MOFBuilder：ハイスループットスクリーニングのためのMOFダイナミクスの自動エンドツーエンドモデリング

小さな結晶ケージが重要な理由

金属–有機フレームワーク（MOF）と呼ばれる多孔性結晶材料は、ナノサイズの部屋や通路で満たされた精巧な足場のようなものです。温室効果ガスを捕獲したり、薬物を運んだり、触媒を収容したりできますが、目的に適したフレームワークを設計するのは非常に難しく、可能性は何百万通りもあります。多くの計算ツールはこれらの材料の静的なスナップショットしか調べませんが、実際には構造がしなり、呼吸し、液体やゲスト分子と相互作用します。本稿では、現実的で動的なMOFモデルの構築を自動化するソフトウェアパイプライン「MOFBuilder」を紹介します。これにより研究者はより効率的にスクリーニングでき、有望な材料を見落とすことを避けられます。

高レベルのレシピから結晶レゴを組み立てる

MOFBuilderはMOFを、金属含有クラスターと有機リンカーという分子レゴ片から組み立てられるものとみなします。完全な化学的詳細が欠けていることが多い静的な結晶学ファイルから始める代わりに、プログラムは全体ネットワークの記述とこれらの構成要素の構造を使用します。そして、どの原子がどの分子に属し、どのように結合しているかを保持しながら、三次元フレームワーク全体を組み立てます。このアプローチにより、理想的な無限結晶、有限クラスター、薄片、あるいはマイクロメータースケールに達する巨大なスーパーセルなど、化学的に整合したモデルを秒単位で生成できます。モデルが明確な分子ラベルを持つため、かつて専門家が何週間もかけて手作業で修正していた手間をかけずに、標準的な分子動力学エンジンに直接入力できます。

欠陥の編集と現実的な環境の設定

実際のMOFは決して完璧ではなく、リンカーや金属ノードの欠損を含み、しばしば異なる成分の混合を含みます。MOFBuilderでは、構成単位のレベルでどの片を削除または置換するかを選んで、これらの特徴を直接導入できます。空孔が作られると、プログラムは自動的に配位が不足した金属部位を見つけ、それらを小さなフラグメントでキャップして局所化学が妥当であり全体の電荷が均衡するようにします。また、界面を研究するためにクラスターやスラブを切り出したり、効率的な充填アルゴリズムを使ってフレームワーク周辺に溶媒分子を配置したりできます。有機リンカーと金属ノードの力場パラメータや原子電荷は、組み込みの量子化学ツールとの連携によって割り当てられ、広く使われるシミュレーションパッケージ向けの実行準備ができた入力ファイルが生成されます。

ゲストが細孔を移動する様子を観察する

こうした自動化で何が可能になるかを示すために、著者らは2つのケーススタディを示します。最初の例では、塩水と二本鎖の治療用RNAを満たしたNU-1000というMOFの大規模モデルを構築します。以前は何週間もの手作業が必要だった全体のセットアップが、1つのパイプラインで構築、溶媒和、平衡化され、その後100ナノ秒を超えるシミュレーションが行われます。RNAは広いチャンネルの中心から徐々にMOFの壁側へと移動し、有機リンカーとの穏やかなファンデルワールス相互作用を主に介して落ち着く快適な位置に収まります。重要なのは、RNAは構造的に保たれ、金属中心に強く結合しないことが示され、MOFが遺伝物質を損なうことなく保護できるという実験結果を支持している点です。

隠れた細孔パズルの解明

2つ目のケーススタディは、UiO-66と呼ばれるよく知られたMOF族におけるガス捕捉を扱います。ここでは、リンカーが異なる化学基を持つ30の変種を自動生成して水中に溶解した二酸化炭素とともにシミュレーションします。各シミュレーションからは、リンカー、細孔幾何、CO2や水の運動を記述する多数の記述子を抽出します。機械学習モデルはこれらの記述子と、実際にリンカー付近に集まるCO2分子数とを関連付けます。顕著なパターンが現れます：いくつかの変種では、単一の凍結構造に対する標準的な幾何学的解析が「アクセス可能な細孔容積はゼロ」と報告し、通常は非多孔質として除外されます。しかし動的シミュレーションは、リンカーの微妙な回転が一時的なゲートを開いて小さな空隙にCO2が蓄積することを示します。著者らはこの効果を「多孔性パラドックス」と呼んでいます。

材料探索にとっての意味

専門外の読者に向けた要点は、有望な材料が剛直な構造図だけで判断されると誤って棄却される可能性があるということです。MOFBuilderは、運動、欠陥、現実的な環境を仮想スクリーニングに日常的に組み込む方法を提供し、プロセスを高速かつ自動化されたままに保ちます。高レベルな設計アイデアを、化学的に忠実で動的なモデルへと変換し、機械学習で解析・マイニングできるようにすることで、ガス捕集、触媒、薬物送達などの用途に向けたより信頼できるデータ駆動のMOF発見の基盤を築きます。本質的には、材料モデリングを静的なスナップショットからアニメーション化された映像へとアップグレードし、これまで隠れていた挙動を科学者が観察して活用できるようにします。

引用: Li, C., Ahlquist, M.S.G. MOFBuilder: automated end-to-end modeling of MOF dynamics for high-throughput screening. npj Comput Mater 12, 156 (2026). https://doi.org/10.1038/s41524-026-02086-x

キーワード: 金属有機構造体, 分子動力学, 材料スクリーニング, ガス吸着, 計算材料設計