机器学習と組合せ化学を利用してmRNA送達のための可イオン化脂質の発見を加速する 研究背景 メッセンジャーRNA（mRNA）治療の潜在能力を最大限に引き出すためには、脂質ナノ粒子（LNPs）のツールキットを拡張することが重要です。しかし、LNPs開発の主要なボトルネックは、新しい可イオン化脂質を識別することである。既存の研究では、LNPsが特定の組織または細胞にmRNAを送達するのに顕著な効果を示していることが明らかにされています。クラシックなLNPsの処方は通常、イオン化脂質、コレステロール、補助脂質、及びポリエチレングリコール化脂質（PEG脂質）から構成されており、特にイオン化脂質はmRNAの積載及びエンドソームからの逃避において重要な役割を果たしている。 近年、LNPsは臨床応用の分野...
光誘導水解離におけるルチル二酸化チタン表面の電子と原子核の動力学研究 研究背景と動機 光触媒による水分解は光触媒技術の重要な応用の一つであり、二酸化チタン（TiO₂）はその有望な材料です。二酸化チタンは光触媒水分解において優れた性能を示していますが、その光誘導水解の微視的メカニズムは完全には解明されていません。本研究では、第一原理動的シミュレーションを用いて、典型的な水-ルチルTiO₂(110)界面上での光生成キャリアの伝送経路および光誘導水解プロセスを解析しました。この研究は光触媒表面反応の理解に重要な洞察を提供するだけでなく、光触媒性能の向上にも新たな可能性をもたらすかもしれません。 研究の出典と著者紹介 本研究は、北京凝縮態物理国家重点実験室および中国科学院物理研究所のYou Peiw...
剛性 Dion–Jacobson 型二次元ペロブスカイトにおける励起子ポラロン形成と高キャリア緩和の研究報告 二次元有機-無機ハイブリッドペロブスカイト（HOIPs）は、その強く制限された励起子状態と二次元層状構造による誘電シールド効果の減少によって、発光デバイス、光検出器、光伏、量子エミッタなどの応用において大きな可能性を持つため、広く注目されています。しかし、この材料の効率において、電子と格子の動力学間の複雑な相互作用が重要な役割を果たします。特に、励起子-フォノン相互作用の機能的な役割は依然として疑問が残っています。本論文は、超速分光学と電子構造計算を組み合わせて、これらの材料における励起子の強いポラロン特性及びそれが高キャリア冷却挙動とどのように関連しているかを明らかにすることを意図...
リチウムイオン電池の正極材料の構造変化に関する動的および熱力学的研究 学術的背景と研究動機 リチウムイオン電池は、現代の携帯電子機器や電気自動車の重要な動力源であり、従来は層状のLiCoO2正極材料が使用されてきました。しかし、持続的な高エネルギー密度の要求により、科学者たちは新しい高エネルギー密度電極を探求しています。リチウム富化酸化物正極材料（例：Li1.2Mn0.8O2）は、サイクリング中に遷移金属イオンと酸化還元反応の両方を利用できるため、従来の正極材料より高いエネルギー密度を提供します。しかし、これらの材料はサイクリング中にしばしば構造変化を伴い、エネルギー密度に大きく影響を与えます。これらの構造変化と酸化還元挙動との関係を理解することが、リチウム富化正極材料の改良に向けた主要な課...
原子間相互作用力の幾何強化事前トレーニング はじめに 分子動力学(MD)シミュレーションは、物理学、化学、生物学、材料科学などの分野で重要な役割を果たし、原子レベルのプロセスの洞察を提供しています。MDシミュレーションの精度と効率は、分子系の原子間相互作用を記述する原子間ポテンシャル関数に依存しています。古典的MDでは経験式を使用し、パラメータを当てはめる必要がありますが、計算コストは低いものの精度が不十分です。一方、第一原理MDでは、シュレーディンガー方程式を解くことで精密な相互作用を得ることができますが、計算量が非常に大きくなります。そこで、機械学習による原子間ポテンシャル(MLIPs)が、第一原理計算から得られるエネルギーと力をフィッティングすることで、ab initio精度に近づきつ...
早期の医薬品発見に従事する研究者は、およそ10の60乗の可能な分子構造の中から、薬理活性を持つ候補分子を見つけるという大きな課題に直面しています。この問題を解決する1つの有効な方法は、より小さな「フラグメント」分子から始めることで、この戦略はフラグメントベースの医薬品設計(FBDD)と呼ばれています。FBDDプロセスでは、まず計算機を使ってターゲットタンパク質の結合ポケットに結合するフラグメントを選別し、次にそれらのフラグメントを1つの化合物に接続します。フラグメントを接続する際には、フラグメントの幾何学的な構造とタンパク質ポケットの構造を考慮して、高い親和性を持つ潜在的な医薬品分子を設計する必要があります。 この論文では、DiffLinkerという新しいリンカー(linker)分子設計手法...
この論文は質量分析分子予測のためのグラフトランスフォーマーモデル(MassFormer)に関するものです。この研究は、質量分析データにおける分子同定問題に対して、小分子の質量分析スペクトルを予測するための新しい深層学習手法を提案しています。 背景紹介: 質量分析(MS)はタンパク質体学、代謝体学、環境化学など、様々な分野で広く使用される分析手法で、サンプル中の化学物質を同定および定量するために用いられます。しかしながら、小分子の多くについては、その断片化過程の複雑さゆえに、質量分析スペクトルを正確にシミュレートすることが常にこの分野での重要な課題となっています。従来のルールベースの手法(CFMなど)には性能と適用範囲の制限があります。近年、深層学習手法が質量分析予測に応用されるようになりまし...