一张分子结的周期表

2018 年 8 月 6 日 中国物理学会期刊网

假如你有一根短绳,当你将它揉作一团并使劲晃动时,你能猜出它最容易形成哪种结吗?合成化学家一直在思考这个问题的分子版本,到目前为止,他们已经成功地利用分子自组装技术,合成了6种不同类型的结。但在未来,还有哪些类型的结是可能实现的呢?这是科学家们正在研究的一个问题。


最近,来自意大利SISSA和帕多瓦大学的研究人员,通过计算机模拟解决了这一极具挑战的难题,并将这项研究发表在了《自然-通讯》期刊。他们确定了最可能形成的结的名单,就好比是一组“元素周期表”般,这些结是分子在适当的物理和化学条件下,很容易自我组装形成的结的类型。并且通过计算机模型预测的结果得到了最新实验的支持,这将有助于合成尚未发现的拓扑。



○  未来还有哪些类型的结是可能实现的呢?| 图片来源:Mattia Marenda and Cristian Micheletti


直到几年前,合成的分子结类型还非常少,只有三叶结、八字结和五叶结。同时,这些也是最简单的打结类型,在它们最简单的几何图形中,分别具有3个、4个和5个十字交叉。


○  自左向右:三叶结、八字结和五叶结。| 图片来源:[2]


在当时看来,下一个即将被发现的拓扑结构应该是三捻结(three-twist knot,也称双八字结),因为它处于绳结复杂性阶梯上的下一个阶梯。


○  三捻结(双八字结)。| 图片来源:[2]


但根据研究人员从DNA和柔性聚合物模型获得的经验,他们认为或许存在另一种可能的情况,因为某些结的类型在复杂性上可能与别的结相同甚至更高,但它们却比其他类型的结更容易出现。例如,尽管一个三扭结和一个五叶结的最小交叉数都是5,但前者在一个平衡的柔性聚合物上出现的可能性,比后者高出一倍。


这种差异对分子结,以及其自我组装的合成有什么影响?研究人员在2015年发表于《自然-通讯》的论文中,就首次讨论了这些问题。在之前的那项研究中,他们模拟了螺旋模板的单分散溶液,以模仿实验中用到的螺旋。最终,他们预测了两种最易得到的拓扑结构。


第一种是三叶结,就像如下这段视频中所示的那样,它具有固有的自我组装倾向。



○  结的自我组装。| 图片来源:SISSA/Youtube


另一种易得的拓扑结构是8.19结。这一发现是个很大的意外和惊喜,因为它的最少十字交叉数量有8个,而且在复杂性上,它基本超越了任何一个已实现的结。2017年,当曼城大学的化学家在实验中实现8.19分子,并将这一突破发表在《科学》期刊上时,便印证了这一预测的正确性。



○  8.19结。| 图片来源:[2]


这些结果让研究人员更加相信,某些拓扑比其他拓扑更容易得到,因此也更容易被发现于被简化的模型中。因此,研究人员便开始继续系统地搜索其他最常出现的拓扑,并促成了这篇最新的论文。


正如被科学家们很快发现的那样,这一延伸调查不能简单地通过增加模拟系统的大小、提高溶液中螺旋模板的浓度、或延长自组装模拟的持续时间来实现。事实上,化学中的质量作用定律对形成复杂性(由大量模板构成)渐增的结,是不可逾越的障碍。


因此,研究人员通过使用蒙特·卡洛(Monte Carlo)方案,来探索由预先分配的大量模板构成的结构的大构象空间,从而绕过了这一障碍。然后,从后验的角度,他们将注意力集中在那些在实际分子节中发现的具有标志性几何特征的构象异构体上,也就是准平面性周期对称性


○  两层的蒙特卡洛方案寻找最易出现的拓扑。| 图片来源:[1] 


通过这两层方案,除了恢复已知的分子结的类型之外,还给出了两个新的容易出现拓扑,它们分别具有10个和15个最少十字交叉。这一结果同时也被使用模板和具有吸引力的协调粒子得到证实。


○  具有10个和15个最少十字交叉的可被识别的结。| 图片来源:[2]


某天下午,这篇论文的作者Mattia Marenda正在画这些结构,注意到这些结的线性编织遵循特别简单的重复图案。于是他与合作者用了一天的时间在黑板上讨论相关的参数,这些参数看起来非常适合组织可设计的分子结。他们最终选择了两种:模板的数量,以及辫结构的链的数量,这二者包含了预期的实现困难的不同方面。


○  拓扑结构索引:纵列标记的为不同模板,横列为链的数量。| 图片来源:[1]


这一步对于概括蒙特卡洛和自我组装模拟的早期结果来说至关重要。双参数分类提供了一个图表——一种“周期表”,它不仅组织起所有已知的分子结,而且还囊括了新的尚未实现的拓扑。


这些仍待被发现的拓扑包含复杂的链接和索烃。可以想象,未来的突破可能涉及到这些迷人的多元的结类型。据研究人员推测,随着可实现的自我组装分子结的数量增加,寻找相应的应用途径的兴趣和动机也会增加。


编译:二宗主

参考来源:

[1] https://www.nature.com/articles/s41467-018-05413-z

[2] https://chemistrycommunity.nature.com/users/171780-cristian-micheletti/posts/37317-a-periodic-table-of-molecular-knots

[3] https://www.sciencedaily.com/releases/2018/08/180803103347.htm


本文经授权转载自《原理》微信公众号



十大热门文章

1. 90岁的物理所,依然年轻!

2. 二维超导材料

3. 拓扑相和拓扑相变的量子模拟

4. 物理学咬文嚼字之九十八:Phase:a phenomenon

5. 对大学物理实验教学的思考、改革与实践

6. 物理像什么?

7. 纳维-斯托克斯方程:行到水穷处,坐看云起时

8. 一个物理学家的万米长跑和玻色-爱因斯坦凝聚

9. 相对论天体物理

10. 周末大家谈——从选上学部委员到耄耋之年

END

登录查看更多
0

相关内容

【KDD2020】自适应多通道图卷积神经网络
专知会员服务
119+阅读 · 2020年7月9日
【CVPR2020】图神经网络中的几何原理连接
专知会员服务
56+阅读 · 2020年4月8日
【学科交叉】抗生素发现的深度学习方法
专知会员服务
24+阅读 · 2020年2月23日
Nature 一周论文导读 | 2019 年 8 月 8 日
科研圈
6+阅读 · 2019年8月18日
元素周期表都见过,但这顿操作也太硬核了吧!
材料科学与工程
3+阅读 · 2019年5月19日
Science:脂肪细胞外泌体对巨噬细胞发挥调节功能
外泌体之家
19+阅读 · 2019年3月7日
浅谈外泌体抑制剂——鞘磷脂酶抑制剂GW4869
外泌体之家
8+阅读 · 2018年12月19日
AI情绪识别技术背后:一场悄然来袭的“暴政”
大数据文摘
7+阅读 · 2018年10月11日
Arxiv
6+阅读 · 2018年11月29日
Arxiv
4+阅读 · 2018年5月4日
Arxiv
3+阅读 · 2017年10月1日
VIP会员
Top
微信扫码咨询专知VIP会员