.
Аналогичная идея положена и для определения потенциальной энергии для валентных углов,
отличающихся от равновесных значений. Имеются вклады и другой природы. Сумма потенциальных
энергий от изменения всех геометрических параметров молекулы или молекулярной системы
относительно некоторой (гипотетической) “ссылочной” молекулярной системы и является
потенциальной энергией молекулярной системы. В “ссылочной” молекуле ни одна химическая связь,
ни один валентный угол и т.п. не являются растянутыми или сжатыми по отношению к
соответствующим равновесным значениям. Причиной того, что равновесные длины химических
связей или валентных близки, но не равны в точности равновесным значениям, является то, что в
многоатомной молекуле связи и углы нельзя рассматривать по отдельности. Значения их в
конкретных молекулах определяются компромиссом между различными упругими силами. Иначе
говоря, положение атома в молекуле таково, что должна минимизироваться не энергия конкретной
связи или угла, но полная энергия молекулярной системы. Сумма вкладов в потенциальную энергию,
обусловленных отклонениями всех атомов от положений, соответствующих равновесным значениям
химических связей и валентных углов, называется стерической энергией молекулы.

5
Фундаментальным предположением, на котором основан метод ММ, является идея о
переносимости (трансферабельности) геометрических параметров в молекулах. Другими словами,
функциональный вид конкретных изменений геометрических параметров молекулы будет
неизменным при переходе от одной молекулы к другой. Например, способ моделирования связи С–С
в различных органических молекулах должен быть одним и тем же, независимо от того, в какую
молекулу входит С–С связь.
Чтобы упомянутая выше переносимость параметров приводила к хорошему описанию
молекулы, при подборе параметров для силового поля используется классификация атомов по их
химическому типу. Так, например, sp3 – гибридизированный атом углерода будет описываться
другими параметрами, чем sp2 - гибридизиованный атом углерода. В некоторых силовых полях вид
параметров для атома зависит от типа функциональной группы, в которую данный атом входит. Так,
например, делается различие между атомом карбонильного кислорода в карбоновых кислотах и в
кетонах.
Идея ММ заключается в нахождении неизвестной геометрии молекулярной системы при
помощи минимизации стерической энергии. Для инициирования расчета задается начальная
геометрия молекулярной системы, которая улучшается при помощи итерационной процедуры.
Обычно ММ программы используют градиентные методы минимизации.
Существует несколько стратегий для проведения конформационных исследований методом
ММ. Однако хорошей является оптимизация геометрии для разумной исходной геометрии,
изменение полученной геометрии случайным образом, повторная оптимизация, и продолжение таких
стадий до тех пор, пока не появится уверенность в том, что все конформеры найдены. Случайные
изменения начальной геометрии часто называют “пинками” (‘‘kicks’’).
Трудность в применении ММ (как, впрочем, и большинства теоретических методов, используемых в
химии) состоит в том, как узнать, каким из полученных результатов можно доверять. Наиболее
приемлемыми результатами являются энергетические разности для различных конформеров. Другой
популярной областью использования является изучение межмолекулярного связывания. Разность
энергий связывания между двумя центрами или ориентациями обычно достаточно
удовлетворительна. Абсолютные значения энергий связывания предсказываются так корректно.
Уравнение для энергии. Уравнение для энергии в методе ММ является суммой сумм,
например
V   V stretch   Vbend   Vtorsion   VVDV , (ММ-1)
вкладов для растяжения связей, изменения углов, торсионных и Ван-дер-Ваальсовых
взаимодействий. В сумму могут добавляться и иные члены. Рассмотрим вклады в ММ-1 по
отдельности.
Растяжение химических связей. Пусть потенциальная энергия молекулы равна нулю для
равновесного значения длины химической связи, соответствующего дну потенциальной ямы.
k
Vstretch  r   stretch   r  r0 
2

2 , (ММ-2)
где r0 – равновесная длина связи, r – реальная длина связи, kstretch – силовая постоянная связи. r0 и kstretch
являются эмпирическими параметрами.
Изменение углов. Изменение углов учитывается также, как изменение длин химических связей.
k
Vbend    bend     0 
2

2 . (ММ-2)
Здесь θ0 – равновесное (стандартное) значение валентного угла, θ – реальное значение валентного
угла, kbend – “силовая постоянная” для угла.
Квадратичное приближение для изменения валентного угла является более хорошим
приближением, чем для изменений длин химических связей, причем в большинстве случаев оно

6
хорошо работает для значений валентных углов, которые на примерно ±30º отличаются от
равновесного значения. Как и в случае химических связей величины рассчитываемых методом ММ
валентных углов несколько отличаются от равновесных (стандартных) значений, поскольку их
значения являются компромиссом действия различных сил. Это приводит к ненулевому вкладу
Vbend(θ) в стерическую энергию равновесной геометрии молекулы как целого.
Торсионный вклад. Торсионная деформация изолированной равновесной структуры означает
вращение, т.е. изменение двухгранного угла при связи, соединяющей два атома. Соответствующий
вклад является периодической функцией угла:
V
Vtors      n  cos n
n . (ММ-3)
Здесь ω – значение двухгранного угла, Vn и n – эмпирические параметры.
Вклад энергии Ван-дер-Ваальса. В ММ считается, что атомы дают вклад в энергию Ван-дер-Ваальса
тогда, когда они не связаны химической связью. Для описания Ван-дер-Ваальсовых взаимодействий
используются два потенциала. Одним из них является 6-12 потенциал Леннард-Джоунса или его
модифицация

 r 
12
r  
6

Vvdv  r      0   2   0  
 r
  r
   , (ММ-4)
где  является параметрическим коэффициентом, соответствующим по физическому смыслу глубине
минимума на кривой потенциальной энергии для Ван-дер-Ваальсовых взаимодействий двух
конкретных атомов. Другим потенциалом этого типа является потенциал Бакингэма:
C
Vvdv  r   A  e  Br  6
r , (ММ-5)
причем A, B и C являются уже градиентными параметрами.
Кулоновский вклад. Энергия кулоновского взаимодействия появляется благодаря наличию в
молекуле постоянных диполей, например частичных положительных и отрицательных зарядов на
какой-либо функциональной группе. Вклад от такого взаиодействия определяется по уравнению:
qi  q j
V  rij  
4 0  rij
, (ММ-6)
где 0 – диэлектрическая постоянная вакуума. В варианте MM3, этот член имеет другой вид
 ' cos   3  cos   cos  
V  r  
D r3 . (ММ-7)
Углы , β и χ определяются, как показано на приведенном ниже рисунке.

Здесь r – расстояние между центрами связей.


Величиной, принимаемой по умолчанию, является 1.0 для диэлектрической постоянной
среды, что соответствует вычислениям, производимым для изолированных молекул в вакууме, но
величина по умолчанию должна быть увеличена до 1.5 для учёта внутримолекулярных

7
взаимодействий дипольных моментов. В присутствии растворителя для этой константы берётся
величина, отличная от 1.5.
Вклад от образования внутримолекулярной водородной связи. Если такая водородная связь
присутствует в моделируемой молекулярной системе, то она предсказывается при помощи
модифицированного потенциала Бакингэма, умноженного на cosθ(L/L0) для учёта угла θ между
реальной водородной связью в изучаемой молекуле и идеального угла для образования водородной
связи вдоль химической связи с равновесной длиной L ковалентной связи атома водорода по
сравнению со стандартной длиной связи L0.
Перекрестные члены. Они характеризуют вклады от взаимного влияния различных вкладов в
стерическую энергию. Ниже приведены типичные формулы для их вычисления:
Vstretch - bend  k SB   r  r0      0 
, (ММ-8)
Vstretch -stretch  k SS   r  r0    r ' r0 '
, (ММ-9)
Vbend- bend  k BB     0     'r0 '
, (ММ-10)
Vstretch- torsion  k ST   r  r0   cos n
, (ММ-11)
Vstretch -stretch  k SS   r  r0    r ' r0 '
, (ММ-12)
Vstretch -stretch  k SS   r  r0    r ' r0 '
. (ММ-13)

НАИБОЛЕЕ РАСПРОСТРАНЁННЫЕ СИЛОВЫЕ ПОЛЯ В МОЛЕКУЛЯРНОЙ МЕХАНИКЕ

Ниже приведены некоторые из наиболее часто используемых вычислительных приближений


для расчётов методами ММ.
AMBER. Программа для построения моделей с последующим улучшением геометрии
(AMBER) является названием как силового поля, так и компьютерной программы, его
использующей. Она параметризована прежде всего для расчёта белков и нуклеиновых кислот.
Поэтому результаты, получаемые при её использовании, очень хорошо описывают свойства белков и
нуклеиновых кислот. Применение этого метода к другим классам молекул является менее
успешным.
CHARMM. Химия в Гарвардском университете с применением макромолекулярной механики
(CHARMM) – имя как силового поля, так и компьютерной программы, использующей это поле.
Изначально она была предназначена для расчётов белков и нуклеиновых кислот. Её использовали
для моделирования большого числа биологически важных молекул, молекулярной динамики,
сольватации, кристаллических упаковок, расчёта колебательных спектров и т.д.
CFF. Согласованное силовое поле (CFF) разработано для того, чтобы получать одинаково
точные результаты для анализа конформеров, колебательных спектров, энергий напряжения и вклада
колебаний в энтальпию для белков. Этот медод имеет несколько модификаций: вариант Уре-Брадлея
(UBCFF), валентный вариант (CVFF), вариант Лини. Вариант силового поля, параметризованного на
основании результатов квантово-механических расчетов (QMFF), был модифицирован для
наилучшего воспроизведения экспериментальных данных (CFF93).
DREIDING. Силовое поле DREIDING является многоцелевым для решения задач
органической и биоорганической химии. Наиболее широко оно использовалось для моделирования
больших биоорганических молекул.
GROMOS. Молекулярное моделирование по Гронигену (GROMOS) - имя как силового поля,
так и программы с его использованием. Эта программа часто используется для предсказания
динамики молекул и жидкостей. Его часто используют также для моделирования биомолекул.
MM1, MM2, MM3, MM4. Эти методы предназначены для построения органических силовых
полей общего назначения. Существует несколько вариантов этих методов. Они используются
8
наиболее часто по сравнению с другими методами ММ, особенно для моделирования органических
молекул.
MMFF. Молекулярное силовое поле Мерка (MMFF) – силовое поле общего назначения.
Особенно популярно для расчёта органических молекул. Первоначально метод (MMFF94)
предназначался для использования для моделирования методом молекулярной динамики, но очень
интенсивно использовался также для оптимизации геометрии молекул.
MOMEC - силовое поле, предназначенное для описания координационных соединений
переходных металлов. Взаимодействия металл-лиганд описываются только членом растяжения
связей. Координационная сфера поддерживается несвязиевыми взаимодействиями между лигандами.
MOMEC обычно хорошо работает для октаэдрических координационных соединений.
OPLS. Метод оптимизированных потенциалов для моделирования жидкостей (OPLS)
разработан для моделирования объемных свойств жидкостей. Он нашёл также применение для
моделирования свойств биологических молекул методами молекулярной динамики.
Tripos. Силовое поле, созданное компанией Tripos Inc. для включения в программы Alchemy и
SYBYL. Иногда этот метод называется силовым полем SYBYL. Tripos создан для моделирования
органических и биоорганических молекул.
UFF. Универсальное силовое поле (UFF) включает параметры для всех элементов. UFF
наиболее широко используется для изучения систем, содержащих неорганические элементы.
YETI. Это силовое поле предназначено для точного учёта взаимодействий не обусловленных
какими-либо химическими связями. Наиболее часто он используется для моделирования
взаимодействий между биомолекулами и маленькими молекулами субстратов.

ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕ МЕТОДОВ МОЛЕКУЛЯРНОЙ МЕХАНИКИ ДЛЯ


МОДЕЛИРОВАНИЯ ОБРАТИМЫХ КИНЕТИЧЕСКИХ СИСТЕМ ПЕРВОГО ПОРЯДКА

1. Постановка задачи.

Моделируется процесс протекания во времени химической реакции:


K 12 K 23
A B C
K21 K32

где А, В, С - концентрации реагирующих компонентов,


K12, K21 K23, K32 - константы скоростей реакции.

Результат моделирования – зависимость концентраций А, В и С от времени t.


Варьируемые параметры – константы скоростей реакций K12, K21 K23, K32, а также временной
масштаб.
При достаточно длительном протекании процесса имеется возможность получить равновесные
(стационарные) концентрации.
2. Система уравнений.

Зависимость концентраций А, В и С от времени t описывается следующей системой


обыкновенных дифференциальных уравнений:
dA
 K21×B – Kl2×A
dt
dB
 Kl2×A + K32×C – (K21+ K23)×B
dt

9
dC
 K23×B – K32×C
dt
граничные условия: t = 0 А(0) = Ао В(0) = Во С(0) = Со
В общем случае система уравнений должна решаться одним из численных методов.
При начальных условиях t = 0 А(0) = Ао В(0) = С(0) = 0 решение системы может быть
получено в явном виде:
A(t )
 T1  T2 e 2t  T3e 3t
A(0)
B (t )
 T4  T5 e 2t  T6 e 3t
A(0)

C (t )  A(0)  [ A(t )  B (t )]
где:
K 21 K 32
T1 
23
K 21 (2  K 23  K 32 )
T2 
2 (2  3 )
K12 ( K 23  K 32  3 )
T3 
3 (2  3 )
K12 K 32
T4 
23
K 21 (2  K 32 )
T5 
3 (2  3 )
K12 (3  K 32 )
T6 
3 (2  3 )
PQ
2 
2
P Q
3 
2
P = K12 + K21 + K23 + K32
Q P 2  4( K12 K 23  K 21K 32  K12 K 32 )

В данном случае полагается А(0) =1. Временной интервал задается в виде: 0 ≤ t ≤ nh, где h - шаг по
времени, n - задаваемое количество шагов.

3. Блок–схема алгоритма

Ниже приводится блок-схема, реализующая явное решение системы уравнений:

Заголовок, Ввод Расчёт Расчет λ2, λ3


2A
краткое данных: P.Q
1 описание N, Н, K12.K21,
программы K23, K32

Расчёт Печать T=0 Расчет A, B, C


3A
10
2 T1 – T6 заголовка
таблицы
результатов

Вывод на T = T+H Нет Конец


печать T<=N программы
3 T, A, B, C *H?

Да

2D

11
4. Результаты:

N H K12 K21 K23 K32


16 0,25 1 0,5 0,75 0,25

T A B C
0 1 0 0
0,25 0,791 0,190 0,019
0,50 0,643 0,294 0,063
0,75 0,537 0,345 0,118
1,00 0,458 0,366 0,176
1,25 0,397 0,370 0,232
1,50 0,350 0,365 0,285
1,75 0,312 0,354 0,333
2,00 0,282 0,342 0,376
2,25 0,257 0,329 0,414
2,50 0,235 0,317 0,448
2,75 0,218 0,305 0,477
3,00 0,203 0,294 0,503
3,25 0,190 0,285 0,525
3,50 0,179 0,277 0,544
3,75 0,170 0,270 0,561
4,00 0,161 0,263 0,575

Зависимость концентраций от времени

1,0
Концетрации отн. ед

0,8

0,6 A
B
0,4 C

0,2

0,0
0 1 2 3 4
Время

СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ

1. Т. Кларк. Компьютерная химия. Пер. с англ.-М.: Мир, 1990.


2. D.W. Rogers, Computational chemistry using the PC. – 3rd ed., John Wiley & Sons, Inc., Hoboken, New
Jersey, (2003).
3. D.C. Young, Computational Cemistry. A Practical Guide for Applying Techniques to Real-World
Problems A JOHN WILEY & SONS, INC., New York (2001)
4. F. Jensen, Introduction to Computational Chemistry John Wiley & Sons, New York (1999).
5. J. P. Doucet, Computer Aided Molecular Design Academic Press, San Diego (1996).
6. A. R. Leach, Molecular Modeling Principles and Applications Longman, Essex (1996).
7. G. H. Grant, W. G. Richards, Computational Chemistry Oxford, Oxford (1995).
8. M. F. Schlecht, Molecular Modeling on the PC Wiley-VCH, New York (1998).

12
9. A. K. Rappeа, C. J. Casewit, Molecular Mechanics across Chemistry University Science Books, Sausalito
(1997).
10. B. Reindl, Encycl. Comput. Chem. 1, 196 (1998).
11. R. J. Woods, Encycl. Comput. Chem. 1, 220 (1998).
12. A.D. MacKerell, Jr., B. Brooks, C.L. Brooks, III, L. Nilsson, B. Roux, Y. Won, M. Karplus, Encycl.
Comput. Chem. 1, 271 (1998).
13. N. L. Allinger, Encycl. Comput. Chem. 2, 1013 (1998).
14. J. R. Maple, Encycl. Comput. Chem. 2, 1015 (1998).
15. J. R. Maple, Encycl. Comput. Chem. 2, 1025 (1998).
16. T. A. Halgren, Encycl. Comput. Chem. 2, 1033 (1998).
17. W.F. van Gunsteren, X. Daura, A.E. Mark, Encycl. Comput. Chem. 2, 1211(1998).
18. J. Tai, N. Nevins, Encycl. Comput. Chem. 3, 1671 (1998).
19. P. Cieplak, Encycl. Comput. Chem. 3, 1922 (1998).
20. W. L. Jorgensen, Encycl. Comput. Chem. 3, 1986 (1998).
21. A. D. MacKerell, Jr., Encycl. Comput. Chem. 3, 2191 (1998).
22. M. Zimmer, Chem. Rev. 95, 2629 (1995).
23. P. Comba, Coord. Chem. Rev. 123, 1 (1993).
24. B. P. Hay, Coord. Chem. Rev. 126, 177 (1993).
25. C. E. Dykstra, Chem. Rev. 93, 2339 (1993).
26. P. Kollman, Ann. Rev. Phys. Chem. 38, 303 (1987).
27. G. C. Maitland, E. B. Smith, Chem. Soc. Rev. 2, 181 (1973).
28. T. Shimanouchi, I. Nakagawa, Ann. Rev. Phys. Chem. 23, 217 (1972).
29. I. Pettersson, T. Liljefors, Rev. Comput. Chem. 9, 167 (1996).
30. W.D. Corness, M.P. Ha, Y. Sun, P.A. Kollman, J. Comput. Chem.17, 1541 (1996).
31. T. A. Halgren, J. Comput. Chem. 17, 520 (1996).
32. D. M. Ferguson, I. R. Gould, W. A. Glauser, S. Schroeder, P. A. Kolman, J. Comput. Chem. 13, 525
(1992).
33. V. S. Allured, C. M. Kelly, C. R. Landis, J. Am. Chem. Soc. 113, 1 (1991).
34. M. Saunders, J. Comput. Chem. 12, 645 (1991).
35. K. Gundertofte, J. Palm, I. Pettersson, A. Stamvik, J.Comput.Chem.12,200 (1991).
36. M. Clark, R.D. Cramer, III, N. Van Opdenbosch, J. Comput. Chem. 10, 982 (1989).
37. I.K. Roterman, K.D. Gibson, H.A. Scheraga, J.Biomol.Struct.Dynam.7, 391(1989).
38. I. K. Roterman, M. H. Lambert, K. D. Gibson, H. A. Scheraga, J. Biomol. Struct. Dynam. 7, 421 (1989).
39. C. Altona, D. H. Faber, Top. Curr. Chem. 45, 1 (1974).
40. E. M. Engler, J. D. Andose, P. v. R. Schleyer, J. Am. Chem. Soc. 95, 8005 (1973).
41. M. Jalaie, K. B. Lipkowitz, Rev. Comput. Chem. 14, 441 (2000).
42. E. Osawa, K. B. Lipkowitz, Rev. Comput. Chem. 6, 355 (1995).

13

Оценить