Molekulska dinamika

Molekulska dinamika (MD) je oblik računarske simulacije, gde atomi i molekuli mogu da interaguju u određenom vremenskom intervalu, pokoravajući se poznatim zakonima fizike. Molekulski sistemi se generalno sastoje od velikog broja čestica, stoga je nemoguće analitički pronaći osobine tako složenih sistema. Molekulska dinamika prevazilazi ovaj problem koristeći numeričke metode. Čineći vezu između laboratorijskih eksperimenata i teorije, možemo je posmatrati kao virtuelni eksperiment.

Iako je Bolcman (engl. Ludwig Boltzmann) još u 19. veku objasnio da se materija sastoji od interagujućih čestica koje se kreću, većina ljudi i dalje molekule smatra rigidnim. Ričard Fejman (engl. Richard Feynman) je 1963. rekao: „Sve što živa bića rade, možemo shvatiti kao igranje i skakutanje atoma“. Jedno od razjašnjenja koje je molekulska dinamika načinila, je razvitak svesti da su molekuli, kao što su proteini i DNK, pokretni sistemi. Molekulska dinamika objašnjava vezu između molekulske strukture, njihove funkcije i kretanja molekula.

MD je multidisciplinarnog karaktera. Bazira se na primeni matematičkih algoritama i informacione teorije (disciplina primenjene matematike). Nastala je u okviru teorijske fizike 1950. godine, dok se danas uglavnom primenjuje u nauci materijala i u radu sa biomolekulima.

Pre nego što je omogućena računarska simulacija molekulske dinamike, ovaj zadatak je rešavan primenom fizičkih modela, kao što je makroskopska sfera. Ideja je bila da se molekuli slože tako da približno opisuju osobine tečnosti. 1962. Džon Dezmond Bernal (engl. John Desmond Bernal) je rekao: ”...uzeo sam nekoliko gumenih lopti, sabio ih tako da je međusobno rastojanje iznosilo od 2,75 inča do 4 inča. Pokušao sam to da uradim što smirenije, radeći u svojoj kancelariji, ali na svakih pet minuta bio sam prekidan tako da nisam uspeo da zapamtim šta sam pre toga radio”. Na sreću, danas kompjuteri čuvaju informacije o vezama tokom simulacije.

Molekulska dinamika je specijalna disciplina molekulskog modeliranja i računarske simulacije, bazirana na statističkoj mehanici. Glavni razlog korišćenja MD metode je taj što je prosečan statistički ansambl jednak prosečnom vremenu sistema, poznato kao ergodska hipoteza. MD je takođe označena kao “statistička mehanika brojeva” i “Laplasova vizija Njutnove mehanike” predviđanja budućnosti pomoću animacije, omogućava pogled na kretanje atoma unutar molekula. Sa druge strane, duža MD simulacija je matematički loše uslovljena. Načinjene greške u numeričkoj integraciji mogu biti minimizirane odgovarajućim odabirom algoritama i parametara, ali ne mogu biti potpuno uklonjene. Postojeće potencijalne funkcije su u mnogim slučajevima nedovoljno tačne za prikaz dinamike molekulskih sistema. Kako god, MD omogućava uvid u precizno vreme i prostorni raspored unutar faznog prostora, prostora unutar koga su moguća sva stanja sistema.

Oblasti primene

Postoji značajna razlika između oblasti i metoda koje koriste hemičari i fizičari, i to se ogleda u različitoj terminologiji koju koriste. U hemiji i biofizici, interakcija između čestica se prenosi “poljem sila” (klasična MD), kvantnim hemijskim modelom ili kombinacijom ova dve mogućnosti. Ovi termini se ne koriste u fizici, gde se interakcija opisuje pod nazivom teorija ili aproksimacija koju nazivamo potencijalna energija ili samo potencijal.

Sa početkom u teorijskoj fizici, metod MD je postao popularan u nauci materijala, a od 1970-ih takođe i u biohemiji i biofizici. U hemiji ima ključnu ulogu u određivanju strukture proteina, i pri upotrebi metoda kao što su X-zraci u kristalografiji i NMR. Takođe se ograničeno upotrebljava u metodi predviđanja strukture proteina. Koristi se u ispitivanju nanotehnoloških uređaja koji nisu ili ne mogu biti napravljeni.

U primenjenoj matematici i teorijskoj fizici, MD je postala deo istraživanja u domenu dinamičkih sistema, ergodske teorije i statističke mehanike. Princip očuvanja energije i entropije potiče iz termodinamike. Neke teorije za izračunavanje konformacione entropije, kao što su osnovne komponente analize, odnosno tehnika koja se koristi za redukciju dimenzija skupa podataka radi njihove analize, proističu iz informacione teorije. Matematičke tehnike kao što je transformacioni operator, postaju primenljive kada MD posmatramo kao Markovljev lanac. Postoji veliki broj matematičara koji koriste simplektički integrator, koji predstavlja numeričku integracionu šemu, radi poboljšanja i efikasnosti MD simulacija. Simplektički integrator spada u klasu geometrijskih integratora i predviđen je za rešavanje specijalnih diferencijalnih jednačina koje su u vezi sa klasičnom mehanikom.

MD možemo posmatrati kao specijalan slučaj diskretne elementarne metode (DEM), u kome čestice imaju sferni oblik (npr. veličine Van der Valsovog radijusa).

Definisanost granica

Dizajn MD simulacija određen je mogućim kapacitetom kompjutera. Veličine simulacije (n=broj čestica), vremenski korak i ukupno vreme trajanja simulacije treba odabrati tako da se proračun završi u nekom razumnom vremenskom periodu. Ipak, simulacija treba da bude dovoljno duga da bi verno predstavila prirodni proces koji proučavamo. Većina naučnih radova na temu dinamike proteina i DNK koriste simulaciju u vremenskom intervalu od nanosekunde (10-9 s) do mikrosekunde (10-6 s). Da bi se održale simulacije, potrebno je od nekoliko dana do nekoliko godina. Paralelno algoritmi dozvolavaju podacima da se rasporede duž CPU-a, na primer prostorna dekompozicija u LAMMPS.

Tokom klasične MD simulacije, najteži CPU zadatak je procena potencijala (polje sila) u funkciji unutrašnjih koordinata čestica. U okviru procene energije, najvažniji je nevezivni ili nekovalentni deo. U Velikoj O notaciji (asimptotskoj notaciji), uobičajena molekulska stimulaciona skala je O (n2), ako su svi elektrostatiči parovi i van der Valsove interakcije uzete eksplicitno u račun. Ovaj postupak možemo skratiti ako upotrebimo elektrostatičke metode kao što su Evaldova sfera (O(nlog(n))) ili sfernu graničnu tehniku (O(n)).

Još jedan faktor koji utiče na ukupno CPU vreme simulacije je veličina integracije vremenskog koraka. To je vremenski period između merenja potencijala. Vremenski korak mora biti dovoljno mali da bi se izbegle diskretizacione greške. Tipičan vremenski korak uklasičnoj MD je reda veličine femtosekunde (10-15 s). Ova vrednost može biti povećana korišćenjem algoritama kao što su SHAKE i LINCS, koji postavljaju najbrže atome na mesto. Razvijene su i metode promenljivog vremenskog koraka.

Moramo napraviti selekciju između eksplicitnog i implicitnog rastvora. Čestice eksplicitnog rastvora (kao što su TIP3P i SPC/E modeli vode) moraju biti izračunate preko polja sila, dok za implicitne rastvore koristimo pristup “usrednjenog polja” (mean-field, eng.). Uticaj eksplicitnih rastvora na vreme potrebno za kompjutersku obradu podatdaka-CPU vreme(CPU, central processing unit) može biti desetostruk ili veći. Veličina čestica i viskoznost eksplicitnih rastvora je suštinska za određivanje osobina molekula rastvora.

U simulaciji molekula eksplicitnog rastvora, eksplicitni prostor mora biti dovoljno veliki da bi se izbegli granični uslovi. Granični uslovi se najčešće uklanjaju biranjem fiksnih vrednosti na krajevima ili upotrebom periodičnih graničnih uslova, kada se jedna strana simulacije vezuje za suprotnu stranu, oponašajući fazu velikog kapaciteta.

Fizički principi

Mikrokanonski ansambl(NVE)

U mikrokanonskom ansamblu ne dolazi do promene broja čestica (N), zapremine(V) ni energije (E). Ovome odgovara adijabatska promena, bez razmene toplote. Dinamička putanja molekula odgovara promeni potencijalne i kinetičke energije, dok ukupna energija ostaje konstantna.

Za sistem od N čestica, u Dekartovom koordinantnom sistemu jednačine kretanja su date Njutnovom mehanikom, kao

$F(X)=-\nabla U(X)=M{\dot {V}}(t)$

$V(t)={\dot {X}}(t)$

Potencijalna energiju U(X) je funkcija parcijalne koordinate X, identična potencijalu u fizici i polju sila u hemiji. Prva jednačina proističe iz Njutnovih zakona; sila F koja deluje na svaku česticu u sistemu može se izračunati kao negativni gradijent potencijala U(X). Za svaki vremenski korak, svaki položaj X, i svaku brzinu V možemo integraliti pomoću simplektičke metode, kao što je Verlet. Promena X i V sa vremenom naziva se trajektorija. Uzimajući u obzir početne uslove i brzinu, možemo da izračunamo sve buduće (ili prošle) položaje i brzine.

Jedan od zbunjujućih faktora u MD je značenje temperature. Najčešće imamo iskustva sa makroskopskom temperaturom koja uključuje veliki broj čestica. Ali, temperatura je statistička veličina. Tako da, ako imamo veliki broj atoma statističku temperaturu možemo dobiti iz trenutne temperature, koju dobijamo kada kinetičku energiju izjednačimo sa nkBT/2, gde je n-broj stepeni slobode.

Temperatura raste uprkos malom broju atoma koji koristimo u MD simulaciji. Na primer, zamislite simulaciju rasta bakarnog filma na supstratu koji sadrži 500 atoma i energiju od 100eV. U realnom slučaju, energija od 100 eV koja potiče od istaloženih atoma, rasporedila bi se i prenela na veliki broj atoma (>od 1010), i ne bi došlo do merljive promene temperature. Kada ima samo 500 atoma, substrat u trenutku isparava usled razlaganja. Nešto slično se dešava u biofizičkoj simulaciji. Temperatura sistema u NVE raste kada makromolekul kao što je protein, podleže egzotermnoj konformacionoj promeni i vezivanju.

Kanonski ansambl(NVT)

U kanonskom ansamblu količina supstance N, zapremina V i temperatura T su konstantni. Kanonski ansambl se ponekad naziva molekulska dinamika na konstantnoj temperaturi (CTMD). U NVT energija endotermnog i egzotermnog procesa razmenjuje se sa termostatom.

Da bi dodavanje i oduzimanje energije sa granica MD sistema izgledalo realnije, tj. aproksimirajući kanonski ansambl, uslovljava potrebu niza termostatičkih metoda.

Popularne tehnike za kontrolisanje temperature uključuju Noz-Huverov termostat i Lanžeovu dinamiku.

Izotermsko-izobarski (NPT) ansambl

U NPT ansamblu količina supstance N, pritisak P i temperatura T su konstantni. Pri upotrebi termostata potrebno je koristiti i barostat. Ovakvo stanje najviše odgovara laboratorijskim uslovima, otvorenog suda na sobnoj temperaturi i pritisku.

U simulaciji bioloških membrana, kontola izotropskog pritiska nije zadovoljavajuća. Za dvoslojne lipide kontrola pritiska se vrši na konstantnoj površini membrane (NPAT) ili na konstantnom površinskom naponu, (NPγT).

Generalizovani ansambli

Kopija metoda izmene predstavlja generalizovan ansambl. Njegova glavna svrha je bila bavljenje sporom dinamikom neuređenih spinskih sistema. Izmenom temperatura neinteragujućih kopija sistema pri radu na više različitih temperatura, kopija izmene MD (REMD) na taj način pokušava da prevaziđe višestruke probleme.

Potencijali u MD simulacijama

MD simulacije zahtevaju definiciju potencijalne funkcije, ili opis termova između kojih će čestica u simulaciji interagovati. U hemiji i biologiji pod ovim podrazumevamo polje sila. Potencijal može biti definisan na više načina; oni koji se obično koriste u hemiji, zasnovani su na molekulskoj mehanici, obuhvataju klasičnu teoriju interakcije između dve čestice, koje može da prikaže strukturnu i konformacionu promenu, ali ne i hemijsku reakciju. Kada treba dati detaljniji opis, koristi se potencijal definisan kvantnom mehanikom; pojedine tehnike pokušavaju da stvore hibrid klasično-kvantni potencijal, gde se veći deo posmatra klasično a manji deo kvantno mehanički, koji obično podleže hemijskoj transformaciji.

Empirijski potencijali

Većina polja sila u hemiji su empirijska, koja se sastoje od sume kovalentnih veza koje su u relaciji sa hemijskim vezama, uglovima između njih i uglovima između dvostrukih veza razdvojene trećom vezom, i nekovalentne veze koje su povezane sa van der Valsovim silama i naelektrisanjem. Empirijski potencijali predstavljaju kvantno-mehanički efekat, ograničeni samo za ovakve funkcijske aproksimacije. Ovi potencijali sadrže slobodne parametre kao što su naelektrisanje atoma, van der Valsovi parametri kao što su radijus atoma, dužina veze; oni su dobijeni elektronskim kalkulacijama (kvantno-hemijskim simulacijama), ili preko fizičkih osobina kao što su elastična konstanta, parametri rešetke i spektroskopska merenja. Empirijski potencijali obično mogu da predstave pojedinu potencijalnu površ, i tako mogu da prikažu proces raskidanja hemijskih veza, kao i same hemijske veze. Ovo je direktno posledica korišćenja Born-Openhajmerove aproksimacije, ili adijabatskog formalizma. Ako potencijal odgovara osnovnom stanju, ne može se promeniti.

Potencijalne funkcije koje prikazuju nevezivne interakcije, obično su “par potencijal”, u kome se ukupna energija sistema računa kao suma svih parcijalnih članova energije svakog atoma. Ove interakcije, pošto su nelokalizovane i uključuju najslabije interakcije između svakog para čestica u sistemu, obično predstavljaju smetnju u brzini MD simulaije. Kod elektrostatičkih interakcija, rešavanje Poasonove jednačine za ceo sistem je uglavnom sporo i umesto toga koriste se numeričke aproksimacije, kao što su promenljivi granični radijusi, reakciona polja algoritama, sumacija čestične Evaldove sfere, ili novija Čestica-Čestica Čestica rešetka, koja predstavlja specijalan hibridni kompjuterski algoritam, uz korišćenje N tačaka u simulaciji (P3M). Primer izračunatog potencijala za par čestica je Lenard-Džonsonov potencijal (poznat ko 6-12 potencijal) koji koristimo za izračunavanjevan van der Valsovih sila.

$U(r)=4\varepsilon \left[\left({\frac {\sigma }{r}}\right)^{12}-\left({\frac {\sigma }{r}}\right)^{6}\right]$

Drugi primer je Bornov (jonski) model jonske rešetke. Prvi izraz u sledećoj jedačini je Kolumbov zakon za jonski par, a drugi izraz je objašnjen Paulijevim principom i poslednji izraz je disperziona interakcija. U simulaciju se uključuje obično samo dipolarni term (ponekad kvadropolni).

$U_{ij}(r_{ij})=\sum {\frac {z_{i}z_{j}}{4\pi \epsilon _{0}}}{\frac {1}{r_{ij}}}+\sum A_{l}exp{\frac {-r_{ij}}{p_{l}}}+\sum C_{l}r_{ij}^{-n_{j}}+...$

Empirijski potencijali mogu da se podele na par potencijala i na potencijal više čestica. Kod potencijal koji potiče od višečestičnog sistema, potencijalna energija se ne može izračunati kao suma parova atoma. Na primer, Tersof potencijal, koji se koristi za simulaciju silicijuma i germanijuma, uključuje sumu grupa od tri atoma sa uglovima između atoma kao važnim faktorom potencijala. Drugi primer je “Usko-Vezivanje Drugog Momenta Aproksimacije” (Tight-Binding Second Moment Approximation, TBSMA, eng.) gde elektronsku gustinu atoma računamo iz sume doprinosa svih okolnih atoma, a potencijalna energija je tada funkcija te sume.

Semi-empirijski potencijal

Semi-empirijski potencijal je koristan u matričnoj reprezentacijama kvantne mehanike. Ipak, vrednosti matričnih elemenata se dobijaju pomoću empirijskih formula koje računaju stepen prelaza u određenim atomskim orbitalama. Računamo dijagonalu matrice da utvrdimo popunjenost različitih atomskih orbitala, i ponovo koristimo empirijske formule da utvrdimo energijski doprinos orbitalama.

Postoji puno semi-empirijskih potencijala, poznatih kao usko-vezani potencijali koji se menjaju, sudeći na osnovu modeliranja atoma.

Ab - initio metode

Ab - initio metode (prvi principi) koriste u potpunosti kvantno-mehaničku formulu za izračunavanje potencijalne energije atoma ili molekula u sistemu. U poređenju sa klasičnom potencijalnom funkcijom koja predstavljamo empirijskim funkcijama, osobine sistema predstavljamo računajući talasne funkcije za elektrone koji se kreću oko jezgra atoma. Ovaj račun se obično primenjuje lokalno, na primer za nukleus u blizini reakcione koordinate. Iako možemo da upotrebimo različite aproksimacije, ove su bazirane na teorijskim pretpostavkama, a ne na empirijskim zakonima. Ab - initio metoda obezbeđuje puno informacija koje ne možemo dobiti empirijskim putem. Značajna prednost ovih metoda je mogućnost proučavanja reakcija koje uključuju raskidanje ili stvaranje kovalentnih veza, što odgovara višestrukim elektronskim stanjima. Klasična molekularna dinamika ne može da predstavi raskidanje i formiranje kovalentnih veza. Ipak, poslednjih godina tehnike kao što su termodinamička integracija i duh čestice, polako savladavaju ove prepreke. Uspeh je ipak ograničen.

Popularan paket Ab - initio MD je Kar-Parinelov paket (CPMD), zasnovan na teoriji funkcionalne gustine.

Hibrid QM/MM

QM (kvantno-mehaničke) metode su vrlo moćne, mada su vrlo skupe, dok su MM (klasične ili molekulsko mehaničke) metode brze, ali imaju par ograničenja (zahtevaju ekstenzivnu parametrizaciju, procena energije nije potpuno tačna, ne mogu se koristiti za simulaciju reakcija kod kojih se raskidaju (ili formiraju) kovalentne veze, i ne mogu da obezbede tačne detalje o hemijskoj okolini). Nova klasa metoda objedinjuje prednosti QM (tačnost) i MM (brzinu) metoda. Ove metode su poznate kao hibrid QM i MM. Metodologiju za ove tehnike je predstavio A.Varšel sa saradnicima. Poslednjih godina pojavilo se nekoliko grupa koje se bave ovom metodom, kao što su: A.Varšal (Univerzitet u Južnoj Kaliforniji), Kenet Merz (Univerzitet na Floridi), i drugi.

Najvažnija prednost hibrida QM/MM je brzina, dok rad sa klasičnom molekulskom dinamikom koja neposredno koristi skalu O (n²), gde je N broj atoma u sistemu, predstavlja glavni problem u izrazu za elektrostatičku interakciju (svaka čestica interaguje sa ostalim česticama u sistemu). Mada, korišćenje graničnog radijusa, povremene izmene i najskorije promene u metodi Evaldove čestične sfere, smanjile su skalu od O (n) do O (n²). Drugim rečima, ako simuliramo sistem sa duplo više atoma, biće potreban od dva do četiri puta veći kapacitet kompjutera. Sa druge strane, najjednostavniji ab-initio proračuni su na skali O (n³), ili kao što je Hartri-Fok proračun bio na skali ~O (nn^2.7). Da bi se ovo prevazišlo, mali deo sistema se tretira kvanno mehanički, a preostali deo sistema klasično.

U sofisticiranijoj primeni, QM/MM metode postoje da bi objasnile susceptibilnost lakiog jezgra kvantnim efektom (kao što je vodonik) i elektronskih stanja, što dozvoljava izvođenje vodonikove talasne funkcije (slično elektronskoj talasnoj funkciji). Ova metodologija je bila uspešna u objašnjavanju fenomena, kao što je tunel efekat kod vodonika. Jedan primer gde su ove metode dale nova saznanja je kod proračuna transfera hidrida u enzimu jetre, alkohol-dehidrogenaze. U ovom slučaju, tunel efekat je važan za vodonik da bi se utvrdila brzina reakcije.

Krupno-čestične i redukovane reprezentacije

Na drugom kraju skale su krupne čestice i model rešetke. Umesto da eksplicitno predstavljamo svaki atom sistema, koristićemo pseudo atome za predstavljanje grupe atoma. MD simulacije za velike sisteme zahtevaju velike kompjuterske mogućnosti tako da se ne mogu lako predstaviti tradicionalnim metodama u kojima su prikazani svi atomi. Slično, simulacije procesa dužih od 1 µs su veoma skupe, jer zahtevaju mnogo međukoraka. Ovaj problem možemo rešiti koristeći redukovane reprezentacije, koje se još nazivaju i modeli krupne-čestice.

Primeri metoda krupne-čestice (CG) su promenljiva molekulska dinamika (CG-DMD) i Go-modeli. Ponekad CG koristi puno pseudo atoma, koje je kao aproksimaciju koristila MD u simulaciji biološke membrane. Alifatični kraj (rep) lipida predstavljamo sa nekoliko pseudoatoma, tako što se 2-4 metilenske grupe grupišu u jedan pseudoatom.

Parametrizacija CG modela mora da se uradi empirijski, usklađujući ponašanje modela sa odgovarajućim eksperimentalnim podacima ili simulacijom u kojoj učestvuju svi atomi. U idealnom slučaju, ovi parametri i za entalpiju i za entropijski implicitni doprinos slobodnoj energiji. Kada se CG izvrši za više nivoe, tačnost dinamičkog opisa može biti manje pouzdan. Ali mnogi CG modeli su uspešno korišćeni pri ispitivanju širokog opsega pitanja u strukturalnoj biologiji.

Primeri primene CG u biofizici:

• pruočavanja uvijanja proteina su često izvođena korišćenjem jednog ili nekoliko pseudoatoma po jednoj amino kiselini
• spiralno uvijanje DNA lanca je istraženo korišćenjem 1-3 pseudoatoma po osnovnom paru, ili čak i na nižoj rezoluciji
• pakovanje heliksa DNA u bakteriofagu je istraživano modelima gde 1 pseudoatom predstavlja jedan okret (oko 10 osnovnih parova) heliksa
• RNA struktura ribozoma i drugih velikih sistema je predstavljena jednim pseudoatomom po nukleotidu

Najjednostavniji oblik CG je „ujedinjen atom“ (ponekad nazivan „produžen atom“) i primenjivan u najranijim MD simulacijama proteina, lipida i nukleinskih kiselina. Na primer, umesto da posmatramo sva četiri atoma metil grupe CH3(ili sva tri atoma metilenske grupe CH2), jedan pseudoatom predstavlja celu grupu. On mora biti dobro okarakterisan tako da van der Valsove interakcije sa drugim grupama budu zavisne na odgovarajućoj udaljensti. Slično važi za veze, uglove i torzione uglove, gde primenjujemo pseudoatome. Ovoj vrsti reprezentacije, gde jedan karakterisičan eliminiše sve vodonikove atome, osim onih koji su sposobni da grade vodonične veze. Primer ovoga je polje sila Čarm 19. Polarni vodonikovi atomi su obično zadržani u modelu, jer dobra predstava vodoničnih veza zahteva tačan opis usmerenosti i elektrostatičkih interakcija između donora i akceptora grupa. Hidroksilna grupa, na primer mjože biti i donor i akceptor vodonične veze, i bilo bi nemoguće da se ovo predstavi samo jednim OH pseudoatomom. Primećujemo da skoro polovina atoma u proteinu ili nukleinskoj kiselini predstavljaju nepolarni vodonici, pa upotreba ujedinjenih atoma obezbeđuje uštedu vremena.

Primeri primene

Molekulska dinamika se koristi u mnogim oblastima nauke.

• Prva objavljena simulacija makromolekula (1977, veličina:500 atoma, vreme simulacije: 9.2 ps, program: Čarm procesor) protein: goveđi pankreas tripsin inhibitor. Ovo je jedna od najboljih studija proteina po pitanju predstave o uvijanju i kinetike proteina. Ova simulacija objavljena u magazinu „Priroda“(Nature, eng), prokrčila je put ka razumevanju kretanja proteina, što predstavlja suštinu proteina a ne samo opis.

Sledeća dva biofizička primera nisu presečne MD simulacije. Oni predstavljaju smeli poduhvat da se napravi simulacija veoma velikog sistema (kompletan virus) koji traje jako dugo(500μs):

• MD simulacija STMV (2006, veličina: 1 000 000 atoma, vreme simulacije: 50ns, program: NAMD) ovaj virus je mali biljni virus koji pogoršava simptome infekcije TMV virusa. MD simulacije su korišćene za istraživanje mehanizama virusnih grupa. Ceo STMV se sastoji od 60 identičnih kopija jednog proteina koji pravi spoljašnji omotač virusa, i 1063 nukleotida jednog RNA genoma. Jedan način posmatranja je da je spoljašnji omotač nestabilan kada unutar njega ne postoji lanac RNA. Za simulaciju bi bilo potrebno 2006 kompjutera i oko 35 godina da se završi. To je urađeno sa mnogo procesora koji su uporedo radili, i bili u međusobnoj vezi.
• Simulacija uvijanja domena proteina Vilina (Vilin headpiece) u program: Folding@home 2006 (veličina: 20 000 atoma, vreme simulacije: 500 μs). Ova simulacija je rađena pomoću 200 000 ličnih računara širom sveta. Ovi kompjuteri su imali instalirani Folding@home program, i bilo je koordinirano sa Stenfordskog Univerziteta. Kinetički parametri tog proteina bili su istraženi korišćenjem nezavisnih, kratkih trajektorija rađenih pomocu CPU-a bez kontinualne vremenske komunikacije. Jedna korišćena tehnika je bila Pfold analiza (Pfold je server za odredivanje sekvence RNA) koja daje informacije o prelaznim stanjima struktura i rasporedu konformacija u toku uvijanja. Svaka trajektorija u Pfold proračunu može biti relativno kraća, ali potrebne su mnoge nezavisne trajektorije.

Vodeći softveri za MD simulacije

• ABINIT (DFT)
• AMBER (klasična)
• Ascalaph Designer (klasična)
• CASTEP (ab-initio)
• CPMD (DFT)
• CHARMM(klasična)
• ESPResSo(klasična, paralelna, produžena)
• Fireball Arhivirano 2019-05-12 na Wayback Machine-u (ab-initio)
• DL_POLY (klasična)
• GROMOS (klasična)
• GROMACS (klasična)
• LAMMPS (klasična, simulacija paralelnog posmatranja sa visokom skalom prostorne dekompozicije)
• NAMD
• PWscf
• SIESTA(DFT)
• VASP (ab-initio)
• TINKER (klasična)