Для изучения структурных особенностей водных кластерных структур (ВКС), обнаруживаемых в ходе исследований самоорганизации дифенилаланиновых (FF) пептидных нанотрубок (L- и D- хиральностей) внутри их полостей, было выполнено 3D-моделирование D-FF нанотрубок, содержащих в полости канала воду. Моделирование указало оптимальное количество молекул водного кластера на одну элементарную ячейку (два витка спирального участка), равное 21 молекуле воды. Для лучшего понимания характера структурных перестроек ВКС, происходящих во внутренней полости канала D-FF в ходе оптимизации, был применён разработанный нами метод визуально-дифференциального анализа конформационных изменений биологических макромолекул. Были получены идентифицирующие (ID) и «гипсометрические» проекции: внешней поверхности водных кластерных структур, расположенных внутри D-FF PNT, проекции внутренней поверхности канала D-FF PNT. Анализ ID-проекций водных кластеров в исходном и оптимизированном состояниях выявил небольшое изменение (+0,568%) доступной поверхности атомов кислорода и атомов водорода (-0,68%). Визуальный анализ ID-проекций показал заметные структурные перестройки структур кластера воды. Для их описания из трёх «гипсометрических карт» были составлены композиционные «топографические карты» и гибридные (2D/3D) модели, показывающие области, с большой вероятностью участвующие в формировании стабильных водородных связей, и характер изменений структур кластера воды.
пептидные нанотрубки, ПНТ, PNT, дифенилаланин, ФФ-НТ, FF, визуально-дифференциальный, 3D, гипсометрический, проекция, модель, Blender, PhotoReactor, G’MIC
1. Bystrov V.S., Coutinho J., Zhulyabina O.A., Kopyl S.A., Zelenovskiy P.S., Nuraeva A.S., Tverdislov V.A., Filippov S.V., Kholkin A.L., Shur V.Ya. Modeling and physical properties of diphenylalanine peptide nanotubes, containing the water molecules. Ferroelectrics, 2020. - в печати
2. Kim J., Han T.E., Kim Y. et al. Role of Water in Directing Diphenylalanine Assembly into Nanotubes and Nanowires. Adv. Mater., 2010, vol. 22, pp. 583-587.
3. Филиппов С.В., Быстров В.С. Визуально-дифференциальный анализ структурных особенностей внутренних полостей двух хиральных форм дифенилаланиновых нанотрубок. Биофизика, 2020, т. 65, № 3, с. 445-452. DOI: 10.31857/S0006302920030035.
4. O'Boyle N.M., Banck M., James C.A. et al. Open Babel: An open chemical toolbox. J Cheminform, 2011, vol. 3, no. 33. DOI: 10.1186/1758-2946-3-33.
5. Иванов А.О., Мищенко А.С., Тужилин А.А. Геометрия аминокислот и полипептидов. Наноструктуры. Математическая физика и моделирование, 2014, т. 10, № 1, с. 49-76.
6. Blender. Сайт программы 3D моделирования, анимации и рендеринга. [Электрон. ресурс]. URL: https://www.blender.org (дата обращения: 01.07.2020)
7. Филиппов С.В. Программная платформа Blender как среда моделирования объектов и процессов естественно-научных дисциплин (Препринт № 230, ИПМ им. М.В. Келдыша, 2018). DOI: 10.20948/prepr-2018-230. URL: http://keldysh.ru/papers/2018/prep2018_230.pdf
8. Филиппов С.В., Сивожелезов В.С. Метод построения динамических молекулярных моделей в среде открытой 3D-платформы Blender на примере β2-адренорецептора. Доклады Международной конференции "Математическая биология и биоинформатика". Под ред. В.Д. Лахно. Пущино: ИМПБ РАН, 2018, т. 7, № e45. DOI: 10.17537/icmbb18.23.
9. Филиппов С.В. Метод идентификации атомов макромолекул, визуализируемых в 3D редакторах (Препринты № 97, ИПМ им. М.В. Келдыша, 2019). DOI: 10.20948/prepr-2019-97. URL: https://keldysh.ru/papers/2019/prep2019_97.pdf
10. Филиппов С.В., Полозов Р.В., Сивожелезов В.С. Визуализация пространственных структур (био)макромолекул в виде подобных гипсометрическим карт (Препринт № 61, ИПМ им. М.В. Келдыша, М., 2019). DOI: 10.20948/prepr-2019-61. URL: https://keldysh.ru/papers/2019/prep2019_61.pdf
11. Schneider C.A., Rasband W.S., Eliceiri K.W. Nature Methods, 2012, vol. 9 (7), no. 671.
12. Photo Reactor - Nodal Image Processor. URL: https://www.mediachance.com/reactor/index.html.
13. G’MIC is a full-featured open-source framework for digital image processing. URL: https://gmic.eu.
