MOFBuilder: автоматизированное сквозное моделирование динамики МУФ для высокопроизводительного скрининга

Почему важны крошечные кристаллические «комнаты»

Пористые кристаллические материалы, называемые металло-органическими каркасами (MOF), похожи на сложные конструкции, полные наномасштабных комнат и коридоров. Они могут улавливать парниковые газы, переносить лекарственные средства или служить площадками для катализаторов, но подобрать подходящий каркас для конкретной задачи чрезвычайно сложно из‑за миллионов возможных вариантов. Большинство вычислительных инструментов рассматривают лишь статические «моментальные снимки» этих материалов, хотя в реальности их структуры гибкие, «дышат» и взаимодействуют с жидкостями и гостьевыми молекулами. В этой статье представлен MOFBuilder — программный конвейер, который автоматизирует построение реалистичных, подвижных моделей MOF, позволяя исследователям намного эффективнее проводить скрининг и не упускать перспективные материалы.

Сборка кристаллического «Лего» по высокоуровневым рецептам

MOFBuilder рассматривает MOF как будто они собраны из молекулярных блоков-«Лего»: кластеров, содержащих металл, и органических звеньев. Вместо того чтобы начинать со статических кристаллографических файлов, которые часто лишены полной химической информации, программа использует описание сетевой структуры и структуры этих строительных блоков. Затем она собирает их в полноценную трёхмерную каркасную модель, сохраняя, какие атомы принадлежат каким молекулам и как они связаны. Такой подход позволяет за секунды генерировать химически согласованные модели, включая идеальные бесконечные кристаллы, конечные кластеры, тонкие срезы или огромные суперячейки, достигающие микрометрового масштаба. Поскольку модели содержат чистые молекулярные метки, их можно подавать напрямую в стандартные движки молекулярной динамики без трудоёмкой ручной правки, которая раньше отнимала недели экспертного времени.

Правка дефектов и реалистичные окружения

Реальные MOF никогда не бывают идеальными: в них встречаются отсутствующие звенья и металлические узлы, а также смеси различных компонентов. MOFBuilder позволяет вводить такие особенности прямо на уровне строительных единиц, выбирая, какие фрагменты удалить или заменить. При создании вакансии программа автоматически находит металлические сайты с пониженной координацией и «заглушает» их малыми фрагментами, чтобы локальная химия оставалась правдоподобной, а общий заряд — уравновешенным. Она также может вырезать кластеры или пластины для изучения интерфейсов и окружать каркас молекулами растворителя с помощью эффективного алгоритма упаковки. Параметры полей сил и атомные заряды для органических звеньев и металлических узлов назначаются через встроенные связи с квантово-химическими инструментами, что даёт готовые входные файлы для широко используемых программ для моделирования.

Наблюдая за перемещением гостей по порам

Чтобы продемонстрировать возможности автоматизации, авторы приводят два примера применения. В первом они собирают крупную модель MOF под названием NU-1000, заполненную солёной водой и двойной нитью терапевтической РНК. Вся конструкция, на подготовку которой вручную ранее ушли бы недели, в конвейере собирается, заливается растворителем, выравнивается и затем моделируется более 100 наносекунд. РНК постепенно смещается от центра широкой каналы к стенкам MOF, занимая комфортную позицию, где она взаимодействует в основном через мягкие ван‑дер‑Ваальсовы контакты с органическими звеньями. Важно, что РНК остаётся структурно целой и не связывается прочно с металлическими центрами, что подтверждает экспериментальные наблюдения: этот MOF способен защищать генетический материал, не повреждая его.

Разгадка скрытой головоломки пористости

Второй пример посвящён улавливанию газов в известном семействе MOF под названием UiO-66. Здесь авторы автоматически генерируют и моделируют 30 вариантов, чьи звенья несут разные химические группы, все они погружены в воду с растворённым углекислым газом. Из каждой симуляции они извлекают десятки дескрипторов, описывающих звенья, геометрию пор и движение CO2 и воды. Затем модели машинного обучения соотносят эти дескрипторы с тем, сколько молекул CO2 фактически накапливается у звеньев. Выявляется поразительная закономерность: в нескольких вариантах стандартный геометрический анализ одного статического снимка показывает нулевой доступный объём пор, что обычно дисквалифицировало бы их как непористые. Тем не менее динамические симуляции показывают, что CO2 всё же накапливается в маленьких полостях благодаря тонким поворотам звеньев, открывающим временные ворота — эффект, который авторы называют «Парадокс пористости».

Что это значит для открытия новых материалов

Для неспециалистов ключевая мысль такова: перспективные материалы можно ошибочно отвергнуть, если оценивать их только по жёстким структурным снимкам. MOFBuilder даёт возможность регулярно учитывать движение, дефекты и реалистичные окружения в виртуальном скрининге, сохраняя процесс быстрым и автоматизированным. Превращая высокоуровневые идеи дизайна в химически точные, динамические модели, которые можно анализировать и добывать знания с помощью машинного обучения, этот фреймворк закладывает основу для более надёжного, основанного на данных открытия MOF для задач вроде улавливания газов, катализа и доставки лекарств. По сути, он поднимает моделирование материалов с уровня статических снимков до уровня анимированных фильмов, помогая учёным увидеть и использовать поведение, ранее скрытое.

Цитирование: 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

Ключевые слова: металло-органические каркасы, молекулярная динамика, скрининг материалов, адсорбция газов, вычислительный дизайн материалов