Chris Oostenbrink

Forschungsschwerpunkt

Unsere Forschung konzentriert sich auf die Verwendung von Molekulardynamiksimulationen zur Beschreibung molekularer Systeme. Zwei aktuelle Beispiele befassen sich mit (i) der Berechnung thermodynamischer Eigenschaften wie der freien Energie und (ii) der Verwendung maschinell gelernter Potenziale zur Verbesserung der Beschreibung molekularer Wechselwirkungen.

Chemische Gleichgewichte werden durch den Unterschied in der freien Energie zwischen verschiedenen Zuständen bestimmt. Beispiele hierfür sind die Unterschiede in der freien Energie zwischen verschiedenen Konformationen eines Biomoleküls oder der Unterschied in der freien Energie zwischen dem gebundenen und dem ungebundenen Zustand eines Liganden und seinem pharmazeutischen Zielmolekül. In unserer Gruppe entwickeln wir Methoden zur effizienten und genauen Berechnung der freien Energiedifferenzen für solche Prozesse unter Verwendung statistischer Mechanik und molekularer Simulation. In den letzten Jahren haben wir den Ansatz des Accelerated Enveloping Distribution Sampling (A-EDS) entwickelt, um die relativen Bindungsenergien für eine Reihe von Verbindungen zu berechnen.

Molekulare Wechselwirkungen werden durch elektronische Freiheitsgrade bestimmt, die am besten durch die Quantenmechanik beschrieben werden können. Die genaue Berechnung der quantenmechanischen Energien ist jedoch rechnerisch sehr aufwendig. Die Verwendung hybrider QM/MM-Methoden, bei denen nur ein Teil des molekularen Systems mit Quantenchemie (QM) berechnet wird, während der Rest durch Molekülmechanik (MM) beschrieben wird, bietet eine interessante Möglichkeit, die genauesten Methoden dort einzusetzen, wo sie benötigt werden. Wir haben kürzlich einen Ansatz entwickelt, der maschinell gelernte Potenziale nutzt, um die Beschreibung von QM/MM-Wechselwirkungen zu verbessern. Dieser Ansatz heißt BuRNN (Buffer Region Neural Networks).