MOFBuilder：用于高通量筛选的自动化端到端 MOF 动力学建模

为什么微小的晶体笼体很重要

被称为金属—有机框架（MOF）的多孔晶体材料就像由纳米级房间和通道组成的精巧支架。它们可以捕获温室气体、运载药物或承载催化剂，但为特定用途设计合适的框架非常困难，因为可能的结构多达数百万种。大多数计算工具只考察这些材料的静态快照，而现实中它们会弯曲、呼吸，并与液体和客体分子相互作用。本文介绍了 MOFBuilder——一个自动化构建真实且会运动的 MOF 模型的软件流程，使研究人员能够更高效地筛选材料，避免错过有前景的候选者。

从高级配方搭建晶体积木

MOFBuilder 将 MOF 视为由分子积木构成：含金属的簇和有机连接体。程序并非从常常缺少完整化学细节的静态晶体学文件出发，而是使用整体网络描述加上这些构件的结构。随后它把它们组装成完整的三维框架，同时保留原子归属和连接关系。这种方法允许在数秒内生成化学一致的模型，包括理想的无限晶体、有限簇、薄片或可达微米尺度的巨大超胞。由于模型带有清晰的分子标签，它们可以直接输入标准的分子动力学引擎，而无需以往那种耗费数周专家时间的手工修正。

编辑缺陷与真实环境

真实的 MOF 从不完美：它们含有缺失的连接体和金属结点，并且常常是不同组分的混合物。MOFBuilder 允许用户在构建单元层面直接引入这些特征，通过选择要移除或替换的片段来实现。当产生空位时，程序会自动找到变得配位不足的金属位点，并用小片段封端，以保持局部化学合理性并平衡整体电荷。它还可以切取簇或薄片用于界面研究，并使用高效的填充算法在框架周围附着溶剂分子。有机连接体和金属结点的力场参数与原子电荷通过内置的量子化学工具链接来分配，生成可直接用于常用模拟软件的准备就绪输入文件。

观察客体穿过孔隙的运动

为展示这种自动化带来的可能性，作者给出了两个案例研究。第一个是构建一个名为 NU-1000 的 MOF 大型模型，内部填充盐水和一段双链治疗性 RNA。整个设置——过去需要数周手工准备——现在可以在一个流程中构建、溶剂化并平衡，然后进行超过 100 纳秒的模拟。RNA 逐渐从宽通道的中心向 MOF 壁面漂移，最后定居在一个舒适的位置，主要通过温和的范德华接触与有机连接体相互作用。重要的是，RNA 保持结构完整且并未与金属中心发生强结合，这支持了该 MOF 在不损伤遗传物质的情况下保护其的实验发现。

揭示隐藏的孔隙谜题

第二个案例研究针对著名 MOF 家族 UiO-66 中的气体捕获问题。在这里，作者自动生成并模拟了 30 个变体，这些变体的连接体带有不同的化学基团，全部浸没在含溶解二氧化碳的水中。从每次模拟中，他们提取出描述连接体、孔隙几何以及 CO2 和水分子运动的数十个描述符。随后机器学习模型将这些描述符与实际在连接体附近聚集的 CO2 数量联系起来。结果出现了一个引人注目的模式：在若干变体中，对单一静态结构的标准几何分析报告可进入孔隙体积为零，按常理这会将它们排除为非多孔材料。然而动态模拟显示，CO2 仍然能因连接体的微小旋转而在小空穴中聚集，这些旋转打开了短暂的通道——作者将这一现象称为“孔隙悖论”。

对材料发现意味着什么

对非专业读者而言，关键结论是：如果仅以刚性的结构图片来判断，有前景的材料可能被错误地否定。MOFBuilder 提供了一种常规化的方法，将运动、缺陷和真实环境纳入虚拟筛选，同时保持流程快速且自动化。通过将高层次的设计理念转化为化学上忠实、具有动态性的模型，且能与机器学习结合进行分析和挖掘，该框架为更可靠的基于数据的 MOF 发现奠定了基础，适用于气体捕获、催化和药物输送等任务。本质上，它将材料建模从静态快照升级为动画影像，帮助科学家看到并利用此前被隐藏的行为。

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

关键词: 金属有机框架, 分子动力学, 材料筛选, 气体吸附, 计算材料设计