Методы и достижения компьютерного моделирования клетки

Методы и достижения компьютерного моделирования клетки

Автор: Чиряпкин Алексей Сергеевич, Глушко Александр Алексеевич, Чиряпкин Виталий Сергеевич, Гендугов Тембот Алимович

Журнал: Бюллетень науки и практики @bulletennauki

Рубрика: Медицинские науки

Статья в выпуске: 5 т.5, 2019 года.

Бесплатный доступ

Компьютерное моделирование является бурно развивающимся методом научных исследований. Сейчас проводятся вычислительные эксперименты в различных областях человеческой деятельности, в том числе в медицинской и фармацевтической. В данной статье рассматриваются современные достижения и научные подходы компьютерного моделирования клеточной стенки, а также трехмерной достоверной клеточной системы, которая поможет ученым исследовать клеточные процессы. В частности, разработав такую компьютерную модель, ученые смогут изучать механизмы развития заболеваний и действия лекарственных препаратов.

Компьютерное моделирование, клеточная стенка, клетка, фармация, медицина

Короткий адрес: https://sciup.org/14115415

IDR: 14115415   |   DOI: 10.33619/2414-2948/42/17

Список литературы Методы и достижения компьютерного моделирования клетки

  • Чиряпкин А. С., Глушко А. А. Математическое моделирование в области медицины и фармации // Ростовский научный журнал. 2019. №3. С. 343-351.
  • Шилов М. А., Веселов В. В. Компьютерное моделирование молекулярных систем методом молекулярной динамики. Иваново: ИГТА, 2010. 168 с.
  • Schlecht M. F. Molecular Modeling on the PC with 3.5 Disk. John Wiley & Sons, Inc., 1998.
  • Иванов В. Г., Берестовский Т. Н. Липидный бислой биологических мембран. М.: Наука, 1982.
  • Wang J., Wolf R. M., Caldwell J. W., Kollman P. A., Case D. A. Development and testing of a general amber force field // J. Comput. Chem. 2004. V. 25. P. 1157-1174. DOI: 10.1002/jcc.20035
  • Feller S. E., Mackerell A. D. An Improved Empirical Potential Energy Function for Molecular Simulations of Phospholipids // J. Phys. Chem. B. 2000. V. 104. P. 7510-7515.
  • DOI: 10.1021/jp0007843
  • Marrink S. J., Risselada H. J., Yefimov S. et al. The MARTINI force field: coarse grained model for biomolecular simulations // The Journal of Physical Chemistry B. 2007. V. 111. P. 7812-7824.
  • DOI: 10.1021/jp071097f
  • Davis R. S., Sunil Kumar P. B., Sperotto M. M., Laradji M. Predictions of Phase Separation in Three-Component Lipid Membranes by the MARTINI Force Field // The Journal of Physical Chemistry B. 2013. V. 117. P. 4072-4080.
  • DOI: 10.1021/jp4000686
  • D'Agostino M., Risselada H. J., Lürick A., Ungermann C., Mayer A. A tethering complex drives the terminal stage of SNARE-dependent membrane fusion // Nature. 2017. V. 551. P. 634-638.
  • DOI: 10.1038/nature24469
  • Buslaev P., Gordeliy V., Grudinin S., Gushchin I. Principal Component Analysis of Lipid Molecule Conformational Changes in Molecular Dynamics Simulations // J. Chem. Theory Comput. 2016. V. 12. P. 1019-1028.
  • DOI: 10.1021/acs.jctc.5b01106
  • Антонов В. Ф. Биофизика. М.: ВЛАДОС, 2006. 287 с.
  • Akimov S. A., Volynsky P. E., Galimzyanov T. R., Kuzmin P. I., Pavlov K. V., Batishchev O. V. Pore formation in lipid membrane I: Continuous reversible trajectory from intact bilayer through hydrophobic defect to transversal pore // Sci Rep. 2017. V. 7. P. 12152.
  • DOI: 10.1038/s41598-017-12127-7
  • Akimov S. A., Volynsky P. E., Galimzyanov T. R., Kuzmin P. I., Pavlov K. V., Batishchev O. V. Pore formation in lipid membrane II: Energy landscape under external stress // Sci Rep. 2017. V. 7. P. 12509.
  • DOI: 10.1038/s41598-017-12749-x
  • Buck T. E., Li J., Rohde G. K., Murphy R. F. Toward the virtual cell: Automated approaches to building models of subcellular organization ‘learned' from microscopy images // BioEssays. 2012. V. 34. P. 791-799.
  • DOI: 10.1002/bies.201200032
  • Fraser C. M., Gocayne J. D., White O. et al. The minimal gene complement of Mycoplasma genitalium // Science. 1995. V. 270. P. 397-403.
  • DOI: 10.1126/science.270.5235.397
  • Karr J. R., Sanghvi J. C., Macklin D. N., Gutschow M. V., Jacobs J. M., Bolival B., Assad-Garcia N., Glass J. I., Covert M. W. A Whole-Cell Computational Model Predicts Phenotype from Genotype // Cell. 2012. V. 150. P. 389-401.
  • DOI: 10.1016/j.cell.2012.05.044
  • Клименко А. И., Мустафин З. С., Чеканцев А. Д., Зудин Р. К., Матушкин Ю. Г., Лашин С. А. Современные подходы к математическому и компьютерному моделированию в микробиологии // Вавиловский журнал генетики и селекции. 2015. V. 19. P. 745-752.
  • DOI: 10.18699/VJ15.095
  • Karr J. R., Takahashi K., Funahashi A. The principles of whole-cell modeling, Current Opinion in Microbiology // Current Opinion in Microbiology. 2015. V. 27. P. 18-24.
  • DOI: 10.1016/j.mib.2015.06.004
  • Loew L., Schaff J. The Virtual Cell: a software environment for computational cell biology // Trends in Biotechnology. 2001. V. 19. P. 401-406.
  • DOI: 10.1016/S0167-7799(01)01740-1
  • Moraru I. I., Schaff J. C., Slepchenko B. M., Blinov M. L., Morgan F., Lakshminarayana A., Gao F., Li Y., Loew L. M. Virtual Cell modelling and simulation software environment // IET Systems Biology. 2008. V. 2. P. 352-362.
  • DOI: 10.1049/iet-syb:20080102
  • Schaff J. C., Vasilescu D., Moraru I. I., Loew L. M., Blinov M. L. Rule-based modeling with Virtual Cell // Bioinformatics. 2016. V. 15. P. 2880-2882.
  • DOI: 10.1093/bioinformatics/btw353
Еще
Статья обзорная
QR-код для установки приложения SciUp Наведите камеру и скачайте бесплатное приложение SciUp