Indice

Introduzione I
1 Le proteine 2
1.1 La struttura delle proteine . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Folding vs Misfolding . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3 Ruolo biologico dei metalli . . . . . . . . . . . . . . . . . . . . . 15
2 La malattia di Alzheimer 20
2.1 Fisiologia e patologia . . . . . . . . . . . . . . . . . . . . . . . . 20
2.2 La diagnosi della malattia . . . . . . . . . . . . . . . . . . . . . . 22
2.3 Il peptide β-amiloide . . . . . . . . . . . . . . . . . . . . . . . . 30
2.4 Ioni metallici e Aβ peptide . . . . . . . . . . . . . . . . . . . . . 36
3 Dinamica molecolare 40
3.1 Teoria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.2 Force field . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.3 Gli ensemble statistici . . . . . . . . . . . . . . . . . . . . . . . . 52
3.4 Schematizzazione dell’algoritmo di dinamica
molecolare classica . . . . . . . . . . . . . . . . . . . . . . . . . 60
4 Studio quantistico dei sistemi a molti corpi 63
i
INDICE
4.1 Approssimazione di Born-Oppenheimer . . . . . . . . . . . . . . 63
4.2 Problema elettronico . . . . . . . . . . . . . . . . . . . . . . . . 66
4.3 L’approssimazione di Hartree-Fock . . . . . . . . . . . . . . . . . 69
4.4 Teoria del funzionale densit` a . . . . . . . . . . . . . . . . . . . . 74
4.4.1 Teorema di Hohenberg e Kohn . . . . . . . . . . . . . . . 75
4.4.2 Lo schema di Kohn e Sham . . . . . . . . . . . . . . . . 81
4.4.3 Il funzionale di scambio e correlazione . . . . . . . . . . 86
4.5 Dinamica molecolare ab initio . . . . . . . . . . . . . . . . . . . 89
4.6 Metodi ibridi QM/MM . . . . . . . . . . . . . . . . . . . . . . . 93
4.6.1 Il metodo a “strati di cipolla” ONIOM . . . . . . . . . . . 99
5 Simulazioni di dinamica molecolare classica 104
5.1 Operazioni preliminari . . . . . . . . . . . . . . . . . . . . . . . 105
5.2 Risultati . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
5.3 Conclusioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
6 Simulazioni QM/MM-ONIOM 130
6.1 Operazioni preliminari . . . . . . . . . . . . . . . . . . . . . . . 131
6.2 Risultati . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
6.3 Conclusioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
A Mini Mental State Examination 150
B Condizioni periodiche al contorno 155
C Vincoli geometrici 158
D Basis set 161
E Il principio di Ritz 167
ii
INDICE
F Algoritmi di ottimizzazione 170
G Pseudopotenziali 182
H Algoritmo di Berny 187
I Natural Bond Orbital (NBO) 192
Bibliografia 200
iii
Introduzione
Il lavoro di tesi qui presentato riguarda lo studio mediante simulazioni di
dinamica molecolare classica e QM/MM-ONIOM dell’interazione del peptide
β-amiloide con lo ione metallico Zn
2+
. E’ stato svolto sotto la guida della Dott.ssa
Velia Minicozzi dell’Universit` a di Roma “Tor Vergata” ed in collaborazione con il
gruppo di chimica teorica dell’Universit` a della Calabria, in particolare con il Prof.
Nino Russo e la Dott.ssa Tiziana Marino. E’ in fase di preparazione un articolo
dal titolo “The role of water in Zn(II)-Aβ
1−16
complexes”.
Negli ultimi anni, ` e stato dimostrato che numerose malattie dipendono dall’al-
terazione del folding proteico. Tali malattie, raggruppate sotto il nome di Protein
Conformational Disorders (PCD), comprendono la malattia di Alzheimer (AD),
le encefalopatie spongiformi, la corea di Huntington, il morbo di Parkinson, il dia-
bete di tipo II, l’amiloidosi da dialisi, la sclerosi laterale amiotrofica (SLA) e pi` u
di altre quindici malattie meno note. L’evento chiave per lo scatenarsi delle PCD
` e un cambiamento nella struttura secondaria e/o terziaria di una proteina o di un
suo frammento, non accompagnato da alterazioni della struttura primaria. In tutti
i casi, c’` e una progressiva transizione dalla proteina correttamente avvolta verso
uno stato aggregato, ricco di conformazioni beta.
Il processo dettagliato attraverso il quale proteine solubili (o loro frammen-
ti) subiscono un parziale svolgimento e un riavvolgimento scorretto (che por-
ta ad oligomeri altamente stabili e a polimeri con nuove propriet` a) costituisce
I
INDICE
la principale e irrisolta questione. Tre differenti ipotesi sono state proposte per
descrivere le relazioni tra stati conformazionali e aggregazione. L’ipotesi del-
la polimerizzazione (A) afferma che ` e l’aggregazione ad indurre cambiamen-
ti nella conformazione proteica; quella conformazionale (B) che il misfolding
proteico ` e indipendente dall’aggregazione, che non rappresenta un necessario
punto d’arrivo del cambiamento conformazionale; infine l’ipotesi conformazio-
ne / oligomerizzazione (C), rappresenta una visione intermedia, nella quale pic-
coli cambiamenti conformazionali innescano l’oligomerizzazione che ` e essenziale
per la stabilizzazione del misfolding proteico.
Una questione centrale nella ipotesi conformazionale ` e l’identificazione dei
fattori che inducono i cambiamenti del folding proteico. Alcune variazioni delle
condizioni ambientali sono state individuate essere fattori determinanti, fra questi
il pH, la presenza di ioni metallici, lo stress ossidativo, l’influenza di alcune pro-
teine (metallopeptidasi, apolipoproteina E, proteina X) e l’interazione con mem-
brane cellulari.
Il folding (o il misfolding) proteico assistito dai metalli ` e una tematica di
grande interesse. E’ stato dimostrato che il folding proteico ` e un processo a pi ` u
stadi, caratterizzato dalla formazione di stati intermedi senza una specifica ste-
chiometria dello stato nativo ed in cui gli ioni metallici svolgono una funzione di
grande rilevanza. Dati sperimentali sempre pi` u numerosi mostrano che l’intera-
zione di alcuni ioni metallici del gruppo d (Fe, Cu, Zn, Mn e Al) con le proteine
potrebbe essere il denominatore comune delle PCD.
L’AD ` e una sindrome complessa caratterizzata da disturbi cognitivi, psico-
logici, funzionali e comportamentali. Il correlato neuropatologico dell’AD ` e rap-
presentato da una degenerazione del tessuto cerebrale, a livello del quale si rileva
la presenza di placche senili il cui principale componente ` e il peptide β-amiloide
(Aβ). L’Aβ ` e costituito da 39-43 amminoacidi (le specie pi` u abbondanti sono
II
INDICE
quelle costituite da 40 e 42 amminoacidi) e risulta dal taglio proteolitico della
glicoproteina transmembrana nota come Amyloid Precursor Protein (APP).
Nell’Aβ si possono osservare due regioni: (i) la regione compresa tra i residui
29 e 40, corrispondente alla regione transmembrana dell’APP, altamente idrofo-
bica, scarsamente solubile, e tendente ad aggregare in strutture dissimili da quelle
viste nei pazienti di AD e differenti a seconda del pH, del solvente e della tempe-
ratura; (ii) il frammento 1-28, che occupa la regione extracellulare dell’APP e pu` o
produrre sia strutture ad α-elica che oligomeri β-sheet simili a quelli caratteristici
delle placche amiloidee e quindi responsabile della variabilit` a conformazionale
dell’Aβ. E’ stato osservato che le placche contengono quantit` a superiori alla
media di ioni metallici appartenenti al gruppo d, come lo zinco (Zn
2+
), il rame
(Cu
2+
) e il ferro (Fe
3+
).
Si ` e osservato che lo Zn
2+
pi ` u degli altri ioni metallici favorisce l’aggregazione
di Aβ. Tuttavia il ruolo dello Zn
2+
` e soggetto a continui dibattiti: (i) alcune
osservazioni sperimentali sembrano indicare un possibile ruolo dello Zn
2+
nel-
la formazione degli aggregati iniziali, in cui lo ione metallico fa da “ponte” fra
due o pi ` u peptidi differenti formando dei legami cosiddetti “inter-molecolari”; (ii)
mentre altri ipotizzano un ruolo centrale dello Zn
2+
nel processo del misfolding.
Per quanto riguarda la coordinazione del metallo, alcuni studi hanno mostrato
che la regione che lega il metallo ` e compresa tra gli amminoacidi 6 e 28 del pep-
tide Aβ ed ` e stato suggerito il coinvolgimento dei due amminoacidi istidina-13 e
istidina-14. In recenti studi NMR sono stati proposti vari modi di coordinazione
intra-peptide in cui lo ione metallico si lega con tre istidine (6-13-14) e con la
regione ammino-terminale oppure con l’acido glutammico-11. Inoltre un recente
lavoro ha suggerito che il frammento peptidico minimo coinvolto nell’interazione
con il metallo sia Aβ
1−16
.
Per tentare di contribuire a chiarire il possibile ruolo svolto dallo Zn
2+
` e sta-
III
INDICE
to condotto uno studio in silico, mediante simulazioni di dinamica molecolare
classica e QM/MM-ONIOM, sul sistema Zn
2+
-Aβ
1−16
in assenza ed in presenza
d’acqua, ponendo l’attenzione sulla coordinazione del metallo.
La scelta delle metodologie computazionali utilizzate deriva dall’osservazione
che: da un lato i metodi quantomeccanici permettono la stima di numerose pro-
priet` a e la modellizazzione di reazioni chimiche, ma i tempi di calcolo crescono
rapidamente all’aumentare del sistema in studio; mentre i metodi classici, come
la dinamica molecolare, possono fornire un numero molto pi` u limitato di infor-
mazioni e non possono essere impiegati per la simulazione di rotture o formazioni
di legami, ma permettono di effettuare veloci ottimizzazioni geometriche anche su
sistemi di grandi dimensioni. I metodi ibridi, noti come QM/MM, cercano di com-
binare le caratteristiche pi ` u utili dei due diversi approcci in un singolo calcolo. Il
caso pi ` u semplice di metodo ibrido prevede l’impiego di un metodo quantomec-
canico solo per una regione limitata della molecola, per la quale sia importante
modellare accuratamente la struttura elettronica, mentre il resto del sistema viene
simulato con un metodo di meccanica molecolare classica.
I risultati del nostro lavoro, derivati dalle simulazioni di dinamica molecolare
classica, mostrano che la coordinazione dello ione metallico ` e fortemente influen-
zata dalle interazioni elettrostatiche e, come vedremo, la cattiva parametrizzazione
delle cariche dello ione metallico e dei liganti conduce a numeri di coordinazio-
ne pi ` u alti di 4. Mentre i risultati derivati dalle simulazioni QM/MM-ONIOM a
partire dalle configurazioni ottenute con la dinamica molecolare classica mostra-
no sia in presenza che in assenza di solvente un numero di coordinazione eguale a
quattro per il metallo. Particolarmente interessante il risultato ottenuto in presenza
dell’acqua, dove una molecola d’acqua “scalza” uno degli amminoacidi che lega-
vano il metallo. Questo risultato suggerisce, essendo l’acqua un legante debole
del metallo, la possibilit` a di avere modi di coordinazione inter-peptidici, simili a
IV
INDICE
quelli visti sperimentalmente.
La tesi si articola in sei capitoli, nei quali si vuole mostrare quali sono i motivi
che rendono interessante lo studio del problema in esame, quali sono le carat-
teristiche principali del sistema studiato e della tecnica utilizzata, ed infine quali
risultati sono stati ottenuti e che conclusioni si possono trarre da essi.
Nel primo capitolo saranno dunque fornite alcune informazioni di carattere
generale sulle proteine, sul ruolo svolto dai metalli negli organismi biologici e
sulle PCD.
Nel secondo capitolo viene fatta una panoramica generale su una delle pi` u co-
muni malattie appartenenti a questo gruppo, la malattia di Alzheimer. Ad un breve
excursus storico fa seguito la descrizione delle caratteristiche fisiologiche e pato-
logiche della malattia, con particolare attenzione al fenomeno dell’aggregazione
dei peptidi amiloidi, e si fa infine un cenno alle strategie curative attualmente
considerate pi ` u promettenti.
Nel terzo capitolo descriviamo in modo riassuntivo la tecnica della dinamica
molecolare classica, focalizzando l’attenzione sugli aspetti computazionali.
Il quarto capitolo ` e dedicato interamente alla presentazione del problema a
molti corpi quantistico. Descriveremo le varie approssimazioni e i metodi adottati.
Il quinto capitolo contiene la descrizione completa dei risultati ottenuti at-
traverso le simulazioni di dinamica molecolare classica, la spiegazione delle pro-
cedure di analisi dei dati ed i commenti ai risultati ottenuti.
Nel sesto capitolo sono illustrati e commentati i risultati ottenuti attraverso le
simulazioni QM/MM-ONIOM e sono spiegate le procedure di analisi dei dati.
Nelle conclusioni sono riassunti i punti salienti del lavoro, con particolare at-
tenzione al significato biologico dei risultati ottenuti, sono evidenziate le prob-
lematiche ancora aperte e indicate le prospettive future.
V
Capitolo 1
Le proteine
1.1 La struttura delle proteine
Le proteine sono le macromolecole pi ` u versatili dei sistemi viventi e hanno
un ruolo fondamentale in tutti i processi biologici. Le proteine possono agire
da catalizzatori, trasportare o conservare altre molecole come l’ossigeno, fornire
un supporto meccanico o una protezione immunitaria, generare un movimento,
trasmettere impulsi nervosi e controllare la crescita e il differenziamento.
Le proteine sono polimeri lineari costituiti da unit` a monomeriche dette ammi-
noacidi, legati tra di loro attraverso un legame covalente, che prende il nome di
legame peptidico, per questo le proteine sono note come polipeptidi.
Figura 1.1: Struttura generica di un amminoacido
2
1.1 La struttura delle proteine
Un α-amminoacido (Fig.1.1) ` e costituito da un atomo di carbonio centrale,
detto carbonio α (C
α
) a cui sono legati un gruppo amminico, un gruppo carbos-
silico, un atomo di idrogeno e un gruppo R, spesso indicato con il nome di catena
laterale, specifico per ognuno di essi. Gli α-amminoacidi sono molecole chirali.
Le due forme, che sono immagini speculari l’una dell’altra, sono dette isomero L
e isomero D. Le proteine sintetizzate dagli organismi viventi sono costituite quasi
esclusivamente dagli isomeri L.
Gli amminoacidi in soluzione a pH neutro sono ioni dipolari o zwitterioni.
Nella forma dipolare il gruppo amminico di un amminoacido ` e protonato -NH
+
3
e il gruppo carbossilico ` e dissociato -COO

. Lo stato di ionizzazione di un
amminoacido varia con il pH.
Nelle proteine sono presenti 20 tipi di catene laterali che variano per dimen-
sioni, carica, capacit` a di formare legami idrogeno e reattivit` a chimica. Tutte le
proteine in tutte le specie - batteri, archeobatteri ed eucarioti - vengono costruite a
partire dagli stessi 20 amminoacidi [1]. Le catene laterali degli amminoacidi han-
no differenti tendenze a partecipare alle interazioni l’una con l’altra e con l’acqua.
Queste differenze influenzano profondamente i loro contributi alla stabilit` a e alle
funzioni delle proteine.
Gli amminoacidi idrofobici (fondo rosa in Fig.1.2) tendono ad evitare il con-
tatto con l’acqua, e sono coinvolti solo in legami di Van der Waals. Vedremo in
seguito come questo effetto sia fondamentale in un processo che porta il nome di
folding.
Gli amminoacidi idrofilici (fondo azzurro in Fig.1.2) sono capaci di legarsi
tra loro, allo scheletro peptidico, alle molecole polari organiche e all’acqua, at-
traverso la formazione di legami idrogeno. Questa tendenza domina le interazioni
alle quali partecipano. Alcuni di questi possono cambiare il loro stato di carica a
seconda del pH o del microambiente da cui sono circondati.
3
Le proteine
Figura 1.2: Struttura e caratteristiche chimiche delle catene laterali degli amminoacidi
4
1.1 La struttura delle proteine
Gli amminoacidi anfipatici (fondo viola in Fig.1.2) possono essere sia idrofo-
bici sia idrofilici a seconda delle condizioni del microambiente in cui si trovano.
Questa loro caratteristica ` e ideale per la formazione delle interfacce [2].
Nella Fig.1.2 manca l’amminoacido con la struttura pi` u semplice, la glicina
(Gly, G), la cui catena laterale ` e formata esclusivamente da un atomo di idrogeno.
Nella Fig.1.2 sono indicati in grigio chiaro gli atomi di idrogeno, in grigio scuro
gli atomi di carbonio, in rosso gli atomi di ossigeno, in giallo gli atomi di zolfo, e
infine in azzurro gli atomi di azoto.
Le proteine sono formate dall’unione del gruppo carbossilico di un ammi-
noacido con il gruppo amminico dell’amminoacido successivo attraverso un le-
game covalente, che prende il nome di legame peptidico [3]. Nella Fig.1.3 ` e
Figura 1.3: Formazione del legame peptidico e idrolisi
mostrata la formazione di un dipeptide a partire da due amminoacidi con rila-
scio di una molecola d’acqua. L’equilibrio di questa reazione ` e spostato verso
l’idrolisi piuttosto che verso la sintesi, perci` o la biosintesi dei legami peptidici
richiede l’immissione di energia libera. Tuttavia i legami peptidici sono cinetica-
5
Le proteine
mente stabili: in assenza di eventi di catalisi l’emivita di un legame peptidico in
soluzione acquosa ` e di circa 1000 anni.
Il legame peptidico ha caratteristiche di parziale doppio legame, che impe-
discono la rotazione intorno ad esso. L’impossibilit` a di ruotare del legame ne
determina la planarit` a e restringe le conformazioni possibili dello scheletro cova-
lente. Al contrario i legami tra l’atomo di C
α
e il carbonio carbonilico (C
/
), e tra il
C
α
e l’atomo di azoto del gruppo amminico sono legami semplici. Di conseguen-
za due unit` a peptidiche rigide adiacenti possono avere un certo grado di libert` a di
rotazione intorno a questi legami. La libert` a di rotazione su ciascun lato dell’unit` a
peptidica permette alle proteine di ripiegarsi in modi diversi. Le rotazioni di questi
legami sono definite da angoli diedrici o torsionali. Nella Fig.1.4 sono mostrati
questi angoli e i piani che li definiscono [4]. L’angolo di rotazione intorno al lega-
me tra l’azoto e l’atomo C
α
` e detto φ, mentre quello tra il C
α
e l’atomo C
/
` e detto
ψ.
Non tutte le combinazioni di φ e ψ sono possibili. Ramachandran [5] osserv` o
Figura 1.4: Catena polipeptidica estesa in cui sono mostrate le tipiche lunghezze di legame, gli
angoli di legame e i diedri
6
1.1 La struttura delle proteine
che molte combinazioni sono proibite a causa di impedimenti sterici tra gli atomi.
I valori permessi possono essere visualizzati attraverso un grafico bidimensionale
detto appunto grafico di Ramachandran. Nella Fig.1.5 ` e mostrato un grafico di
Ramachandran in cui con il colore rosso indichiamo quelle combinazioni degli
angoli torsionali che sono “permesse”, nelle quali cio` e non ci sono impedimenti
sterici, con il rosa le regioni permesse solo se alcuni impedimenti sterici sono ri-
lassati. Come si vede dal grafico, circa tre quarti delle possibili combinazioni tra
gli angoli torsionali vengono escluse da impedimenti sterici.
Figura 1.5: Plot di Ramachandran
Nella struttura di una proteina si distinguono quattro livelli di organizzazione.
La struttura primaria della proteina ` e rappresentata dalla sequenza dei suoi am-
minoacidi, che a sua volta determina i vari modi in cui essa pu` o ripiegarsi nelle
strutture di livello superiore.
La struttura secondaria rappresenta la struttura tridimensionale locale di una
proteina, in cui possono essere presenti tratti di catena polipeptidica che formano
α-eliche e foglietti β (β-sheet). L’α-elica ` e una struttura a forma di bastoncino,
la cui parte interna ` e formata dalla catena principale polipeptidica strettamente
avvolta; le catene laterali si estendono verso l’esterno con un andamento a spirale.
L’α-elica ` e stabilizzata da legami idrogeno tra gruppi N-H e C=O della catena
7
Le proteine
principale. Il gruppo C=O di ciascun amminoacido ` e unito da un legame idrogeno
al gruppo N-H dell’amminoacido che si trova quattro residui pi ` u avanti nella se-
quenza lineare (Fig.1.6). Ciascun residuo ` e spostato rispetto al precedente di
Figura 1.6: Alfa elica
Figura 1.7: Foglietti β
1.5
˚
A lungo l’asse dell’elica e forma con esso un angolo di 100

il che significa
che vi sono 3.6 residui amminoacidici per ogni giro di elica. Il passo dell’α-elica,
8
1.1 La struttura delle proteine
che corrisponde al prodotto dello spostamento (1.5
˚
A) per il numero di residui per
giro (3.6
˚
A), ` e di 5.4
˚
A. Le α-eliche sono una struttura compatta [6], con valori
approssimativi degli angoli φ e ψ di -60

e -50

rispettivamente (vedi Fig.1.5).
Il foglietto β ha una struttura diversa da quella a bastoncello dell’α-elica. Una
catena polipeptidica a foglietto β ` e quasi completamente estesa invece di essere
strettamente avvolta e coinvolge legami idrogeno tra gruppi N-H e C=O apparte-
nenti a residui anche molto distanti tra loro nella sequenza lineare. Nei foglietti
β, due o pi ` u strati che possono essere molto distanti nella struttura primaria sono
tenuti fianco a fianco da legami idrogeno. Gli strati (Fig.1.7) possono scorrere lun-
go la stessa direzione, allora parleremo di foglietto β parallelo, oppure in direzioni
opposte, foglietto beta antiparallelo [7]. La distanza tra due residui consecutivi ` e
3.3
˚
A e gli angoli φ e ψ sono approssimativamente -130

e 125

(vedi Fig.1.5).
L’organizzazione tridimensionale completa di una catena poliptedica prende
il nome di struttura terziaria. Vedremo nel '1.2 quali sono le interazioni che
permettono ad una proteina di assumere una determinata struttura terziaria.
Per buona parte delle proteine, la struttura terziaria rappresenta l’ultimo livello
di organizzazione strutturale. E’ il caso delle proteine cosiddette monomeriche,
costituite cio` e da un’unica unit` a funzionale, biologicamente attiva. Molte altre
proteine (ad esempio, un gran numero di enzimi), nella loro forma attiva sono
invece costituite dall’associazione di due o pi` u unit` a di struttura terziaria (dette
monomeri o subunit` a), uguali (proteine omo-oligomeriche) o diverse (proteine
etero-oligomeriche). Si parla in tal caso di struttura quaternaria, per riferirsi all’or-
ganizzazione multimerica della proteina. Nella struttura quaternaria, le subunit` a
sono tenute insieme da interazioni generalmente non covalenti. Raramente, pi ` u
catene peptidiche sono unite da legami covalenti, come accade ad esempio nelle
immunoglobuline, in cui le catene leggere e pesanti sono tenute insieme da ponti
disolfuro [8].
9
Le proteine
1.2 Folding vs Misfolding
Il folding ` e il processo attraverso il quale le proteine acquisiscono la loro strut-
tura tridimensionale. Il folding pu` o aver luogo sia contemporaneamente alla sin-
tesi proteica sia dopo che questa ` e stata completata. Soltanto una volta terminato
il folding, le proteine sono in grado di svolgere la loro funzione fisiologica [9].
La prima teoria del folding proteico ` e stata proposta negli anni ’20 del XX se-
colo dallo scienziato cinese Hsien Wu [10]. In Europa e negli Stati Uniti le prime
importanti ricerche sono state quelle negli anni sessanta di Christian B. Anfinsen,
il quale formul ` o un dogma della biologia molecolare che porta il suo nome. Il
dogma afferma che, almeno per le piccole proteine globulari, la struttura nativa ` e
determinata unicamente dalla sequenza di amminoacidi che costituiscono la pro-
teina [11]. Come la proteina raggiunga questa struttura rientra nel campo di stu-
dio del folding proteico, che si basa su un dogma correlato chiamato paradosso di
Levinthal [12]. Il paradosso di Levinthal afferma che il numero di conformazioni
possibili per una data proteina ` e astronomicamente grande. Effettivamente, questo
rende la predizione computazionale della struttura proteica tramite la valutazione
di tutte le possibili configurazioni irrealizzabile persino per proteine relativamente
piccole.
Inoltre, alcune proteine necessitano dell’assistenza di altre proteine chiamate
chaperonine per realizzare un folding corretto. E’ stato suggerito che ci` o contrad-
direbbe il dogma di Anfinsen. In realt` a le chaperonine non sembrano avere effetto
sullo stato finale della proteina, ma bens`ı avere il ruolo di prevenire l’eventuale
aggregazione delle molecole proteiche prima che la proteina abbia raggiunto la
struttura di folding corretta [10].
La funzione fisiologica di una proteina, sia essa un’enzima, un trasportatore,
un recettore o una proteina strutturale, ` e condizionata dalla sua struttura terziaria.
Questo ` e il motivo per cui il folding ha una notevole importanza ed ` e oggetto di
10
1.2 Folding vs Misfolding
ricerca. La capacit` a delle proteine di ripiegarsi in strutture ben definite ` a gov-
Figura 1.8: Ripiegamento proteico
ernata dalle leggi della termodinamica. Consideriamo un sistema costituito da
una soluzione acquosa di molecole proteiche tutte identiche (Fig.1.8) ma ripie-
gate in modo diverso. La conformazione nativa unica corrisponde ad un minimo
dell’energia libera. Durante il processo di sintesi proteica il sistema, costituito
dalla proteina nascente pi` u l’ambiente circostante, ` e disordinato e l’entropia del-
l’insieme delle molecole ` e relativamente alta. In determinate condizioni il ripie-
gamento delle proteine pu` o avvenire spontaneamente. Quindi l’entropia del solo
sistema proteico deve diminuire a scapito di un aumento dell’entropia del resto
dell’Universo.
Al processo spontaneo di folding contribuisce anche la presenza delle forze
idrofobiche. In una soluzione acquosa le molecole di soluto possono intera-
gire con le molecole d’acqua attraverso la formazione di legami ionici e lega-
mi idrogeno. Nel caso di soluti non ionizzabili, che non possono dare origine a
questo tipo di legami, le molecole d’acqua formano loro intorno una “gabbia”.
Lo stato delle molecole d’acqua che formano la “gabbia” ` e pi` u ordinato (a mi-
nore entropia) di quello delle molecole libere in soluzione. Quando due molecole
non polari si avvicinano, alcune molecole d’acqua vengono rilasciate e ritornano
libere nel mezzo (Fig.1.9). Il termine entropico favorisce cos`ı l’aggregazione di
molecole idrofobiche.
11
Le proteine
Figura 1.9: Effetto idrofobico
Le catene laterali di alcuni amminoacidi che costituiscono le proteine sono
costituite da gruppi non polari che tendono ad escludere l’acqua costituendo esse
stesse il mezzo idrofobico in cui risiedere. Al contrario gli amminoacidi con
catene laterali polari possono tranquillamente formare legami idrogeno con l’ac-
qua. Queste propriet` a fanno s`ı che, generalmente, la parte proteica a contatto con
l’acqua sia formata da amminoacidi idrofilici, mentre gli amminoacidi idrofobici
rivolgono le loro catene laterali all’interno.
Nel processo di ripiegamento delle proteine si formano legami idrogeno. La
variazione di energia libera, data da ∆G = ∆H −T∆S, ` e una misura della spon-
taneita della reazione. Quando si ha una variazione di energia libera negativa
dovuta alla combinazione delle variazioni di entropia associata agli effetti idrofo-
bici e di entalpia associata alla formazione di legami, il processo di ripiegamento
proteico pu` o avvenire spontaneamente [1].
L’ipotesi di Anfinsen ` e legata all’assunzione che lo stato nativo di una proteina
rappresenta un minimo assoluto dell’energia libera. Il minimo pu` o essere rag-
giunto percorrendo strade diverse e passando attraverso stati intermedi metasta-
bili. Questo schema ` e rappresentato in Fig.1.10 dove la struttura nativa di una
proteina ` e localizzata in un minimo assoluto dell’energia libera. Pu` o accadere
per` o che, nel corso del processo di folding, lo stato della proteina corrisponda ad
un minimo locale, vicino sia energeticamente che strutturalmente a quello asso-
luto separati attraverso una barriera di potenziale. Questo ` e quello che accade
12
1.2 Folding vs Misfolding
Figura 1.10: Andamento dell’energia libera
ad alcune proteine che, probabilmente a causa di fattori esterni, modificano la
propria struttura tridimensionale in maniera tale da essere in un minimo locale
dell’energia libera che si trova nelle vicinanze del minimo globale, ma con una
struttura tridimensionale (misfolded) non pi ` u in grado si svolgere la propria fun-
zione. Naturalmente la struttura primaria della proteina non si modifica durante
questa trasformazione [13]. Il non corretto folding proteico ` e all’origine di una
grande varieta di patologie raggruppate sotto il nome di Protein Conformational
Diseases (PCD) [14]. Questo gruppo di patologie include il morbo di Alzheimer
(AD), l’encefalopatia spongiforme trasmissibile, il morbo di Huntington, il mor-
bo di Parkinson, il diabete di tipo 2, l’amiloidosi da dialisi, la sclerosi amiotrofica
laterale, e pi` u di 15 altre, meno note, patologie. Notiamo che non c’` e omologia
tra la sequenza primaria delle proteine coinvolte nelle diverse PCD.
Nella maggioranza dei casi nella proteina misfolded la struttura secondaria ` e
prevalentemente β [15] (Fig.1.11). Con questa struttura possono formarsi legami
idrogeno tra amminoacidi appartenenti alla stessa molecola proteica o a molecole
diverse favorendo, in quest’ultimo caso, i processi di oligomerizzazione e di ag-
gregazione. In molte PCD sono infatti presenti aggregati che depositandosi nei
13
Le proteine
Figura 1.11: Cambiamenti conformazionali di una proteina
tessuti di diversi organi li danneggiano. La presenza di depositi amiloidi ` e spes-
so usata per la diagnosi di queste malattie, che sono pertanto note anche come
amiloidosi [16]. Non ` e chiaro tuttavia se i depositi proteici siano la causa delle
PCD o se ne siano soltanto un epifenomeno.
Dal punto di vista microscopico, il processo dettagliato attraverso il quale pro-
teine solubili subiscono un parziale svolgimento (unfolding) e un riavvolgimento
scorretto (misfolding) costituisce la principale e irrisolta questione. Sono state
avanzate tre differenti ipotesi per descrivere le relazioni tra stati conformazionali
e aggregazione. Nella ipotesi cosiddetta della polimerizzazione (Fig.1.12A), l’ag-
gregazione induce cambiamenti nella conformazione proteica; nell’ipotesi confor-
mazionale (Fig.1.12B) il misfolding proteico ` e considerato indipendente dall’ag-
gregazione, e questa non rappresenta necessariamente il punto d’arrivo del cam-
biamento conformazionale; il terzo modello, detto di conformazione/oligomerizza-
zione (Fig.1.12C), rappresenta una visione intermedia, nella quale piccoli cam-
biamenti conformazionali innescano l’oligomerizzazione che ` e essenziale per la
stabilizzazione del misfolding proteico. Una questione centrale nella ipotesi con-
14
1.3 Ruolo biologico dei metalli
Figura 1.12: Ipotesi di aggregazione
formazionale ` e l’identificazione dei fattori che inducono il misfolding. Alcune
variazioni delle condizioni ambientali, fra le quali il pH, la presenza di ioni metal-
lici [17], l’influenza di certe proteine e l’interazione con membrane cellulari, o
semplicemente un aumento della concentrazione della proteina stessa, sono state
individuate come fattori determinanti per questo processo.
La comprensione dei meccanismi molecolari che sono alla base dei processi
di aggregazione ` e un passo indispensabile per una terapia efficace delle patologie
che ne derivano.
1.3 Ruolo biologico dei metalli
Gli ioni metallici svolgono funzioni fondamentali all’interno degli organismi
viventi. La maggior parte di essi viene utilizzata come cofattore da parte delle
15
Le proteine
proteine, che li inglobano all’interno della loro struttura.
I tre metalli sui quali vogliamo concentrare la nostra attenzione sono il Fe,
il Cu e lo Zn. I principali amminoacidi che li coordinano, tramite un legame di
tipo dativo, sono: l’istidina, la metionina, la cisteina, la selenocisteina
1
, e talvolta
anche la tirosina, l’acido aspartico e l’acido glutammico. Gli ioni metallici ap-
partenenti al cosidetto gruppo d partecipano ai processi catalitici essenzialmente
in tre modi:
• orientano il substrato nel sito catalitico;
• stabilizzano elettrostaticamente e/o proteggono le cariche negative;
• partecipano a reazioni redox.
Quest’ultimo processo ` e particolarmente pericoloso per l’organismo, infatti se la
reazione avviene senza controlli esterni possono generarsi delle molecole alta-
mente reagenti, che prendono il nome di radicali liberi, in grado di alterare lo sta-
to d’ossidazione delle cellule. Per questo motivo gli ioni metallici non vengono
mai lasciati liberi di circolare nell’organismo, ma sono sempre legati a proteine di
trasporto che hanno il compito di trasportarli e depositarli nel luogo in cui devono
partecipare ai processi in cui sono coinvolti.
Lo ione Fe ` e il metallo di transizione pi` u abbondante negli esseri umani, la
quantit` a media in un uomo adulto del peso di 70kg ` e di circa 4g. Viene digerito
a livello del duodeno, dove subisce varie reazioni di ossidazione e riduzione per
poter essere assorbito e poi immagazzinato dall’organismo.
Nel nostro organismo lo ione Fe si trova principalmente in due stati redox
Fe
2+
e Fe
3+
. Generalmente tetracoordinato, lo si pu` o trovare anche con numeri
1
La selenocisteina (Sec) ` e il 21

amminoacido conosciuto e il suo nome ` e associato al fatto che
contiene un atomo di Se. Esso non ` e un derivato della cisteina, ma deriva dalla serina.
`
E codifi-
cato dal codone UGA, normalmente un codone di stop, che tuttavia in presenza di un particolare
segmento di mRNA viene interpretato come elemento costitutivo.
16
1.3 Ruolo biologico dei metalli
di coordinazione pi` u alti, ad esempio 5 e 6. Questo ione ` e componente essen-
ziale del gruppo prostetico eme, presente nelle proteine di trasporto delle molecole
d’ossigeno (emoglobina, mioglobina) ed ` e indispensabile per alcuni enzimi coin-
volti nella respirazione cellulare (citocromo c ossidasi). In alcuni enzimi, come la
catalasi, ` e proprio lo ione Fe ad agire da catalizzatore delle reazioni redox.
Esistono tutta una serie di patologie legate al metabolismo di questo metallo,
fra le quali citiamo: l’atassia di Friedrich in cui vi ` e un accumulo di Fe nei mito-
condri delle cellule del sistema nervoso, e le anemie legate al Fe in cui vi ` e una
carenza dello ione nell’organismo, che causa una diminuizione nella produzione
dell’emoglobina.
Il secondo metallo di transizione per abbondanza ` e lo ione Zn, la quantit` a
media in un uomo di 70kg ` e di circa 3g. Lo ione Zn nel nostro organismo si
trova solo nello stato redox Zn
2+
. Questo ione non partecipa a reazioni redox,
ma ha funzioni strutturali e/o catalitiche. Nelle cosiddette proteine a dita di zinco
(zinc finger), che si legano al DNA, esso constringe la proteina in una particolare
forma. Lo Zn ` e presente anche nelle RNA polimerasi, coinvolte nella sintesi pro-
teica, e nella superossido dismutasi che ` e una proteina antiossidante presente nel
mitocondrio.
Lo Zn ` e normalmente esacoordinato, anche se in molti casi lo troviamo con
numeri di coordinazione minori, come 5 o 4. Gli amminoacidi con cui lo troviamo
pi ` u spesso legato sono la cisteina e l’istidina.
Non esistono patologie gravi legate alla carenza di Zn nell’organismo, per` o
una carenza che si manifesta in giovane et` a, dovuta a difetto di assorbimento in-
testinale, pu` o causare ritardo dell’accrescimento [18]. Si ritiene che un eccesso
di Zn possa essere legato allo sviluppo delle PCD, favorendo il misfolding anche
se ancora non ci sono prove certe, come vedremo in seguito, circa il suo effettivo
coinvolgimento ed il suo ruolo.
17
Le proteine
Il Cu ` e fra i tre metalli di transizione il meno abbondante nel nostro organi-
smo con una quantit` a media di 110mg. E’ presente in solo due stati d’ossidazione
Cu
1+
e Cu
2+
. Partecipa a reazioni redox e, in alcuni animali, prende il posto del
Fe come trasportatore di ossigeno. Nonostante la sua bassa concentrazione il Cu
` e fondamentale, basti pensare che fa parte del gruppo prostetico di moltissime
proteine, come la citocromo c ossidasi, la superossido dismutasi e la cerulopla-
smina, che ` e fondamentale per l’assorbimento del Fe. Lega preferenzialmente gli
amminoacidi istidina e cisteina, ed ` e generalmente tetracoordinato.
L’importanza di questo metallo ` e legata anche alle patologie che possono sor-
gere a causa di una sua eccessiva o insufficiente concentrazione nell’organismo,
in particolare, un eccesso di Cu pu` o provocare la malattia di Wilson [19], nella
quale il metallo si accumula a livello del fegato che, se non adeguatamente tratta-
ta, porta alla morte intorno ai 30 anni. Una carenza di Cu pu` o provocare il morbo
di Menkes [19], per il quale non si conoscono terapie efficaci e che pu` o provocare
la morte intorno ai 10 anni di et` a.
In ogni caso quando vi ` e un accumulo di un metallo di transizione le terapie da
adottare sono quelle legate ai farmaci chelanti, che possiedono gruppi che legano
i metalli e poi vengono espulsi dall’organismo attraverso le feci e la bile.
Tutti e tre i metalli di transizione sono possibili protagonisti delle PCD e si
ritiene che possano giocare un ruolo sia nel misfolding, sia nella formazione delle
placche presenti in tali malattie e di cui parleremo successivamente.
18
Capitolo 2
La malattia di Alzheimer
2.1 Fisiologia e patologia
La demenza ` e una sindrome caratterizzata da disturbi cognitivi acquisiti aventi
eziologia organica. Le funzioni cognitive colpite devono comprendere la memoria
ed almeno una delle seguenti funzioni: pensiero astratto, funzione critica, linguag-
gio, orientamento spazio-temporale [20]. Le cause della demenza possono essere
molteplici e perci` o la sua diagnosi non indica di per s` e la presenza di una malattia
specifica. Nel complesso ` e affetto da demenza oggi circa il 5% della popolazione
sopra i 65 anni, ed addirittura il 30% della popolazione sopra gli 85. Il fattore di
rischio principale pare dunque essere l’et` a, seguita dal sesso (le donne sembrereb-
bero pi ` u colpite da demenza rispetto agli uomini, ma questo dato ` e considerato
controverso, stante la maggiore attesa di vita per le donne); non sembrano in-
vece implicate l’etnia o le condizioni socioeconomiche. Esiste una classificazione
eziopatogenetica delle demenze, cio` e:
• Demenze primarie tra cui la malattia di Alzheimer, la malattia di Pick,
l’afasia progressiva primaria, e altre forme pi` u rare.
20
2.1 Fisiologia e patologia
• Demenze associate a degenerazione neuronale primitiva: malattia di Parkin-
son, corea di Huntington, altre forme di sindromi extrapiramidali.
• Demenza vascolare.
• Demenze da prioni.
• Demenza da disturbi endocrino-metabolici (patologie tiroidee, epatiche, da
insufficienza renale).
• Demenza carenziale (sindrome di Korsakoff-Wernicke, pellagra, deficit di
B12 e folati).
• Demenza da encefalopatie tossiche.
• Demenza da malattie organiche di varia natura (tumori, traumi, sclerosi
multipla).
• Demenza da infezioni (AIDS, meningiti, malattia di Whipple) [21].
Si stima che circa il 50-60% dei casi di demenza sia dovuto alla malattia di
Alzheimer (Alzheimer’s disease - AD), il 20% sia associato a demenze vascolari e
a corpi di Lewy, il 15% a malattie neurodegenerative quali la corea di Huntington
e alla malattia di Parkinson ed il restante sia dovuto ad altre cause.
L’AD ` e un disordine neurodegenerativo eterogeneo con progressione irreversi-
bile che interessa primariamente le regioni ippocampali e neocorticali del cervello
[22]. Questa malattia fu descritta per la prima volta nel 1907 dal neuropsichiatra
tedesco Alois Alzheimer. L’AD ` e la quarta causa di morte in et` a adulta - dopo le
malattie cardiovascolari, il cancro e l’ictus - e colpisce circa 20 milioni di persone
nel mondo (oltre 450,000 in Italia). Per ragioni facilmente intuibili, legate alla
crescente aspettativa di vita, le previsioni per il futuro sono catastrofiche. Questa
patologia ` e destinata ad aumentare e il numero di pazienti tra vent’anni potrebbe
21
La malattia di Alzheimer
pi ` u che raddoppiare. I costi per lo Stato sono gi` a enormi e la scoperta di farmaci in
grado di ritardare anche soltanto di cinque anni l’esordio della malattia potrebbe
far risparmiare al servizio sanitario nazionale un numero cospicuo di milioni di
euro e/o dollari.
Al momento non esiste alcuna cura efficace contro di essa e la patogenesi della
malattia resta ancora oggetto di molte teorie che coinvolgono fattori genetici ed
epigenetici (come fattori metabolici od ambientali).
2.2 La diagnosi della malattia
La diagnosi della malattia
I primi sintomi sono sempre lievissimi, difficilmente individuabili e confondi-
bili con comportamenti comuni. Essendo una malattia degenerativa, con il passare
del tempo, i sintomi aumentano e diventano sempre pi` u gravi.
La diagnosi ` e molto incerta e cauta. Non esiste infatti un esame oggettivo che
indichi con certezza la presenza della malattia. Una buona diagnosi pu` o essere
presa in considerazione dopo una valutazione clinica che deve tenere conto di
quattro aspetti importanti:
• accurata anamnesi che includa sintomi e cambiamenti osservati;
• esame biofisico completo con esami di sangue e urine;
• visita neurologica accompagnata da: radiografia del capo, elettroencefalo-
gramma, TAC, risonanza magnetica encefalica e PET; consulto psichiatrico
accurato che metta in evidenza i deficit dell’emotivit` a, dell’affettivit` a, oltre
a quelli cognitivi con l’ausilio anche di test mentali appropriati, soprattutto
MMSE (Mini Mental State Examination) (vedi Appendice A).
22
2.2 La diagnosi della malattia
La diagnosi avviene solo con la congiuntura dei suddetti esiti, non ` e mai sicura e
certa, ma solo possibile e probabile. La diagnosi sicura avviene solo dall’autopsia
e dalle analisi istologiche del tessuto cerebrale.
Dall’esame autoptico emerge una riduzione nelle dimensioni delle regioni del-
l’encefalo coinvolte nei processi implicati nella memorizzazione, nell’apprendi-
mento e nei comportamenti emotivi. Queste zone comprendono la corteccia en-
torinale, l’ippocampo, il prosencefalo e l’amigdala (Fig.2.1).
Figura 2.1: Cervello estratto da un malato di Alzheimer
La patologia
Nei soggetti affetti dall’AD si osservano due tipi di depositi caratteristici, le
placche amiloidi extracellulari e gli aggregati intracellulari neurofibrillari. Questi
due marcatori neuropatologici derivano entrambi dall’accumulo aberrante di nor-
mali proteine cellulari, con conseguente deposito di materiale insolubile, che in-
terferisce con le normali funzioni neuronali e con la plasticit` a sinaptica.
Gli aggregati neurofibrillari (Fig.2.2) sono ammassi intracellulari consistenti
di filamenti elicoidali appaiati (PHF) di 10nm di spessore. Il maggior componente
di questi filamenti ` e la forma iperfosforilata della proteina Tau, una proteina che
lega i microtubuli. Quando Tau ` e iperfosforilata, diminuisce la sua capaci- t` a di
23
La malattia di Alzheimer
legare i microtubuli e aggrega quindi in maniera anomala determinando la for-
mazione dei PHF [23, 24]. L’aggregazione di Tau in filamenti porta al collasso
dei microtubuli ad una riduzione del trasporto assonale, fondamentale nel trasfer-
imento di sostanze di natura trofica ed energetica tra corpo cellulare e sinapsi.
L’efficienza di questo trasporto ` e necessaria per mantenere buone connessioni neu-
ronali; quando il trasporto viene alterato i neuroni degenerano e la rete neuronale
coinvolta nelle varie funzioni cognitive e vitali viene interrotta, provocando i sin-
tomi tipici dell’AD. Il maggior costituente delle placche amiloidi ` e stato purificato
Figura 2.2: Neurofibrille Figura 2.3: Placche amiloidi
e sequenziato nel 1984 da George Glenner. E’ un polipeptide di 40 o 42 ammino-
acidi chiamato da Glenner stesso β-amiloide o Aβ, derivante dalla proteolisi della
proteina di membrana conosciuta come proteina precursore dell’amiloide (APP -
Amyloid precursor protein). Il peptide Aβ nelle placche (Fig.2.3) ` e organizza-
to in fibrille di 7 −10nm di spessore intramezzate con forme non fibrillari. Le
placche mature inoltre contengono assoni e dendriti degenerati e sono circondate
da astrociti reattivi e cellule della microglia, indicando quindi la presenza di una
componente infiammatoria nel processo neurodegenerativo.
24
2.2 La diagnosi della malattia
La spiegazione delle cause del processo di degenerazione neurofibrillare e del-
la perdita di sinapsi tipica dell’AD ` e la variante neuroinfiammatoria dell’ipotesi
della cascata amiloide (Fig.2.4a). Secondo questa ipotesi Aβ ` e responsabile in-
direttamente della fosforilazione di Tau e della conseguente degenerazione neu-
rofibrillare attraverso l’attivazione della microglia. L’Aβ depositato nelle plac-
che funge da stimolo infiammatorio cronico attivando le cellule della microglia
e determinando la produzione di sostanze neurotossiche, come radicali liberi,
citochine proinfiammatorie, mediatori dell’infiammazione e proteine del comple-
mento, responsabili in ultima analisi della morte neuronale e della demenza [25].
Accanto a questa ipotesi, ne ` e stata formulata recentemente una nuova in cui i
due eventi, la formazione delle placche e la formazione delle neurofibrille, sono
paralleli e sono guidati da un meccanismo comune (Fig.2.4b) [26].
Figura 2.4: Placche amiloidi
Il fattore genetico
La patogenesi dell’AD ` e complessa e dipende sia da fattori genetici che am-
bientali. La maggior parte dei casi sporadici della malattia ha eziologia ignota,
25
La malattia di Alzheimer
mentre le FAD (Tabella 2.1) possono essere chiaramente e direttamente collegate
a 3 mutazioni in loci genetici: il locus dell’APP ed i loci di due geni che codificano
per le preseniline, PS1 e PS2, che fanno parte del complesso enzimatico che porta
alla generazione del peptide amiloide. Tutte le mutazioni a carico di APP finora
conosciute portano ad un aumento nella produzione del peptide β-amilode, in par-
ticolare della sua isoforma pi` u lunga, quella costituita da 42 aminoacidi (Aβ
1−42
)
e che, rispetto alla variante di 40 residui, ` e pi ` u neurotossica per la sua maggiore
tendenza ad aggregare [27]. E’ stato dimostrato che anche le mutazioni a carico
delle preseniline portano ad un aumento della produzione di Aβ
1−42
[28]. Anche
i casi di AD sporadici sono a volte associati a polimorfismi genici che si compor-
tano come fattori di rischio. Tra questi un ruolo chiave ` e svolto dal locus del gene
dell’Apolipoproteina E (APOE), ed in particolare dall’allele e-4. L’APOE, di cui
si conoscono tre isoforme codificate dagli alleli ε-2, ε-3, ε-4, ` e una molecola coin-
volta nel trasporto del colesterolo. E’ stato dimostrato che chi eredita l’allele ε-4
ha una maggiore predisposizione a sviluppare l’AD, e che l’et` a dell’insorgenza
della malattia ` e anticipata rispetto ai soggetti che presentano gli altri alleli [29].
CROMOSOMA GENE MUTAZIONI/ALLELI CONSEGUENZE
Mutazioni di base singola FAD a insorgenza precoce
21 APP Mutazioni di base doppia Trisomia 21 Aumentata produzione di Aβ
Mutazioni per sostituzioni di basi FAD a insorgenza precoce
14 PS1 Mutazioni del sito di splicing Aumentata produzione di Aβ
FAD a insorgenza precoce
1 PS2 Mutazioni per sostituzioni di basi Aumentata produzione di Aβ
Aumento del rischio di insorgenza di AD
19 APOE Allele ε-4 Et` a pi ` u precoce di insorgenza di AD
Tabella 2.1: Caratteri genetici della malattia di Alzheimer
26
2.2 La diagnosi della malattia
La terapia
Al momento non esiste cura capace di contenere la malattia conclamata. Circa
20 anni fa ` e stato scoperto che nel cervello dei malati di ADvi ` e un deficit di acetil-
colina, e da allora sono stati mossi numerosi passi allo scopo di introdurre una
terapia di sostituzione efficace. La perdita di neuroni colinergici nel nucleo basale
di Meynert e la diminuita funzionalit` a nell’ippocampo dell’acetiltransferasi, en-
zima che provvede alla sintesi di acetilcolina, hanno costituito il razionale per
vari tentativi farmacologici intesi a correggere la carenza della neurotrasmissione
colinergica (Fig.2.5). Finora con farmaci che prevengono la demolizione del-
Figura 2.5: Sinapsi colinergica con i principali siti d’azione delle molecole attive sulla
trasmissione mediata dall’acetilcolina
l’acetilcolina mediante inibizione dell’acetilcolinesterasi si sono ottenuti risultati
apprezzabili, anche se in una percentuale ridotta di pazienti responders in circa il
30% dei casi e per un periodo relativamente breve che v` a dai 6 ai 12 mesi e li-
mitatamente alle forme di malattia lievi e moderate. L’attivazione colinergica non
arresta la perdita neuronale, non corregge il deficit di altri neurotrasmettitori e non
modifica l’accumulo delle placche senili e dei grovigli neurofibrillari nel cervello
27
La malattia di Alzheimer
dei pazienti. Tre studi longitudinali
1
hanno evidenziato un effetto protettivo della
terapia di sostituzione con estrogeni sul rischio di Alzheimer [30]. Gli estrogeni
modulano il metabolismo secretorio dell’APP e un polimorfismo del gene alfa
del recettore degli estrogeni sembra interagire con l’Apo ε-4 nel determinismo di
forme sporadiche di Alzheimer.
Inoltre ai malati di AD vengono somministrati anche farmaci antidepressivi,
antipsicotici, ansiolitici e sedativi, soprattutto nelle fasi terminali della malattia.
Negli ultimi anni numerosi studi sono stati indirizzati alla ricerca di molecole
naturali o di nuova sintesi in grado di inibire l’aggregazione dell’Aβ e ridurne
gli effetti citotossici. Ricerche di questo tipo potrebbero rappresentare il punto di
partenza per la progettazione di terapie farmacologiche di prevenzione e/o cura
e, inoltre, contribuire alla comprensione dei dettagli molecolari che regolano il
processo di fibrillogenesi.
Molti studi dimostrano che piccole molecole con anelli aromatici sono in gra-
do di influenzare significativamente la cinetica di aggregazione dei peptidi Aβ.
Queste includono la curcumina, l’acido rosmarinico, il fullerene, le tetracicline,
la melatonina, i polifenoli del vino, ecc.
In prospettiva, le strategie pi` u promettenti per il trattamento dell’ADsembrano
essere tre:
1. La somministrazione di inibitori della produzione del peptide Aβ in grado
di penetrare nella membrana cerebrale e di diminuire, ma non bloccare del
tutto, l’attivit` a della β- e della γ-secretasi (vedi '2.2). Questo trattamento
sembra essere efficace soprattutto nelle prime fasi dello sviluppo del morbo,
e particolarmente nei soggetti con disturbi cognitivi minimi o nulli.
1
Sono studi in cui una serie di individui viene seguita per un certo periodo di tempo. Si contrap-
pongono agli studi trasversali che sono studi limitati all’analisi di un quadro clinico in un istante
ben definito nel tempo.
28
2.2 La diagnosi della malattia
2. Un approccio alternativo prevede la somministrazione di molecole in grado
di legarsi ai monomeri del peptide Aβ in modo tale da prevenire la loro ag-
gregazione in multimeri potenzialmente tossici. Tuttavia, per rendere que-
sta strada percorribile ` e necessario comprendere bene il comportamento di
Aβ in associazione con tali molecole, per evitare che, pur bloccando la
formazione delle fibrille, tali molecole causino la formazione di oligomeri
metastabili eventualmente ancora pi ` u dannosi. Il vantaggio di questa strate-
gia sta invece nel fatto che ha come bersaglio un evento specificamente
patologico, e non dovrebbe interferire, come fa ad esempio quella prece-
dente, in normali reazioni metaboliche quali sono quelle catalizzate dalla
β- e dalla γ-secretasi.
3. Si possono infine somministrare molecole che proteggano i neuroni dagli ef-
fetti degli accumuli del peptide Aβ. Il problema in questo caso ` e che i mec-
canismi mediante i quali Aβ influenza le cellule cerebrali sono molteplici e
nel complesso poco chiari, e si rischia quindi di intervenire su alcuni aspetti
marginali senza diminuire significativamente i danni causati ai neuroni.
Per ultimo vogliamo citare il Progetto NAD (Nanoparticles for therapy and
diagnosis of Alzheimer Disease), partito nel settembre 2008. Un progetto di ricer-
ca multidisciplinare con l’obiettivo di diagnosticare precocemente e contrastare
la malattia di Alzheimer. L’obiettivo ` e quello di realizzare nanoparticelle (NPs)
in grado di attraversare la barriera emato-encefalica per raggiungere il cervello,
sede principale della malattia di Alzheimer. Alle nanoparticelle verranno legate
molecole in grado di riconoscere e distruggere le placche amiloidi che si deposi-
tano nel cervello in tale malattia. Il progetto NAD coinvolge diciannove partner
tra centri di ricerca e piccole e medie imprese provenienti da Italia, Spagna, Por-
togallo, Francia, Slovacchia, Svezia, Olanda, Ungheria, Finlandia, Grecia, Belgio
e Inghilterra, impegnati in un connubio multidisciplinare
29
La malattia di Alzheimer
2.3 Il peptide β-amiloide
Le placche amiloidi sono costituite principalmente da peptidi lunghi 40 ammi-
noacidi, il peptide β-amiloide 1-40 (Aβ
1−40
), Una frazione minore ` e costituita dal
peptide β-amiloide pi` u lungo di due aminoacidi (Iso e Ala), il peptide β-amiloide
1-42 (Aβ
1−42
). Questi peptidi pi ` u “lunghi” sono pi ` u idrofobici e particolarmente
propensi all’aggregazione. In condizioni fisiologiche, il rapporto tra il peptide

1−42
ed Aβ
1−40
` e di circa una molecola di Aβ
1−42
ogni dieci molecole di

1−42
. La presenza di Aβ
1−42
sembra accelerare il processo di aggregazione
di Aβ
1−40
(ipotesi della cascata di amiloidi). In casi rari sono state osservate
anche le catene Aβ
1−39
ed Aβ
1−43
.
I peptidi Aβ derivano dal taglio sequenziale di una proteina trans membrana,
nota come APP (Amyloid Precursor Protein), da parte di due enzimi: la β- e la
γ-secretasi.
Il gene di APP ` e localizzato sul cromosoma 21, che coincide con la localiz-
zazione dei geni responsabili della sindrome di Down, e ci ` o d` a ragione del fatto
che nella sindrome di Down, caratterizzata dalla trisomia di questo cromosoma,
l’eccessivo dosaggio genico porta all’aumentata espressione della proteina APP,
che da solo ` e capace di indurre l’accumulo di Aβ e la comparsa, dopo i 40 anni,
dei segni anatomo-patologici della malattia di Alzheimer [31]. Le APP sono pro-
teine integrali di membrana con un grosso dominio extracellulare N-terminale ed
un corto dominio citosolico C-terminale. Nei mammiferi sono ubiquitariamente
espresse. Il gene di APP contiene 19 esoni, e tra questi gli esoni 7, 8 e 15 possono
subire splicing alternativo, dando vita a tre diverse isoforme: APP695, APP751,
APP770. L’isoforma pi ` u corta (APP695) ` e espressa esclusivamente nei neuroni,
mentre le altre sono ubiquitarie.
Il dominio extracellulare di APP ` e sede di modificazioni post-traduzionali che
ne aumentano notevolmente la complessit` a e che avvengono durante la sua ma-
30
2.3 Il peptide β-amiloide
turazione nel reticolo endoplasmatico (ER) e nel Golgi; il dominio extracellulare
presenta siti di O- ed N-glicosilazione, di sulfatazione, di fosforilazione, di legame
di metalli (Cu
2+
) e di legame dell’eparina.
Le funzioni di APP sono ancora sconosciute. Capire il meccanismo che ne
regola la maturazione potrebbe far luce sulle basi molecolari della malattia di
Alzheimer e potrebbe portare allo sviluppo di nuove strategie terapeutiche per la
cura della malattia. Alcuni esperimenti effettuati su topi hanno permesso di ipotiz-
zare una funzione per l’APP nel trasporto assonale, nell’assogenesi e nel processo
di arborizzazione dendritica [32, 33]. Diversi sottodomini funzionali sono stati
identificati nel dominio extracellulare di APP: la sequenza RERMS, che sembra
essere responsabile della funzione neurotrofica attribuita ai prodotti extracellulari
della maturazione proteolitica di APP; i due siti di legame per l’eparina, respons-
abili del legame delle molecole di glipicano; ed infine i siti di legame per i metalli
come Cu
2+
e Zn
2+
, che per` o sembrano avere principalmente una funzione strut-
turale (anche se ` e stato dimostrato che APP ` e in grado di catalizzare la riduzione
del Cu
2+
a Cu
1+
) [34].
APP ` e substrato dell’attivit` a proteolitica di tre differenti proteasi, denominate
α, β e γ secretasi, in conseguenza della fatto loro azione vengono liberate tre
forme di peptidi (Fig.2.6). Il taglio dell’α-secretasi avviene tra la Lys-16 e la Leu-
17 della sequenza del peptide β-amiloide, impedendo in tal modo la generazione
dello stesso. Per questo motivo la maturazione di APP promossa dall’α-secretasi ` e
stata denominata non-amiloidogenica. In seguito al taglio α-secretasico, avviene
il rilascio di un grande frammento ammino-terminale che include tutto il do-
minio extracellulare di APP (sAPPα), solubile, ed un corto frammento carbossi-
terminale (C83) legato alla membrana, che include tutto il tratto trasmembrana ed
il corto dominio citosolico. C83 ` e substrato della γ-secretasi, che genera il peptide
p3, non aggregante e non neurotossico, ed un frammento AICD (APP intracellu-
31
La malattia di Alzheimer
lar domain), di 57 residui. Il pathway amiloidogenico prevede che la β-secretasi
tagli APP all’estremit` a ammino-terminale del peptide Aβ, generando una forma
solubile di APP pi ` u corta, sAPPβ ed un frammento di 99 residui (C99). Tale
frammento diviene substrato della γ-secretasi liberando il peptide β-amiloide ed
il frammento AICD. Il taglio operato dalla γ-secretasi che produce l’Aβ
1−40
, l’iso-
forma di Aβ pi ` u abbondante, avviene a livello della Val-40. Un altro taglio due
amminoacidi pi ` u a valle, sempre operato dalla γ-secretasi, produce un frammento
Aβ di 42 residui, detto Aβ
1−42
. Inizialmente si credeva che il taglio α-secretasico
fosse quello fisiologico in quanto era in grado di prevenire l’amiloidogenesi del-
l’AD. Questa per` o ` e risultata essere una semplificazione del problema, in quanto
Figura 2.6: Schema della struttura di APP e della sua maturazione proteolitica
` e stato dimostrato che il peptide β-amiloide viene normalmente prodotto anche
in condizioni fisiologiche. Esso ` e stato, infatti, ritrovato nel fluido cerebrospinale
e nel plasma di soggetti sani. Diversi studi hanno mostrato un potenziale ruolo
32
2.3 Il peptide β-amiloide
fisiologico dell’Aβ, quando la sua concentrazione ` e dell’ordine del picomolare o
del nanomolare, correlato alla plasticit` a e alla sopravvivenza neuronale [35]. La
sequenza del peptide Aβ ` e:
DAEFRHDSGY EVHHQKLVFF AEDVGSNKGA IIGLMVGGVV IA
Notiamo che il peptide contiene 3 istidine (residui 6, 13 e 14), che sono am-
minoacidi spesso coinvolti nel legame con i metalli, come evidenziato nel '1.3.
Il metallo si lega generalmente all’istidina attraverso uno dei due atomi di azoto
che fanno parte dell’anello imidazolico. Studiando il profilo di idropaticit` a del
Figura 2.7: Profilo di idropaticit` a del β-amiloide
peptide (Fig.2.7)
2
si nota la presenza di due regioni idrofiliche, una nell’ammino-
terminale (residui 1-16) ed una nella parte centrale del peptide (residui 22-28),
e di una regione altamente idrofobica nella parte carbossi-terminale del peptide
(residui 29-42).
2
La scala utilizzata ` e quella di Doolittle &Kyte. Valori negativi indicano amminoacidi idrofilici
e valori positivi amminoacidi idrofobici [36].
33
La malattia di Alzheimer
Come abbiamo detto in precedenza Aβ ` e il componente fondamentale delle
fibrille amiloidi. Attraverso studi effettuati usando tecniche NMR [37], ` e sta-
to visto che le proteine all’interno delle fibrille assumono struttura secondaria a
β-foglietto (Fig.2.8), in cui lo scheletro di ciascun polipeptide disposto perpendi-
colarmente all’asse maggiore della fibrilla stessa (struttura β-cross).
Figura 2.8: Struttura 3D delle fibrille amiloidi
Alcuni autori sostengono che la capacit` a di formare fibrille sia, in opportune
condizione, una caratteristica comune alla maggior parte delle proteine (proba-
bilmente tutte) e non solo propria di quelle ritrovate negli aggregati amiloidi. E’
stato ipotizzato che l’aggregazione proteica sia una via alternativa al ripiegamento
fisiologico delle proteine, in cui sono favorite le interazioni intermolecolari tra gli
scheletri di proteine diverse, piuttosto che quelle intramolecolari [38].
I processi molecolari e termodinamici alla base del processo di fibrillogen-
esi sono ancora molto dibattuti. Una tappa fondamentale del processo sembra
essere rappresentata dalla destabilizzazione della struttura nativa della proteina
(misfolding), con conseguente raggiungimento di una conformazione parzialmente
denaturata (intermedio amiloidogenico). Una conformazione di questo tipo ` e pi ` u
flessibile e, probabilmente, rende possibili specifiche interazioni intermolecolari,
come le interazioni idrofobiche ed elettrostatiche o i legami idrogeno, che sono
necessari per l’oligomerizzazione e la fibrillogenesi (Fig.2.9). I peptidi Aβ non
possiedono una conformazione nativa strutturata e, quindi, presentano un’alta per-
34
2.3 Il peptide β-amiloide
centuale di random coil. Il primo passo verso la fibrillogenesi, in questo caso, ` e
rappresentato da un parziale folding durante il quale la struttura secondaria passa
da una struttura prevalentemente random coil a prevalentemente β-sheet.
Figura 2.9: Oligomerizzazione e fibrillogenesi
Studi cinetici e strutturali hanno dimostrato l’esistenza di un intermedio re-
lativamente stabile che si origina dai “nuclei”
3
: la protofibrilla. Le protofibrille
appaiono leggermente ricurve quando vengono osservate al microscopio elettro-
nico, hanno un diametro di 4-10 nm e una lunghezza che raggiunge i 200 nm circa
[39].
Alcune misure hanno permesso di rivelare che il processo di aggregazione
dell’Aβ avvenga attraverso la formazione di una serie di intermedi oligomerici
a breve tempo di vita che si formano nel periodo in cui il livello dei monomeri
decresce parallelamente alla comparsa delle protofibrille. Queste agiscono poi da
fulcro per la formazione delle fibrille mature caratteristiche delle placche senili
(Fig.2.10).
3
I “nuclei” sono delle forme oligomeriche pre-fibrillari che, una volta formati, favoriscono il
processo di aggregazione.
35
La malattia di Alzheimer
Figura 2.10: Processo di formazione delle fibrille
2.4 Ioni metallici e Aβ peptide
Il processo di fibrillogenesi dell’Aβ ` e modulato da diversi fattori tra cui la
presenza di ioni metallici, il pH, la presenza di radicali liberi e anche da modifi-
cazioni chimiche del peptide stesso (per esempio ossidazioni) (Fig.2.11). E’ noto
Figura 2.11: Schema del processo che porta alla formazione delle fibrille
che metalli come zinco, rame e ferro sono presenti nei depositi amiloidi della
malattia di Alzheimer, e che essi sono in grado di indurre l’aggregazione in vitro
del peptide Aβ e la conseguente formazione di fibrille.
Vi sono almeno due generiche reazioni con i metalli che devono essere prese
in considerazione. La prima ` e relativa all’associazione di un metallo ad una pro-
teina che porta a misfolding e/o ad aggregazione proteica. Questa reazione pu` o
coinvolgere ioni metallici non redox come lo Zn
2+
, o metallo redox attivi come il
Cu
2+
e il Fe
3+
[40]. La seconda ` e relativa all’ossidazione proteica che, catalizza-
ta dai metalli, pu` o dar luogo ad un danno proteico o alla denaturazione. Questa
reazione coinvolge solo metalli redox.
36
2.4 Ioni metallici e Aβ peptide
Sono stati riportati risultati contradditori su: i) speciazione, ii) costanti di sta-
bilit` a, iii) siti di legame e ambienti di coordinazione, iv) strutture conformazionali
di metalli del gruppo d con le proteine o con loro frammenti peptidici coinvolti
nell’AD.
Si suppone che l’aggregazione del peptide Aβ sia mediata dall’interazione
con i metalli, e tale ipotesi ` e avvalorata dal fatto che il peptide ha dei siti con alta
affinit` a per gli ioni Zn
2+
e Cu
2+
, ed in misura minore per Fe
3+
.
E’ stato mostrato che lo Zn
2+
ha una capacit` a di promuovere l’aggregazione
maggiore rispetto a tutti gli altri metalli [41]. Sono stati condotti numerosi stu-
di usando varie tecniche sperimentali. Alcuni di essi hanno mostrato un possi-
bile coinvolgimento dello ione Zn
2+
nel processo di polimerizzazione. I model-
li proposti hanno mostrato che lo Zn
2+
` e alternativamente coinvolto in legami
intermolecolari [42] e intramolecolari [43].
Studi recenti [43] hanno identificato il frammento minimo coinvolto nel lega-
me col metallo, che risulta essere il frammento Aβ
1−16
, la cui sequenza ` e:
DAEF RHDS GYEV HHQL
Studi NMR [44] hanno permesso di costruire un possibile modello strutturale
per il complesso Zn
2+
-Aβ
1−16
(Fig.2.12), in cui lo ione metallico ` e tetracoordi-
nato da quattro atomi appartenenti a quattro amminoacidi differenti: Nδ
1
(His-6),

2
(His-13), Nδ
1
(His-14), ed Oε
1
(Glu-11). Questo motivo strutturale ` e stato gi` a
identificato precedentemente su piccoli peptidi, in cui si vede come lo ione metal-
lico assume un ruolo fondamentale per la struttura proteica. Alcuni studi hanno
suggerito come possibile ligando dello ione metallico l’amminoacido Tyr-10.
Alcuni risultati sperimentali, effettuati monitorando il grado di avanzamento
della malattia utilizzando come indicatore il MMSE, hanno evidenziato (Fig.2.13)
una significativa correlazione tra il livello di zinco nel sangue e il ritmo di peggio-
37
La malattia di Alzheimer
Figura 2.12: Struttura del complesso Zn
2+
-Aβ
1−16
ramento dell’AD, che ha trovato corrispondenza, e spiegazione, nella facilit` a con
cui questo metallo induce in vitro l’aggregazione del peptide amiloide.
Studi recenti [45], effettuati confrontando il peptide umano e quello di ratto,
hanno portato alla luce il fatto che quest’ultimo, pur presentando una sequenza
identica tranne che per tre amminoacidi (Arg-5→ Gly, Tyr-10→ Phe, His-13→
Arg) mostra propriet` a diverse. Infatti l’Aβ del ratto lega lo zinco con affinit` a
molto minore di quello umano ed ` e meno soggetto ad aggregazione, inoltre nel
ratto non si sviluppano depositi amiloidi cerebrali.
Figura 2.13: Andamento temporale dello stato cognitivo di 33 pazienti con diagnosi di probabile
AD
38
Capitolo 3
Dinamica molecolare
Anche il pi ` u complesso dei sistemi biologici non ` e altro che un sistema fisi-
co, composto da atomi, e deve pertanto poter essere analizzato con gli strumen-
ti della fisica. In particolare, il sistema deve essere descritto da una Hamilto-
niana, che a rigore dovrebbe essere trattata in modo quantistico che permetta di
determinarne tutte le propriet` a chimico-fisiche. Tuttavia la soluzione esatta del-
l’equazione di Schr¨ oedinger ` e impensabile gi` a per sistemi molto semplici come
le piccole molecole e in genere ` e sempre necessario adottare approssimazioni
empiriche, giustificate a posteriori solo dalla bont` a dei risultati raggiunti. Tutto
questo ` e a maggior ragione vero per un sistema biologico come una proteina, che
` e un insieme di decine di migliaia di atomi. Quindi nel caso in cui si abbia a che
fare con sistemi composti da un numero elevato di atomi, l’approccio quantistico
non ` e pi ` u computazionalmente praticabile, e si ricorre a tecniche alternative, come
la dinamica molecolare classica. Questa tecnica permette di esplorare lo spazio
delle fasi di un sistema nell’ensemble microcanonico.
40
3.1 Teoria
3.1 Teoria
Lo stato all’istante t
n
di un sistema composto da N atomi pu` o essere rappre-
sentata da un vettore dello spazio delle fasi a 6N dimensioni:
Γ(r
1
(t
n
), r
2
(t
n
), . . . , r
N
(t
n
); p
1
(t
n
), p
2
(t
n
), . . . , p
N
(t
n
)) (3.1)
Il sistema sar` a descritto dalla Hamiltoniana:
H(¦r
i
¦, ¦p
i
¦) =
N

i=1
¸
p
2
i
2m
i
+V(r
i
)

(3.2)
e la sua evoluzione sar` a governata dalle equazioni di Hamilton per i vettori po-
sizione e momento:
d
dt
r
i
=
∂H(¦r
i
¦, ¦p
i
¦)
p
i
,
d
dt
p
i
=
∂H(¦r
i
¦, ¦p
i
¦)
r
i
; i = 1. . . N (3.3)
Le 3.3 sono 2N equazioni differenziali che, fissate le posizioni e le velocit` a iniziali
possono essere integrate per ottenere le posizioni e le velocit` a del sistema per ogni
tempo t.
Per poter simulare il moto del sistema su un computer ` e inevitabile discretiz-
zare la variabile temporale, pertanto ` e necessario decidere a priori un passo ∆t
(timestep) che scandisce la simulazione. E’ chiaro che per avere una dinamica
accettabile il timestep deve essere inferiore al pi ` u piccolo tempo caratteristico del
sistema. Durante l’evoluzione temporale, il sistema ` e soggetto a moti periodici
che si svolgono con frequenze differenti, per esempio i moti vibrazionali degli
atomi nelle molecole, i moti rotazionali nelle molecole, ecc. Le frequenze pi ` u ve-
loci sono quelle dovute alle oscillazioni di un legame tra atomi leggeri (per esem-
pio l’idrogeno), ed i tempi di oscillazione sono dell’ordine di ∆t
1
∼ 10
−15
sec.
Per ottenere risposte ragionevoli, per esempio nel caso delle proteine osservare
possibili cambiamenti conformazionali, dobbiamo anche poter integrare sulle fre-
quenze pi ` u lente, che sono quelle inter-molecolari, il cui tempo caratteristico ` e
41
Dinamica molecolare
dell’ordine di ∆t
0
∼ 10
−9
sec. Supponiamo di avere a disposizione un algoritmo
che ad ogni passo integri le equazioni di Hamilton per un intervallo temporale ∆t
1
.
Per poter integrare ragionevolmente bene i moti lenti, ` e necessario considerare un
tempo totale d’evoluzione almeno dell’ordine di ∆t ∼ 10
2
∆t
0
= 10
8
∆t
1
. Questo
richiederebbe lo svolgimento di 10
8
passi e ciascun passo richiede circa 10
2
ope-
razioni in doppia precisione per ogni atomo. Inoltre il numero totale di operazioni
cresce come il quadrato del numero di atomi a causa della presenza del potenziale
inter-molecolare. Considerando un sistema composto da 10
4
atomi, otteniamo
che il budget computazionale richiesto per ottenere una soluzione del problema su
tempi dell’ordine di t ` e:
budget computazionale = 10
2
(10
4
)
2
10
8
= 10
18
operazioni (3.4)
E’ chiaro che non ` e possibile procedere in questo modo, poich´ e il numero di ope-
razioni richiesto ` e eccessivo per qualunque calcolatore. Esistono vari approcci
alla risoluzione di tale problema, il pi` u raffinato ` e l’algoritmo di Multiple Time
Step [46], che permette di disaccoppiare i moti veloci da quelli lenti, consentendo
di integrare, con passi differenti, gradi di libert` a che corrispondono a frequenze
differenti, permettendoci cos`ı di velocizzare i tempi di calcolo integrando in modo
appropriato le varie componenti del potenziale. Per prima cosa osserviamo che,
formalmente, la soluzione delle equazioni di Hamilton pu` o scriversi nella forma:
Γ(t) =U(t)Γ(0) (3.5)
dove U(t) ` e l’ operatore di evoluzione temporale, definito dall’equazione:
U(t) = e
iLt



k=0
1
k!
(iLt)
k
(3.6)
e dove:
iL =
N

i=1
¸
d
dt
r
i

∂r
i

∂V
∂r
i

∂p
i

(3.7)
42
3.1 Teoria
Introduciamo il propagatore elementare:
G(∆t
0
) = e
iL∆t
0
(3.8)
in termini del quale possiamo riscrivere l’operatore di evoluzione temporale come:
U(t) = [G(∆t
0
)]
p
0
(3.9)
dove abbiamo posto t = p
0
∆t
0
. Dunque p
0
` e il numero totale dei passi che si
devono effettuare per integrare le equazioni del moto, se ciascun passo evolve
la dinamica per il tempo caratteristico dei moti lenti. A questo punto conviene
suddividere l’operatore differenziale 3.7 in una parte lenta ed una veloce:
iL = iL
F
+iL
s
(3.10)
Utilizzando la formula di Campbell-Baker-Hausdorff (C.B.H.) nella versione di
Trotter [48], possiamo sviluppare il propagatore elementare nel seguente modo:
G(∆t
0
) = e
i(L
F
+L
s
)∆t
0
= e
i
∆t
0
2
L
S
e
iL
F
∆t
0
e
i
∆t
0
2
L
S
+O(∆t
3
0
) (3.11)
Nel termine veloce possiamo separare la parte cinetica da quella potenziale, ed
utilizzando nuovamente la formula di Trotter, otteniamo, trascurando i termini di
ordini superiore al secondo, la seguente equazione per Γ(t):
Γ(t) = [G(∆t
0
)]
p
0
Γ(0) ·
¸
e
i
∆t
0
2
L
S

e
i
∆t
1
2
V
F
e
iK
c
∆t
1
e
i
∆t
1
2
V
F

p
1
e
i
∆t
0
2
L
S

p
0
Γ(0) (3.12)
dove abbiamo posto ∆t
0
= p
1
∆t
1
. La formula 3.11 consente di effettuare l’ag-
giornamento dei gradi di libert` a che corrispondono ai moti veloci tenendo fissi
quelli che invece corrispondono ai moti lenti. Inoltre si vede che per ogni passo
che viene effettuato sui moti lenti, se ne effettuano p
1
su quelli veloci. In questo
modo ` e possibile realizzare concretamente e rigorosamente la separazione tra i
moti lenti e quelli veloci ed integrare meno frequentemente quelli che richedono
un maggior costo computazionale.
43
Dinamica molecolare
Sebbene la 3.12 definisca in modo chiaro la procedura di aggiornamento delle
coordinate e dei momenti delle particelle del sistema, essa risulta poco utile dal
punto di vista computazionale. Consideriamo l’operatore d’evoluzione s`ı fatto:
e
i(L
1
+L
2
)∆t
= e
i
∆t
2
L
1
e
iL
2
∆t
e
i
∆t
2
L
1
+O(∆t
3
) (3.13)
dove:
iL
1
=

F(q)

∂p
, iL
2
=
p
m

∂q
(3.14)
ed in cui abbiamo definito:

F(q) =−∇V(q) (3.15)
Applichiamo tale operatore su una funzione generica f (q(t), p(t)) servendoci
della formula elementare:
e
c
d
dx
f (x) = f (x +c) (3.16)
Applichiamo adesso in successione i tre operatori che compaiono nell’ultimo
membro della 3.12, partendo da quello pi` u a destra. Otteniamo:
e
i
∆t
2
L
1
f (q(t),p(t)) = f

q(t),p(t) +
∆t
2

F(q(t))

(3.17)
e
iL
2

e
i
∆t
2
L
1
f (q(t),p(t)) = f

q(t) +
∆t
m
,p(t) +
∆t
2

F

q(t) +
∆t
m
p(t)

(3.18)
e
i
∆t
2
L
1
e
iL
2

e
i
∆t
2
L
1
f (q(t),p(t)) = f

q(t) +
∆t
m

p(t) +
∆t
2

F(q(t))

,p(t)+
+
∆t
2

F(q(t)) +
∆t
2

F

q(t) +
∆t
m

p(t)+
+
∆t
2

F(q(t))
¸
(3.19)
Se effettuiamo l’aggiornamento delle coordinate e degli impulsi secondo le re-
lazioni:
q(t) →q(t +∆t) =q(t) +
∆t
m
¸
p(t) +
∆t
2

F(q(t))

(3.20)
p(t) →p(t +∆t) =p(t) +
∆t
m

F(q(t)) +

F(q(t +∆t))

(3.21)
44
3.2 Force field
possiamo rendere la 3.16 in una forma assai pi` u semplice.
Le leggi di trasformazione 3.19 e 3.20 definiscono l’algoritmo di Verlet [49],
che non coincidono con le soluzioni delle equazioni di Hamilton, poich´ e nell’e-
spansione C.B.H. si trascurano i termini di ordine superiore al secondo. Quindi
l’evoluzione dinamica del sistema fatta secondo l’algoritmo di Verlet ` e diversa
dall’evoluzione newtoniana. Nonostante ci` o le formule 3.19 e 3.20 definiscono
una trasformazione canonica, che come tale conserva l’energia e quindi consente
l’esplorazione dello spazio delle fasi nell’ensemble microcanonico [50].
3.2 Force field
Nella 3.2 abbiamo assunto che il potenziale non dipenda dagli impulsi, cio` e
che non ci sia attrito tra i vari componenti del sistema. L’approccio della dinamica
molecolare consiste nello studiare sistemi di atomi immaginati come punti mate-
riali soggetti ad un potenziale efficace di interazione da determinare fenomeno-
logicamente. A partire da questo si costruisce il campo di forze che determina
il moto degli atomi (force field (ff)). Per rendere questo processo pi` u semplice
si considerano come gradi di libert` a quei parametri fisici che sappiamo essere
particolarmente importanti nei legami molecolari, e la cui variazione influisce in
maniera consistente sull’energia del sistema: come per esempio le lunghezze di
legame, gli angoli di legame e gli angoli di torsione. Il potenziale effettivo espres-
so in queste variabili ha una forma semplice e i vari termini che lo compongono
possono essere facilmente confrontati con gli esperimenti. Limitarsi ai gradi di
libert` a detti e considerare la struttura interna delle molecole rigida (legami), per-
mette di descrivere comunque una larga parte dello spazio delle configurazioni, e
poich´ e i termini coinvolgono solo pochi atomi, e non strutture pi ` u complesse, pos-
sono essere utilizzati per tutti i tipi di molecole che coinvolgano lo stesso tipo di
45
Dinamica molecolare
atomi. Questo ` e particolarmente vantaggioso nel caso delle molecole biologiche,
che coinvolgono un numero limitato di atomi, essenzialmente solo H, C, N, O,
S. Bisogna per` o tenere conto che un atomo di ossigeno in un gruppo carbossile
si comporta in modo differente da un atomo di ossigeno di un gruppo idrossile
e perci ` o ai fini della parametrizzazione vanno considerati come specie differenti
[49]. Inoltre bisogna considerare che le molecole biologiche sono composte da un
numero elevato di atomi ed inoltre bisogna studiarle in presenza dell’acqua, e ci` o
le rende un sistema non banale da studiare.
Vediamo ora brevemente quali sono gli aspetti importanti nel parametrizzare
l’interazione tra gli atomi delle molecole biologiche, sia nel caso di bonded inter-
actions, ovvero di interazioni covalenti, sia nel caso di non bonded interactions,
interazioni non covalenti.
Parametrizzazione delle interazioni covalenti
Nell’approccio classico caso i legami chimici sono parametrizzati con i seguen-
ti potenziali empirici. Nella Fig.3.1 ` e rappresentato il primo dei gradi di libert` a
preso in considerazione dall’approccio classico alla dinamica molecolare, il lega-
me chimico;
Figura 3.1: Lunghezza di legame
• Se la simulazione non coinvolge reazioni chimiche ed ` e effettuata vicino
alla temperatura ambiente allora la distanza interatomica sar` a vicina al suo
valore di equilibrio e si potr` a approssimare l’energia di stretching di un
legame b
i
come:
E
b
i
(r
i
) = k
(2)
(r
i
−b
0
)
2
+k
(3)
(r
i
−b
0
) +. . . (3.22)
46
3.2 Force field
dove b
0
` e la lunghezza di legame, cio` e la distanza di equilibrio tra due atomi
legati da un legame covalente. Nella maggior parte dei programmi di dina-
mica molecolare si tronca la serie all’ordine pi` u basso (armonico), in quanto
le oscillazioni con alte frequenze (τ ·1f s) sono sostanzialmente disaccop-
piate dai movimenti pi ` u lenti che si vogliono studiare (folding, cambiamenti
conformazionali, ecc.), per i quali le distanze di legame restano sostanzial-
mente vicino ai valori di equilibrio. Sotto queste ipotesi il potenziale speri-
mentato da un atomo che si sposta lungo la direzione di un legame chimico
` e dato da:
V
b
(r
i j
) =
1
2
k
b,i j
(r
i j
−b
0,i j
) (3.23)
I parametri k
b,i j
e b
0,i j
rappresentano, rispettivamente, una costante elastica
fenomenologica che ` e un indice della forza del legame, e la lunghezza a
riposo del legame stesso. Questi parametri possono essere calcolati in vari
modi, per esempio utilizzando simulazioni ab initio. Qualora si volessero
considerare oscillazioni di ampiezza particolarmente elevata si possono uti-
lizzare anche i termini anarmonici, tuttavia si hanno migliori risultati con
forme funzionali differenti, come ad esempio il potenziale di Morse:
V
Morse
(r
i j
) = D
i j

1−exp[−β
i j
(r
i j
−b
0,i j
)]
¸
2
(3.24)
• Un altro grado di libert` a di cui si tiene generalmente conto nei program-
mi di dinamica molecolare ` e l’angolo di legame che parametrizza (Fig.3.2)
parte della direzionalit` a del legame covalente; nelle stesse ipotesi di sopra
Figura 3.2: Angolo di legame
47
Dinamica molecolare
si pu` o pensare che anche l’angolo di legame rester` a vicino al suo valore di
equilibrio, ed ` e pertanto possibile sviluppare anche questo termine in serie.
Fermandosi nuovamente all’ordine pi` u basso si ha un contributo:
V
θ

i jk
) =
1
2
k
θ,i jk

θ
i jk
−θ
0,i jk

2
(3.25)
Questo ` e il potenziale sperimentato da un atomo che, muovendosi, deforma
l’angolo tra due legami, dove il parametro k
θ,i jk
rappresenta una costante
fenomenologica che esprime la resistenza che la molecola oppone alla de-
formazione dell’angolo θ
0,i jk
che rappresenta il valore a riposo dell’angolo.
• Infine si tiene conto anche dell’angolo torsionale (Fig.3.3) ovvero della tor-
Figura 3.3: Angolo dietro torsionale
sione attorno ad un legame rispetto alla posizione d’equilibrio. In questo
caso le energie in gioco sono molto pi ` u piccole. D’altra parte per inda-
gare i cambiamenti conformazionali ` e necessario consentire piena libert` a di
rotazione intorno ai legami essenziali per consentire ad esempio il ripiega-
mento del backbone o il movimento delle catene laterali. Non ` e pertanto
pi ` u possibile troncare l’espansione al primo ordine rilevante nella serie di
Taylor, come fatto in precedenza, ed ` e necessario trovare un’altra forma
funzionale. Il potenziale deve essere periodico nell’angolo di torsione Φ
con periodo 2π e inoltre deve essere simmetrico intorno ai punti Φ=0, π in
quanto per tali valori dell’angolo di torsione i quattro atomi sono coplanari.
Si procede pertanto con una espansione in coseni:
E
Φ
(¦Φ
i
¦) =

dietri

k
(1)
Φ,i
(1−cosΦ
i
) +k
(2)
Φ,i
(1−cos2Φ
i
) +. . .

(3.26)
48
3.2 Force field
Force field differenti troncano la serie 3.25 ad ordini differenti; un buon
compromesso tra accuratezza e pesantezza computazionale ` e il terzo ordine.
La forma di potenziale pi ` u usata ` e nota come Ryckaert-Bellemans ed ` e la
seguente:
V
RB

i jkl
) =
5

n=0
C
n
[cos(Ψ)]
n
dove Ψ=Φ−180 (3.27)
Questo potenziale descrive la resistenza della molecola a possibili torsioni,
dove C
n
` e una costante fenomenologica che esprime la resistenza della
molecola alla torsione.
Parametrizzazione delle interazioni non covalenti
Tra le interazioni che coinvolgono coppie di atomi a distanza maggiore di tre
legami covalenti, vengono in genere distinte le interazioni coulombiane tra
cariche puntiformi e le rimanenti, che vengono epresse, siano esse di natu-
ra elettrostatica o provenienti da fenomeni quantomeccanici, da un unico
termine.
L’interazione non bonded pu` o essere semplicisticamente schematizzata co-
me la somma di forze attrattive dipolo indotto-dipolo indotto (che scala
come 1/r
6
) e di repulsione delle nuvole elettroniche; per semplicit` a com-
putazionale si assume per tutti gli atomi un’interazione di tipo Van der
Waals, ovvero la stessa che ha luogo tra due atomi di un gas nobile, e si
parametrizza in genere tramite il potenziale di Lennard-Jones (LJ) (Fig.3.4):
V
LJ
(r
i j
) = 4ε
i j
¸

σ
i j
r
i j

12

σ
i j
r
i j

6
¸
(3.28)
ove σ
i j
e ε
i j
sono parametri fisici dipendenti dalla coppia di atomi che de-
terminano rispettivamente la distanza di equilibrio tra i due atomi e la pro-
49
Dinamica molecolare
Figura 3.4: Potenziale di Lennard-Jones
fondit` a della buca di potenziale. Essendo questo un potenziale empirico
sono possibili altre espressioni del termine che scala come 1/r
12
. Il poten-
ziale alla LJ ` e per` o il pi ` u usato, accurato e computazionalmente non molto
pesante.
L’interazione coulombiana ` e invece molto pi ` u difficile da trattare: le forze
elettrostatiche sono infatti a lungo raggio (∝ 1/r), il che richiederebbe di
far interagire tutte le possibili coppie di atomi. La natura diffusa della nu-
vola elettronica rende difficile una trattazione esaustiva della componente
coulombiana. Ci` o che si fa in genere ` e mettere una carica puntiforme su
ciascun atomo, riscalata in modo da tenere conto della presenza della nuvola
elettronica. Il potenziale di interazione ` e allora:
V
C
(r
i j
) =
1
4πε
0
q
i
q
j
ε
r
r
i j
(3.29)
Come si vede il computo delle interazioni coulombiane scala come N
2
, con
N numero di atomi del sistema, ed ` e perci ` o computazionalmente molto pe-
sante. Questo problema pu` o essere affrontato aggiungendo un cut-off sferi-
co, cio` e trascurando le interazioni al di sopra di una certa distanza. Questo
genera situazioni non fisiche, e pertanto si preferisce adottare soluzioni pi ` u
raffinate; una in particolare ` e la somma di Ewald [51]. Si parte da un insieme
50
3.2 Force field
di cariche puntiformi in una scatola di lato L, con condizioni periodiche al
contorno (vedi Appendice B). La somma v` a dunque riscritta tenendo conto
delle cariche ripetute:
V =
1
4πε
0
1
2

n

N

i
N

j
q
i
q
j
r
i j,n
(3.30)
doven = (n
x
, n
y
, n
z
) e il simbolo ∗ indica che il termine con i = j deve essere
omesso quandon = 0. Tuttavia non ` e facile valutare questa somma, a causa
del lungo range delle interazioni coulombiane tra cariche puntiformi.
La situazione sarebbe molto pi ` u semplice se invece di cariche puntifor-
mi avessimo cariche schermate, ovvero circondate da una nuvola di carica
di segno opposto che riduce il range delle interazioni (ad esempio scher-
mando il contributo di monopolo). E’ possibile simulare questa situazione
riscrivendo:
1
r
=
er f c(βr)
r
+
1−er f c(βr)
r
(3.31)
La funzione er f c(βr) (complementare dell’integrale di una gaussiana) for-
nisce un taglio al potenziale sulla lunga distanza determinato dal parametro
β e permette cos`ı di separare la parte a corto range del potenziale da quella
a lungo range (Fig.3.5). Il potenziale a questo punto ` e scritto come somma
di due parti, e il secondo addendo, che rappresenta il contributo della nuvola
Figura 3.5: Decadimento esponenziale della er f c(βr)
51
Dinamica molecolare
elettronica con cui abbiamo schermato le cariche, contiene la componente
a lungo range del potenziale. Si potrebbe pensare che il problema ` e stato
solo spostato su questo secondo addendo; tuttavia la nuvola di carica che ` e
stata aggiunta ` e una funzione liscia (al contrario della distribuzione inizia-
le di cariche puntiformi) e periodica, e pu` o essere sommata facilmente in
trasformata di Fourier. L’efficienza del metodo ` e O(N
3/2
); esistono metodi
pi ` u efficienti, come il Particle Mesh Ewald (PME) [52, 53] che discretiz-
za le cariche su una griglia e sfrutta la Fast Fourier Transform (FFT), che
raggiungono un’efficienza O(NlogN).
3.3 Gli ensemble statistici
Un ensemble statistico ` e determinato una volta che sia stata assegnata una
densit` a di probabilit` a ρ(q, p) nello spazio delle fasi. La media di ensemble di
una osservabile A(¦q¦, ¦p¦) ` e calcolata integrando su tutto lo spazio delle fasi
accessibile Ω:
'A` =


A(¦q¦, ¦p¦)ρ(¦q¦, ¦p¦)dt (3.32)
e corrisponde al valor medio calcolato su un numero molto grande di sistemi
estratti con probabilit` a ρ [54]. Lo scopo dell’algoritmo di dinamica molecolare ` e
ottenere una sequenza temporale di configurazioni q(t), p(t) su cui misurare una
media temporale:
¯
A ≡ lim
T→∞
1
T

T
0
A(¦q(t)¦, ¦p(t)¦)dt (3.33)
dove T ` e il tempo totale della simulazione. Ovviamente con tempo infinito si
intende un tempo molto maggiore dei tempi di rilassamento tipici del fenomeno
che si sta studiando.
A priori non ` e assicurato che le due medie (3.32) e (3.33) siano uguali. Si
pu` o per` o verificare che la media temporale (3.33) converge asintoticamente alla
52
3.3 Gli ensemble statistici
(3.32) per t →∞. Perch` e ci ` o avvenga ` e necessario che siano verificate due ipotesi
fondamentali:
1. Le distribuzioni di equilibrio sono corrette e stazionarie, cio` e deve valere il
teorema di Liouville:
∂(¦q(t)¦, ¦p(t)¦)
∂t
=−
N

i=1
∂( ˙ q
i
ρ(¦q, p¦))
∂q
i
= 0 (3.34)
Questo significa che la dinamica va costruita ad hoc per riprodurre le giuste
probabilit` a.
2. La dinamica del sistema ` e ergodica, ovvero c’` e una probabilit` a non nulla di
raggiungere qualunque configurazione accessibile dello spazio delle confi-
gurazioni in un tempo finito. Questa condizione va verificata caso per caso
ed ` e in genere molto difficile da dimostrare.
Una volta soddisfatte queste due condizioni possiamo simulare un sistema tramite
una opportuna dinamica e misurare le propriet` a medie lungo la simulazione. Ve-
diamo ora quali dinamiche sono state sviluppate per riprodurre ensemble di parti-
colare interesse.
L’ensemble microcanonico
L’ensemble microcanonico ` e definito da:
ρ(¦q¦, ¦p¦) ∝ δ

H(¦q¦, ¦p¦) −E

(3.35)
che corrisponde a un sistema in cui l’energia E ` e costante e tutte le configurazioni
con tale energia sono equiprobabili. Il numero delle particelle N ` e fisso e il volume
V ` e costante, perci` o questo ensemble ` e detto anche NVE. La temperatura e la
pressione sono invece libere di variare, e costituiscono due osservabili del sistema.
Integrare le equazioni del moto con l’algoritmo di Verlet, visto in precedenza,
53
Dinamica molecolare
consente di conservare (approssimativamente, come si ` e visto) l’energia e pu` o
dunque essere utilizzato per campionare questo insieme statistico.
L’ensemble microcanonico descrive solo sistemi isolati e non ` e perci` o molto
interessante, se non come base per altri ensemble.
L’ensemble canonico
L’ensemble canonico riproduce la condizione di temperatura costante ed ` e
definito dalla densit` a di probabilit` a:
ρ(q, p) ∝ exp

−βH(q, p)

ove β = (k
B
T)
−1
(3.36)
Il numero delle particelle e il volume sono mantenuti costanti, e l’insieme ` e anche
detto NVT. Questo insieme statistico ` e per noi di fondamentale importanza in
quanto nei sistemi biologici la temperatura ` e nella maggior parte dei casi la varia-
bile principale su cui si ha un controllo, e se si vuole studiare il funzionamento di
una molecola biologica in un organismo si avr` a temperatura circa costante. Come
visto, integrando le equazioni del moto tramite l’algoritmo di Verlet si ottiene un
ensemble microcanonico, e dunque ` e necessario sviluppare una nuova dinamica
che descriva l’interazione del sistema con il reservoir termodinamico. Vedremo
qui di seguito alcuni degli algoritmi che sono stati sviluppati a tal scopo.
I termostati
I termostati in dinamica molecolare sono tecniche che cercano di imporre
correttamente le condizioni termodinamiche al sistema simulato.
Nel primo metodo, introdotto da Woodcock [55], le velocit` a scalano in accor-
do alla seguente formula:
p
i

T
0
T
p
i
(3.37)
54
3.3 Gli ensemble statistici
dove T
0
` e la temperatura di riferimento e T la temperatura effettiva, calcolata
per mezzo delle velocit` a delle particelle. Questo tipo di termostati prendono il
nome di termostati differenziali. Questo metodo porta a discontinuit` a nella parte
legata al momento della traiettoria nello spazio delle fasi dovuta alla procedura di
riscalamento.
Un altro tipo di termostati sono quelli proporzionali, che provano a correggere
le deviazioni della temperatura reale T dalla temperatura di riferimento T
0
molti-
plicando le velocit` a per un fattore λ allo scopo di muovere il sistema dinamico
verso la corrispondente T
0
. La differenza rispetto a quelli differenziali ` e che il
metodo tiene conto delle fluttuazioni della temperatura, che non viene quindi fis-
sata ad un valore costante. In ogni step di integrazione ` e assicurato che la T viene
corretta ad un valore pi` u vicino a T
0
. Un termostato di questo tipo ` e stato proposto
da Berendsen et al. [56], che hanno introdotto il metodo del debole accoppiamento
ad una riserva esterna. Il termostato a debole accoppiamento minimizza i disturbi
locali di un termostato stocastico, che vedremo tra poco, mantenendo invariati gli
effetti globali. Questo porta ad una modifica del momento:
p
i
→λp
i
(3.38)
dove:
λ =
¸
1+
δt
τ
T

T
0
T
−1
1
2
(3.39)
La costante τ
T
` e la costante di accoppiamento temporale che determina la scala
temporale entro la quale la temperatura desiderata ` e raggiunta. E’ semplice mo-
strare che il termostato proporzionale ha una distribuzione maxwelliana.
Un’altra categoria di termostati sono quelli stocastici, in cui tutti o un sottoin-
sieme di gradi di libert` a del sistema sono soggetti a collisioni con particelle vir-
tuali. Questo metodo pu` o essere simulato per mezzo di un equazione differenziale
stocastica di Langevin che descrive il moto di una particella dovuto all’agitazione
55
Dinamica molecolare
termica di un bagno termico, cio` e:
∂p
i
∂t
=−
∂U
∂q
i
−γp
i
+

F
+
(3.40)
dove γ ` e una costante d’attrito ed

F
+
una forza gaussiana random. L’ampiezza di

F
+
` e determinata dal teorema di fluttuazione e dissipazione:
'

F
+
i
(t
1
)

F
+
j
(t
2
)` = 2γk
B

i j
δ(t
1
−t
2
) (3.41)
Un valore pi` u grande di γ incrementer` a le fluttuazioni termiche, mentre γ = 0
porta all’ensemble microcanonico. E’ stato dimostrato che il termostato stocastico
genera una funzione di distribuzione canonica.
Infine, i termostati integrali, che sono spesso chiamati metodo dei sistemi este-
si, che introducono un grado di libert` a aggiuntivo nei sistemi di Hamilton che
deriviamo per ricavare la dinamica del sistema. Queste nuove equazioni sono in-
tegrate in linea con le equazioni per le coordinate spaziali e i momenti. L’idea di
questo metodo, proposto da Nos´ e [57], ` e di ridurre l’effetto di un sistema esterno,
che agisce come bagno termico per mantenere la temperatura del sistema costante,
ad aggiungere un grado di libert` a. Le interazioni termiche tra un bagno termico
e il sistema risultano in un cambiamento dell’energia cinetica, cio` e, delle velocit` a
delle particelle nel sistema. Nos´ e introdusse due set di variabili: reali e virtuali. Le
variabili virtuali sono derivate in modo consistente attraverso una trasformazione
di Sundman dτ/dt = s, dove τ ` e un tempo virtuale e s ` e un fattore di scala, che
` e trattato come una variabile dinamica. La trasformazione da variabili virtuali a
reali ` e allora effettuata cos`ı:
p
i

i
s , q
i

i
(3.42)
L’introduzione della massa effettiva, M
s
, connette anche un momento all’addizio-
nale grado di libert` a, π
s
. L’Hamiltoniana risultante, espressa in coordinate virtuali
56
3.3 Gli ensemble statistici
` e:
H

=
N

i=1
π
2
i
2m
i
s
2
+U(ρ) +
π
2
s
2M
s
+gk
B
T lns (3.43)
dove g = 3N +1 ` e il numero di gradi di libert` a (sistema di N particelle libere).
L’Hamiltoniana su scritta conduce ad una densit` a di probabilit` a nello spazio delle
fasi, corrispondente all’ensemble canonico.
Le equazioni del moto estratte da questa hamiltoniana sono:
∂ρ
i
∂τ
=
π
i
s
2
(3.44)
∂π
i
∂τ
=
∂U(ρ)
∂ρ
i
(3.45)
∂s
∂τ
=
π
s
M
s
(3.46)
∂π
s
∂τ
=
1
s
3
N

i=1
π
2
i
m
i

gk
B
T
s
(3.47)
Se si trasformano queste equazioni in variabili reali, si trova [58] che possono
essere semplificate introducendo la nuova variabile ζ =∂s/∂t = sp
s
/M
s
(dove p
s
` e il momento reale connesso alla riserva di calore), ottenendo:
∂q
i
∂t
=
p
i
m
i
(3.48)
∂p
i
∂t
=−
∂U(q)
∂q
i
−ζp
i
(3.49)
∂ lns
∂t
= ζ (3.50)
∂ζ
∂t
=
1
M
s

N

i=1
p
2
i
m
i
−gk
B
T

(3.51)
Queste equazioni descrivono i cosiddetti termostati di Nos´ e-Hoover.
57
Dinamica molecolare
I barostati
In una simulazione di dinamica molecolare per mantenere sotto controllo la
pressione ` e necessario che siano consentite variazioni di volume. Un semplice
modello per un sistema a pressione costante potrebbe essere rappresentato da un
box le cui pareti sono accoppiate ad un pistone che controlla la pressione.
Come gi` a visto per i termostati, anche per i barostati esistono quattro tipologie:
differenziali, stocastici, proporzionali e integrali. Il metodo differenziale, tuttavia,
non sar` a discusso perch´ e il suo utilizzo ` e impedito da problemi legati alla corretta
definizione della pressione iniziale.
Il barostato proporzionale, che ` e associato alla cinetica delle particelle, ` e stato
introdotto come un estensione per l’equazione sui momenti. Poich´ e il barosta-
to agisce sui cambiamenti di volume, che possono essere espressi attraverso un
riscalamento delle posizioni delle particelle, un’estensione fenomenologica per
l’equazione dell’evoluzione delle coordinate pu` o essere formulata in questo modo
[56]:
∂q
i
∂t
=
p
i
m
i
+αq
i
(3.52)
Mentre il cambiamento in volume ` e postulato come:
˙
V = 3αV (3.53)
Un cambiamento nella pressione ` e legato alla compressibilit` a isoterma κ
T
:
dP
dt
=−
1
κ
T
V
∂V
∂t
=−

κ
T
(3.54)
espressione che pu` o essere approssimata dalla:
(P−P
0
)
τ
P
=−

κ
T
(3.55)
e l’eq.3.52 pu` o essere scritta:
∂q
i
∂t
=
p
i
m
i

κ
T

P
(P
0
−P) (3.56)
58
3.3 Gli ensemble statistici
che corrisponde ad un riscalamento della lunghezza del box L →sL e delle coor-
dinate q →sq con:
s = 1−
κ
T
δt

P
(P
0
−P) (3.57)
La costante di tempo τ
P
` e un tempo di scala caratteristico legato al modo con il
quale la pressione del sistema si avvicina alla pressione imposta P
0
. Esso con-
trolla anche l’intensit` a dell’accoppiamento al barostato e quindi l’ampiezza delle
fluttuazioni volume/pressione.
Per i barostati stocastici il metodo e le equazioni ottenute sono del tutto simili
a quelle gi` a viste nel caso dei termostati stocastici.
I barostati integrali come nel caso dei termostati, introducono un nuovo grado
di libert` a nel sistema di Hamilton che controlla le fluttuazioni associate al volume.
Quest’ultimo metodo fu proposto per la prima volta da Andersen [59]. L’idea ` e
quella di considerare il volume come un grado di libert` a aggiuntivo e scrivere
l’Hamiltoniana in una forma scalata, dove le lunghezze sono espresse in unit` a di
lunghezza del box, quindi:
L =V
1
3
cio` e q
i
= Lρ
i
e p
i
= Lπ
i
(3.58)
Poich´ e L ` e una quantit` a dinamica, il momento non ` e legato in modo semplice alla
derivata temporale delle coordinate ma
∂q
i
∂t
= L
∂ρ
i
∂t

i
∂L
∂t
(3.59)
L’Hamiltoniana estesa del sistema sar` a allora data da:
H

=
1
V
2/3
N

i=1
π
i
2m
i
+U(V
1/3
ρ) +P
ex
V +
π
2
V
2M
V
(3.60)
dove P
ex
` e la pressione esterna imposta e πV ed M
V
sono un momento ed una
massa associate alle fluttuazioni del volume. Le equazioni del moto derivate dalla
Hamiltoniana (3.60) sono
∂ρ
i
∂ t
=
1
V
2/3
π
i
m
i
(3.61)
59
Dinamica molecolare
∂π
i
∂t
=
∂U(V
1/3
ρ
i
)
∂ρ
i
(3.62)
∂V
∂t
=
π
V
M
V
(3.63)
∂π
V
∂t
=
1
3V

1
V
2/3
N

i=1
π
i
m
i
−V
1/3
ρ
i
∂U(q)
∂q
i

(3.64)
Una trasformazione a variabili reali dar` a
∂q
i
∂t
=
p
i
m
i
+
1
3V
∂V
∂t
q
i
(3.65)
∂p
i
∂t
=
∂U(q)
∂q
i

1
3V
∂V
∂t
p
i
(3.66)
∂V
∂t
=
p
V
M
V
(3.67)
∂ p
V
∂t
=
1
3v

1
V
2/3
N

i=1
p
2
i
m
i
−q
i
∂U(q)
∂q
i

−P
ex
(3.68)
Queste ultime equazioni sono state ricavate utilizzando il metodo di Parrinello-
Rahman [60], che assicura che il sistema esplori un ensemble canonico.
3.4 Schematizzazione dell’algoritmo di dinamica
molecolare classica
Concludiamo questo capitolo proponendo uno schema dell’algoritmo di dina-
mica molecolare, considerando anche i possibili vincoli o “constraint” geometrici
(vedi Appendice C) presenti.
Come si vede dalla Fig.3.6 prima di tutto vengono lette le condizioni iniziali
ovvero il ff e le posizioni di tutti gli atomi del sistema. Quindi vengono generate
le velocit` a iniziali per ogni atomo utilizzando una distribuzione di tipo gaussiana
in modo che l’energia cinetica corrisponda ad una data temperatura. Vengono poi
calcolate l’energia cinetica media (quindi la temperatura) e la pressione. Una volta
60
3.4 Schematizzazione dell’algoritmo di dinamica
molecolare classica
noti temperatura e pressione iniziale vengono calcolati i fattori di riscalamento
e/o di attrito associati al termostato e al barostato. A questo punto l’algoritmo
calcola le forze su ogni atomo del sistema risolvendo le equazioni del moto ed
aggiorna prima le velocit` a e poi le coordinate del sistema. Se abbiamo applicato
vincoli geometrici, vengono a questo punto calcolati, e prima le coordinate e poi
le velocit` a vengono corrette e salvate. L’algoritmo termina dopo che ha compiuto
un certo numero di passi.
Figura 3.6: Schema globale dell’algoritmo di dinamica molecolare
61
Capitolo 4
Studio quantistico dei sistemi a molti
corpi
Una proteina ` e composta da un grandissimo numero di particelle, nuclei ed
elettroni, e conseguentemente un suo studio teorico a partire da principi primi,
ossia, senza alcuna parametrizzazione delle equazioni, non pu` o evitare l’utiliz-
zo di approssimazioni. Infatti, in linea di principio, dovremmo risolvere l’e-
quazione di Schr¨ odinger per nuclei ed elettroni simultaneamente. Questo mo-
do esatto di procedere ` e per` o impraticabile. A partire dall’approssimazione di
Born-Oppenheimer, secondo la quale possiamo assumere i nuclei fissi in una da-
ta configurazione (generalmente quella di equilibrio) per poi focalizzare la nostra
attenzione al problema elettronico, esploreremo alcuni approcci utili allo studio
dell’evoluzione dinamica di sistemi a molti corpi.
4.1 Approssimazione di Born-Oppenheimer
Per un sistema costituito da M nuclei e da n elettroni mutuamente interagen-
ti l’Hamiltoniana totale del sistema include: termini di energia cinetica dovuti
63
Studio quantistico dei sistemi a molti corpi
ai nuclei (T
N
) e agli elettroni (T
e
), tutte le interazioni elettrone-elettrone (V
ee
),
elettrone-nucleo (V
eN
) e infine nucleo-nucleo (V
NN
). Se consideriamo solo forze
coulombiane l’espressione dell’Hhamiltoniana (nel limite non relativistico) sar` a:
H
tot
= T
N
+T
e
+V
ee
+V
eN
+V
NN
=
=−

I
¯ h∇
2
I
2M
I


I
¯ h∇
2
I
2m
+
1
2

i=j
e
2
[r
i
−r
j
[
+


i,I
z
I
e
2
[r
i

R
i
[
+

I=J
z
I
z
J
e
2
[

R
i

R
j
[
(4.1)
dove gli indici i, j si riferiscono agli elettroni e gli indici I, J ai nuclei. E’
conveniente separare l’Hamiltoniana nei seguenti termini
H
tot
(r,

R) = T
N
(

R) +T
e
(r) +V(r,

R) (4.2)
dove il termine V(r,

R) rappresenta tutte le possibili interazioni tra le particelle del
sistema. Le variabili che compaiono nell’equazione (4.2) sono variabili multidi-
mensionali:

R ` e una notazione abbreviata per le 3M coordinate nucleari e simil-
menter ` e una notazione abbreviata per tutte le coordinate spaziali e di spin degli
elettroni. L’equazione di Schr¨ odinger del sistema ` e:

T
N
(

R) +T
e
(r)V(r,

R)

Ψ(r,

R) =WΨ(r,

R) (4.3)
Gli autovalori W e le autofunzioni Ψ(r,

R) della (4.3) del sistema combinato
elettroni-nuclei sono detti rispettivamente “energie vibroniche” e “funzioni d’on-
da vibroniche” [61]. Classicamente possiamo visualizzare, nella nostra immagi-
nazione, gli elettroni come minuscole particelle leggere che si muovono rapida-
mente attorno ai pesanti nuclei. Questa visione pittoresca della fisica atomica ci
permette di poter fare intuitivamente un’assunzione molto importante. Sapendo
che la massa nucleare ` e molto pi ` u grande di quella elettronica possiamo trattar-
la come infinita. Cos`ı facendo, l’operatore cinetico nucleare, T
N
nella (4.2), pu` o
64
4.1 Approssimazione di Born-Oppenheimer
essere trascurato e i nuclei possono essere pensati come “congelati” in qualche
assegnata configurazione

R. Possiamo dare una stima dell’errore commesso aven-
do trascurato il termine cinetico nucleare. Consideriamo il caso di una funzione
vibronica costruita a partire da funzioni del tipo φ(r −

R) che rappresentano un
elettrone legato ad un nucleo posto in

R.
Il valore di aspettazione degli operatori ∇
2
R
e ∇
2
r
` e ovviamente identico, quin-
di, l’energia cinetica media dei nuclei ` e dell’ordine m/M ≈ 10
−3
pi ` u piccola che
l’energia cinetica media degli elettroni. Nell’approssimazione di reticolo “fisso”
arriviamo a scrivere la cosiddetta Hamiltoniana elettronica adiabatica H
e
(r;

R).
In questo caso la dipendenza dalle coordinate nucleari ` e solo parametrica. L’e-
quazione agli autovalori per i soli elettroni ` e:
H
e
(r :

R)φ
n
(r;

R) = E
n
(

R)ψ
n
(r;

R) (4.4)
qui sia le funzioni φ
n
(r;

R) che gli autovalori E
n
(

R) dipendono parametricamente
dalle posizioni nucleari. Al variare di

R gli autovalori E
n
(

R) definiscono la cos`ı
chiamata superficie potenziale adiabatica ed i set φ
n
(r;

R) le funzioni d’onda adi-
abatiche elettroniche. Con la presente approssimazione, che va sotto il nome di
approssimazione di Born-Oppenheimer [61], siamo riusciti a separare il problema
elettronico da quello nucleare, cio` e, una volta “congelati” i gradi di libert` a nucle-
ari possiamo risolvere il problema elettronico come se i nuclei fossero fermi. In
un secondo momento si riconsidera il problema nucleare e si vede l’evoluzione
del sistema in base alle nuove energie elettroniche. Il moto nucleare, a seconda
dei casi, pu` o essere trattato sia classicamente che quantisticamente. Supponendo
una superficie adiabatica E
n
(

R) non degenere (ben separata in energia da tutte le
altre), il sistema esplora il fondamentale foglio adiabatico E
0
(

R) e l’equazione
classica del moto nucleare pu` o essere scritta come:
M
I
d
2

R
I
dt
2
=−
∂V
N

R
I

∂E
0

R
I
(4.5)
65
Studio quantistico dei sistemi a molti corpi
Nella (4.5) la forza agente su ciascun nucleo risulta costituita da due termini, uno
proveniente dal potenziale inter-ionico, l’altro legato alla variazione del contri-
buto adiabatico elettronico con le posizioni nucleari, cio` e se si vuole, la forza di
“trascinamento” attraverso la quale agisce la “colla elettronica”. La derivazione
rigorosa della (4.5) nel limite classico costituisce il contenuto del teorema della
forza o di Hellmann-Feynmann [62]. Nel caso in cui si ` e obbligati a fare una
trattazione quantistica del moto nucleare otteniamo:
¸

¯ h
2
2M

2

R
2
+E
n
(

R)
¸
χ(

R) =Wχ(

R) (4.6)
L’approssimazione di Born-Oppenheimer ci permette di ridurre notevolmente lo
sforzo computazionale per risolvere un problema a molti corpi. Come possiamo
apprezzare, l’originario problema accoppiato aveva dimensioni 3(M+n), invece,
separando il moto elettronico da quello nucleare si riduce a due problemi indipen-
denti di dimensione 3n e 3M, rispettivamente per gli elettroni e per i nuclei. Da
questo momento, trascureremo i nuclei che supporremo in una configurazione di
equilibrio, e faremo uno studio dettagliato del solo sistema elettronico:
H
e
(r)ψ
n
(r) = E
n
ψ
n
(r) (4.7)
Trovare e descrivere soluzioni approssimate all’equazione di Schr¨ odinger per gli
elettroni ` e un problema molto complesso. Ci troviamo di fronte ad un nuovo
problema a molti corpi: n fermioni interagenti.
4.2 Problema elettronico
Prima di considerare la forma dell’esatta funzione d’onda per un sistema di
elettroni completamente interagenti, guardiamo al caso pi ` u semplice di N elettroni
66
4.2 Problema elettronico
non interagenti aventi un’Hamiltoniana:
H =
N

i=1
h(i) (4.8)
dove l’operatore h(i) rappresenta l’energia cinetica e l’energia potenziale dell’i-e-
simo elettrone. Qualora trascurassimo l’interazione elettrone-elettrone, l’Hamil-
toniana dell’intero sistema avrebbe esattamente la forma (4.8). In caso contrario,
l’operatore h(i) potrebbe rappresentare un’Hamiltoniana effettiva one-electron
che, in qualche modo, tenga conto dell’effetto di repulsione tra elettroni.
In questo modo l’operatore h(i) avr` a un set ortonormale di autofunzioni che
potremmo considerare un set ortonormale di spin orbitali
¸
χ
j
(x
i
)
¸
, dove la va-
riabile x
i
indica in modo abbreviato le coordinate spaziali e di spin dell’i-esimo
elettrone, soluzione dell’equazione agli autovalori:
h(i)χ
j
(x
i
) = ε
j
χ
j
(x
i
) (4.9)
Poich´ e H ` e la somma di hamiltoniane one-electron, la funzione d’onda ` e il risul-
tato di un semplice prodotto di spin orbitali dei singoli elettroni, cio` e:
Φ(x
1
,x
2
, . . . ,x
N
) = χ
i
(x
1
), χ
j
(x
2
), . . . , χ
k
(x
N
) (4.10)
La (4.10) ` e un’autofunzione dell’Hamiltoniana H, associata all’autovalore E, che
` e la somma delle energie dei singoli spin orbitali che compaiono in Φ, cio` e:
HΦ= EΦ (4.11)
dove
E = ε
i

j
+. . . +ε
k
(4.12)
Una tale funzione d’onda many-electron per la descrizione di un sistema di elet-
troni non interagenti ` e chiamata prodotto di Hartree, in cui il primo elettrone ` e
descritto dallo spin orbitale χ
i
, il secondo elettrone da χ
j
e cos`ı via.
67
Studio quantistico dei sistemi a molti corpi
L’Hamiltoniana elettronica dipende esclusivamente dalle coordinate spaziali
degli elettroni ma, come ` e noto, una giusta descrizione di sistemi fermionici im-
plica una corretta descrizione anche dello spin. La funzione d’onda di un sistema
di fermioni deve obbedire al principio di antisimmetria, ossia, la funzione d’onda
deve essere antisimmetrica rispetto ad uno scambio delle coordinate spaziali e di
spin di due elettroni, cio` e:
Φ(x
1
, . . . ,x
i
, . . . ,x
j
, . . . ,x
N
) =−Φ(x
1
, . . . ,x
j
, . . . ,x
i
, . . . ,x
N
) (4.13)
questo principio ` e l’espressione pi ` u generale del familiare principio di esclusione
di Pauli.
Il prodotto di Hartree non soddisfa il principio di antisimmetria. Il modo cor-
retto, per descrivere la funzione d’onda di un sistema di N fermioni usando gli
spin orbitali χ
j
, ` e di scrivere il prodotto di Hartree in una forma correttamente
antisimmetrizzata:
Φ(x
1
,x
2
, . . . ,x
N
) = (N!)
1/2
N!

n=1
(−1)
p
n
P
n
¦χ
i
(x
1
), χ
j
(x
2
), . . . , χ
k
(x
N
)¦ (4.14)
dove N! ` e un fattore di normalizzazione, P
n
` e un operatore che genera l’n-esima
permutazione degli elettroni indicizzati con 1, 2, . . . , N e p
n
il numero di semplici
scambi richiesto per ottenere tale permutazione. Una maniera formalmente pi ` u
elegante di scrivere la (4.13), suggerita da Slater, ` e quella di usare una notazione
sotto forma di determinante, ottenendo:
Φ(x
1
,x
2
, . . . ,x
N
) = (N!)
−1/2

χ
i
(x
1
) χ
j
(x
1
) . . . χ
k
(x
1
)
χ
i
(x
2
) χ
j
(x
2
) . . . χ
k
(x
2
)
.
.
.
.
.
.
.
.
.
.
.
.
χ
i
(x
N
) χ
j
(x
N
) . . . χ
k
(x
N
)

(4.15)
Come si pu` o facilmente verificare, viene rispettato il principio di indistinguibilit` a
per gli elettroni ed, inoltre, uno scambio di coordinate spaziali e di spin tra due
68
4.3 L’approssimazione di Hartree-Fock
elettroni corrisponde a scambiare due righe del determinante di Slater, ossia, cam-
biare il segno del determinante. Ovviamente, un determinante di Slater ` e una
soluzione esatta dell’equazione di Schr¨ odinger per un sistema di elettroni non in-
teragenti. Ci ` o nonostante, data l’ortonormalit` a degli spin orbitali, i determinanti
di Slater formano una base completa anche per lo spazio di Hilbert per un sistema
di elettroni interagenti, per cui l’esatta funzione d’onda pu` o essere descritta da
una loro combinazione lineare. Il formalismo fin qui descritto ` e relativo ad una
formulazione di tipo one-electron per il sistema elettronico.
Adesso descriveremo quali sono le approssimazioni e i metodi usati per la
determinazione dell’operatore h(i), con il quale sia possibile scrivere l’equazione
agli autovalori (4.9).
4.3 L’approssimazione di Hartree-Fock
Un primo esempio per la risoluzione del problema many-electron ` e l’approssi-
mazione di Hartree-Fock. Oltre alla sua importanza storica, questa approssi-
mazione rappresenta, tutt’oggi, sia per i fisici che per i chimici un primo passo ver-
so pi ` u accurate approssimazioni. Si consideri un sistema di N elettroni interagenti
descritti dall’Hamiltoniana:
H =
N

i=1
h
i
(r
i
) +
1
2
N

i=j
e
2
r
i j
(4.16)
dove h
i
rappresenta l’energia cinetica e l’energia potenziale dovuta all’interazione
con i nuclei dell’i-esimo elettrone. Lo scopo ` e quello di descrivere lo stato fon-
damentale del sistema many-electron con un singolo determinante di Slater. La
migliore scelta possibile per gli spin orbitali, per formare questo stato, ` e ottenuta
minimizzando l’energia elettronica sfruttando il principio variazionale. Infatti, se
69
Studio quantistico dei sistemi a molti corpi
Ψ
0
` e l’esatta funzione d’onda di stato fondamentale per il sistema si ha:
E
0
=

0
[H[Ψ
0
`

0

0
`
≤E[Φ] =
'Φ[H[Φ`
'Φ[Φ`
(4.17)
dove Φ ` e una funzione di prova, descritta attraverso un determinante di Slater, che
assumiamo essere normalizzata ad uno. La condizione di ortonormalit` a sugli spin
orbitali presenti nella (4.15) si esprime in tal modo:

i

j
` = δ
i j
(4.18)
dove gli indici i, j rappresentano un insieme di quattro numeri quantici (n, l, m
l
,
m
s
). Riscriviamo il determinante di Slater in una forma pi` u compatta, cio` e:
Φ(q
1
, q
2
, . . . , q
N
) = (N!)
1/2

H
(4.19)
dove Φ
H
` e il prodotto degli orbitali elettronici:
Φ
H
(q
1
, q
2
, . . . , q
N
) = χ
i
(q
1

j
(q
2
), . . . , χ
k
(q
N
) (4.20)
L’operatore A che appare nella (4.19) ` e l’operatore di antisimmetrizzazione:
A =
1
N!
N

n=1
(−1)
p
n
P
n
(4.21)
Scegliamo quest’operatore in modo tale che esso sia hermitiano per cui vale A = A
2
(operatore proiettivo), ed inoltre che commuti con l’Hamiltoniana.
Calcolando adesso E[Φ] utilizzando le (4.17), (4.19), (4.20), (4.21) e sfruttan-
do le propriet` a dell’operatore A, otteniamo:
E[Φ] =

i
I
i
+
1
2

i

j
[ℑ
i j
−K
i j
] (4.22)
dove I
i
rappresenta il valor medio dell’Hamiltoniana h(r
i
) sull’orbitale elettroni-
co χ
i
. Il primo termine all’interno della parentesi quadra, che prende il nome
di termine diretto, rappresenta il valor medio dell’interazione e
2
/r
i j
nello stato
70
4.3 L’approssimazione di Hartree-Fock
χ
i
(q)χ
j
(q
/
), dove l’elettrone i-esimo si trova nell’orbitale χ
i
e l’elettrone j-esimo
si trova nell’orbitale χ
j
. Infine il secondo termine in parentesi quadra, che prende
il nome di termine di scambio, rappresenta l’elemento di matrice dell’interazione
e
2
/r
i j
tra due stati χ
i
(q)χ
j
(q
/
) e χ
i
(q
/

j
(q), ottenuti l’uno dall’altro scambiando
gli elettroni i e j. Sia il termine diretto che di scambio sono reali e simmetrici in i
e j.
Applichiamo adesso il principio variazionale, che consiste nell’imporre che
E[Φ] sia stazionario rispetto a variazioni degli orbitali elettronici χ
i
, quando siano
imposti gli N
2
vincoli di ortonormalit` a (4.18) sugli orbitali elettronici. Per vinco-
lare il funzionale (4.22) introduciamo N
2
moltiplicatori di Lagrange che denoti-
amo con ε
i j
, imponiamo cio` e:
δE −

i

j
ε
i j
δ'χ
i

j
` = 0 (4.23)
Osservando la (4.23) si vede che i moltiplicatori di Lagrange possono essere con-
siderati come gli elementi di una matrice Hermitiana. Effettuiamo una trasfor-
mazione unitaria sugli orbitali elettronici:
χ
i
=

j
U
i j
χ
j
(4.24)
dove U
i j
sono gli elementi di una matrice unitaria N N. Il nuovo determinate
di Slater Φ
/
formato con gli orbitali (4.24) differir` a da quello precedente per un
fattore di fase:
Φ
/
= (det U)Φ (4.25)
e poich´ e U ` e unitaria, [det U[ = 1. Inoltre, il funzionale (4.22) ` e chiaramente
lasciato invariato da questa trasformazione unitaria. Quindi, poich´ e ogni matrice
Hermitiana pu` o essere diagonalizzata da una trasformazione unitaria, possiamo
scegliere U in maniera tale che la matrice degli ε
i j
moltiplicatori di Lagrange
diventi diagonale in seguito alla trasformazione unitaria sugli orbitali elettronici.
71
Studio quantistico dei sistemi a molti corpi
Effettuata la diagonalizzazione, l’equazione (4.23) si trasforma:
δE −

i
E
i
δ'χ
i

i
` = 0 (4.26)
Effettuando esplicitamente la variazione rispetto agli orbitali elettronici, otteni-
amo un sistema di equazioni integro-differenziali per gli orbitali elettronici:
¸

1
2

2
r

Ze
2
r
¸
χ
i
(q) +
¸

j

χ

i
(q
/
)
e
2
[r −r
/
[
2
χ
j
(q
/
)dq
/
¸
χ
i
(q)+


j
¸

χ

j
(q
/
)
e
2
[r −r
/
[
2
χ
i
(q
/
)dq
/
¸
= E
i
χ
i
(q)
(4.27)
Dove il simbolo di

dq implica una integrazione sulle coordinate spaziali r e una
somma sulla coordinata di spin. Le equazioni (4.27) sono note come equazioni di
Hartree-Fock (HF), e possiamo definirle in maniera pi ` u compatta, se introduciamo
l’operatore diretto, che ` e semplicemente il potenziale di repulsione elettrostatica
dovuto al j-esimo elettrone, quando la posizione di questo elettrone sia mediata
nell’orbitale χ
j
, la cui espressione ` e:
V
d
j
(q) =

χ

j
(q
/
)
e
2
[r −r
/
[
2
χ
j
(q
/
)dq
/
(4.28)
Definiamo inoltre l’operatore di scambio in modo tale che quando agisce sugli
orbitali elettronici, si ottenga:
V
ex
j
(q)χ
i
(q) =
¸

χ

j
(q
/
)
e
2
[r −r
/
[
2
χ
j
(q
/
)dq
/
¸
χ
j
(q) (4.29)
Definendo infine il potenziale di HF, come:
V (q) =−
Ze
2
r
+

j
V
d
j
(q) +

j
V
ex
j
(q) (4.30)
Le equazioni di HF (4.27) assumono la forma:
¸

1
2

2
r
+V (q)
¸
χ(q) = E
i
χ
i
(q) (4.31)
72
4.3 L’approssimazione di Hartree-Fock
Le (4.31) non sono semplici equazioni agli autovalori, una per ogni orbitale elet-
tronico, poich´ e lo stesso potenziale di HF dipende dagli orbitali elettronici.
Per risolvere il sistema di equazioni integro-differenziali di HF, si procede per
iterazione. Si parte da orbitali elettronici approssimati (scelta del “basis set” -
vedi Appendice D) e si calcola il potenziale di HF corrispondente. Si risolvono
numericamente le equazioni di HF ottenendo nuovi orbitali che a loro volta deter-
minano un nuovo potenziale di HF. La procedura viene ripetuta finch´ e gli orbitali
elettronici producono un potenziale di HF che ` e identico (nell’approssimazione
desiderata) al potenziale ottenuto nel passo precedente. Il potenziale di HF ot-
tenuto in questo modo ` e noto come il campo self-consistent dell’atomo (dello
ione) [50].
Osservando la (4.31) verrebbe spontaneo interpretare E
i
come l’autovalore
dell’energia del singolo elettrone, per` o prendendo il prodotto scalare della (4.28)
con χ
i
, usando le definizioni di I
i
, del termine di scambio e del termine diretto,
sommando su i e considerando la (4.22) otteniamo:
E[Φ] =

i
E
i
−'Φ[
1
2

i=j
e
2
r
i j
[Φ` (4.32)
Si vede dunque che l’energia totale dell’atomo non ` e la somma delle singole ener-
gie. Ci ` o ` e dovuto al fatto che, sommando le energie dei singoli elettroni, ciascuna
energia cinetica e ciascuna energia di interazione con il nucleo viene contata una
volta, mentre l’energia d’interazione mutua, che ha come valor medio il secondo
membro della parte destra della (4.32), ` e contata due volte. Supponiamo adesso
di rimuovere l’i-esimo elettrone dal sistema, ed assumiamo che gli orbitali del si-
stema con N −1 elettroni rimangano invariati dopo la rimozione, vediamo che la
differenza tra l’energia totale dei due sistemi ` e:
E
N
−E
N−1
= E
i
(4.33)
73
Studio quantistico dei sistemi a molti corpi
Quindi la quantit` a E
i
rappresenta approssimativamente l’energia richiesta per rimuo-
vere un elettrone dall’orbitale χ
i
, o, in altre parole, l’energia di ionizzazione
dell’elettrone i-esimo. Questo risultato ` e noto come teorema di Koopman [63].
4.4 Teoria del funzionale densit` a
La Density Functional Theory (DFT) introduce una importante semplificazio-
ne al problema quanto-meccanico, cos`ı come presentato nell’equazione di Schr¨ o-
dinger, pur non compromettendo una descrizione da principi primi. Nella DFT
i calcoli delle propriet` a atomiche e molecolari sono basati esclusivamente sulla
densit` a elettronica. Ci ` o ` e completamente innovativo e in contrasto con altri meto-
di quanto-meccanici, i quali usano la complicata funzione d’onda ad N elettroni
con la sua dipendenza da 3N coordinate spaziali pi ` u N variabili di spin. La DFT ` e
un potente strumento per descrivere le propriet` a strutturali ed elettroniche di una
vasta classe di materiali, atomi, molecole, cristalli semplici e sistemi complessi
(inclusi vetri e liquidi).
Gi` a dalla prima met` a del 20-esimo secolo Thomas e Fermi posero le basi per
metodi di calcoli quanto-chimici formulando una teoria basata sulla sola densit` a
elettronica. In particolare, derivarono un’espressione per l’energia cinetica di un
gas uniforme di elettroni e per l’energia di un atomo. Queste rappresentano le
prime forme di funzionale densit` a. La novit` a concettuale di questo lavoro stava
nel fatto che l’energia era data esclusivamente in termini della densit` a elettronica,
primo passo verso la DFT. Nel 1930 il modello di Thomas-Fermi veniva ulte-
riormente migliorato da quello di Thomas-Fermi-Dirac che rappresentava una sua
naturale estensione includendo un contributo di scambio. Seguirono ulteriori con-
tributi in questo ambito, tra i quali, uno dei pi` u importanti, fu quello di Slater che
present ` o un’approssimazione locale dell’energia di scambio. La consacrazione
74
4.4 Teoria del funzionale densit` a
della DFT arriva nel 1964 con i teoremi di Hohenberg e Kohn [64] i quali posero
le basi per una rigorosa formulazione della DFT come oggi ` e conosciuta.
4.4.1 Teorema di Hohenberg e Kohn
Consideriamo un sistema di N fermioni interagenti, a cui ` e associato l’opera-
tore Hamiltoniana:
H = T +V
ee
+W (4.34)
dove T ` e la somma dei termini cinetici, V
ee
` e dato da
V
ee
=
N

i=1
N

j=1
v(r
i
,r
j
) (4.35)
ed ` e un termine relativo all’interazione fra i fermioni, che supporremmo coin-
cidere con il potenziale coulombiano e W ` e il potenziale esterno, cio` e:
W =
N

i=1
w(r
i
) (4.36)
Nel nostro caso l’Hamiltoniana (4.34) coincide con la (4.4), vista nel '4.1 ed il
termine di potenziale esterno non ` e altro che il potenziale di interazione elettroni-
nuclei, questi ultimi considerati “congelati” in una configurazione assegnata. Il
teorema di Hohenberg e Kohn d` a accesso ad alcuni risultati esatti che riguardano
lo stato fondamentale di un sistema di molti elettroni interagenti.
Teorema.
In un sistema costituito da molti elettroni interagenti il valore di aspettazione
nello stato fondamentale di qualunque osservabile fisica ` e un funzionale unico
della densit` a elettronica. In particolare l’energia totale del sistema definisce un
funzionale universale che assume il suo valore minimo, pari all’energia dello stato
fondamentale, in corrispondenza del valore della densit` a elettronica nello stato
fondamentale.
75
Studio quantistico dei sistemi a molti corpi
Dimostrazione.
La soluzione dell’equazione di Schr¨ odinger associata all’Hamiltoniana (4.34)
conduce ad uno stato fondamentale non degenere per un sistema di N elettroni:
H[φ
s f
` = E
s f

s f
` (4.37)
Se consideriamo l’insieme W di tutti i possibili potenziali esterni e l’insieme Ψdi
tutte le possibili funzioni d’onda nello stato fondamentale, essendo il potenziale
elettrone-elettrone assegnato, l’equazione di Schr¨ odinger stabilisce una relazione:
C : W →Ψ (4.38)
che, per costruzione, ` e suriettiva
1
, in quanto non esiste alcun elemento di Ψ che
non sia associato ad un elemento di W.
Se adesso consideriamo le densit` a elettroniche corrispondenti allo stato fon-
damentale:
n(r) ='φ
s f

s f
` = φ

s f
(r)φ
s f
(r) (4.39)
questa definisce una nuova relazione, per definizione ancora suriettiva, tra Φ e
l’insieme di tutte le densit` a elettroniche N:
C : W →Ψ (4.40)
Dimostriamo adesso che le relazioni C e D sono anche iniettive
2
(purch´ e si con-
siderino equivalenti potenziali che differiscano solo per una costante additiva) e,
quindi, biunivoche. Questo ci consentir` a di definire una relazione pienamente
invertibile:
(C◦D) : W →N, (C◦D)
−1
: N →W (4.41)
1
Un’applicazione si dice suriettiva (o surgettiva, o una suriezione) quando l’immagine coincide
con il codominio, ovvero quando ogni elemento del codominio ` e immagine di almeno un punto
del dominio.
2
Un’applicazione si dice iniettiva se associa ad un elemento del codominio un solo elemento
del dominio.
76
4.4 Teoria del funzionale densit` a
In particolare la relazione (C◦ D)
−1
ci consente di associare a ciascuna densit` a
di carica n(r) uno e un solo potenziale esterno. Poich´ e inoltre il termine cinetico
ed il potenziale di interazione tra gli elettroni sono specificati, questo ci consente
di determinare, essendo nota la densit` a di carica, l’intera Hamiltoniana e quindi il
valore di aspettazione sullo stato fondamentale di qualunque osservabile, ovvero
di asserire:

s f
[O[φ
s f
` = O[n] (4.42)
cio` e che a qualunque osservabile fisica corrisponde un funzionale unico della
densit` a, dimostrando cos`ı la prima parte del teorema.
Cominciamo con il dimostrare che la relazione C ` e iniettiva. Consideriamo,
per lo stato fondamentale, le equazioni di Schr¨ odinger corrispondenti a due diversi
potenziali esterni, cio` e:
(T +W +V)[φ
s f
` = E
s f

s f
`
(T +W
/
+V)[φ
/
s f
` = E
/
s f

/
s f
`
(4.43)
Adesso immaginiamo che, per assurdo, le 4.43 siano soddisfatte dalla stessa fun-
zione d’onda, cio` e che:

s f
` =[φ
/
s f
` (4.44)
In questo caso, sottraendo membro a membro le (4.43), otterremmo:
(W −W
/
)[φ
s f
` = (E
s f
−E
/
s f
)[φ
s f
` (4.45)
e quindi, poich´ e gli operatori W e W
/
sono puramente moltiplicativi, otteniamo:
(W −W
/
) = (E
s f
−E
/
s f
) = costante (4.46)
I due potenziali esterni differirebbero quindi soltanto per una costante additiva,
e, di conseguenza, sarebbero equivalenti contro l’ipotesi che avevamo assunto.
Abbiamo quindi dimostrato che C associa funzioni d’onda differenti a potenziali
esterni differenti ed ` e pertanto iniettiva, oltre che suriettiva, e quindi biunivoca.
77
Studio quantistico dei sistemi a molti corpi
Dimostriamo adesso che anche D ` e iniettiva. Analogamente a quanto fatto so-
pra, immaginiamo che due funzioni d’onda differenti conducano ad una identica
densit` a di carica. In questo caso, poich´ e come abbiamo gi` a dimostrato C ` e biuni-
voca, le due funzioni d’onda devono corrispondere a due potenziali esterni diversi
e quindi a due hamiltoniane differenti, H e H
/
, con:
H = H
/
+W −W
/
(4.47)
Dall’equazione di Schr¨ odinger e dalla (4.45) ricaviamo:

/
s f
[H[φ
/
s f
` ='φ
/
s f
[H
/

/
s f
` +'φ
/
s f
[(W −W
/
)[φ
/
s f
`

s f
[H[φ
s f
` ='φ
s f
[H
/

s f
` +'φ
s f
[(W −W
/
)[φ
s f
`
(4.48)
dove:

s f
[(W −W
/
)[φ
s f
` =

drφ

s f
[w(r) −w
/
(r)]φ
s f
(r) =
=

dr[w(r −w
/
(r))]n(r) ='φ
/
s f
[(W −W
/
)[φ
/
s f
`
(4.49)
quindi i secondi addendi delle equazioni (4.48) sono identici se le due funzioni
d’onda conducono ad uguali densit` a elettroniche. Allora, sottraendo membro a
membro le due equazioni (4.48) otteniamo l’uguaglianza:

/
s f
[H[φ
/
s f
` −'φ
s f
[H[φ
s f
` =−['φ
s f
[H
/

s f
` −'φ
/
s f
[H
/

/
s f
`] (4.50)
Sfruttando il principio di Ritz (vedi Appendice E), il quale afferma che il valore
d’aspettazione dell’Hamiltoniana sullo stato fondamentale ` e minore di quello su
qualunque altro stato appartenente allo stesso spazio di Hilbert, ed avendo suppo-
sto che le funzioni d’onda di stato fondamentale sono differenti, dovremmo avere
contemporaneamente:

/
s f
[H[φ
/
s f
` −'φ
s f
[H[φ
s f
` > 0 (4.51)
e

s f
[H
/

s f
` −'φ
/
s f
[H
/

/
s f
` > 0 (4.52)
78
4.4 Teoria del funzionale densit` a
rispettivamente perch´ e [φ
s f
` ` e lo stato fondamentale di H e [φ
/
s f
` quello di H
/
. E’
evidente come l’equazione (4.50) sia incompatibile con le disequazioni (4.51) e
(4.52) ed ` e quindi dimostrato che funzioni d’onda differenti debbano comportare
differenti densit` a di carica, ossia la relazione D ` e iniettiva e quindi invertibile. In
questo modo abbiamo dimostrato la prima parte del teorema che schematizziamo
in Fig.4.1. A questo punto dimostriamo la seconda parte del teorema. Conside-
Figura 4.1: Illustrazione grafica di alcuni aspetti del teorema di Hohenberg e Kohn. Si dimostra
che le relazioni C e D, definite in maniera da garantirne la suriettivit` a (in alto) sono
anche iniettive e quindi biettive e pienamente invertibili.
riamo il valore d’aspettazione dell’Hamiltoniana, questo definisce un funzionale
della densit` a di carica elettronica:
E
W
[n] ='ψ[H[ψ` (4.53)
essendo specificata n(r) l’invertibilit` a della relazione D ci consente di individuare
la funzione d’onda corrispondente. Il funzionale definito nella (4.53) ` e, per la
79
Studio quantistico dei sistemi a molti corpi
prima parte del teorema, un funzionale unico della densit` a elettronica. D’altra
parte il principio di Ritz garantisce che:
min
ψ∈Ψ
'ψ[H[ψ` ='φ
s f
[H[φ
s f
` = E
s f
(4.54)
dunque, per la (4.53), il funzionale E[n] assumer` a il suo valore minimo in cor-
rispondenza della densit` a di carica n
s f
(r) e tale valore sar` a appunto l’energia dello
stato fondamentale. Riscritto in formule otteniamo:
min
n∈N
E
W
[n] = E
s f
(4.55)
Una conseguenza immediata del teorema di Hohenberg e Kohn ` e che il funzionale
corrispondente a campo esterno nullo, W = 0, ` e un funzionale universale della
densit` a elettronica, nel senso che ` e indipendente dal potenziale esterno, cio` e:
F
HK
[n] ='ψ[(T +V)[ψ` (4.56)
Analizziamo alcune conseguenze di questo teorema:
1. Il teorema di Hohenberg e Kohn si limita ad asserire l’esistenza di un fun-
zionale universale della densit` a elettronica ma non lo determina affatto. In
linea di principio occorrerebbe conoscere la soluzione generale (ovvero per
qualunque campo di densit` a elettronica n(r)) di almeno un problema mo-
dello per determinare completamente il funzionale (4.56) e quindi costruire
il funzionale (4.55) attraverso la relazione:
E
W
[n] = F
HK
[n] +'ψ[W[ψ` = F
HK
[n] +

drw(r)n(r) (4.57)
Purtroppo non si conosce la soluzione generale se non nel limite in cui la
densit` a elettronica ` e costante.
2. Il teorema di Hohenberg e Kohn riguarda soltanto le propriet` a di stato fon-
damentale di sistemi stazionari: non ` e possibile quindi trarre da esso in-
formazioni su stati eccitati o su transizioni dipendenti dal tempo. Questo
80
4.4 Teoria del funzionale densit` a
genere di problemi pu` o essere trattato con successo in maniera perturbativa
a partire dai risultati della teoria di Hohenberg e Kohn [65].
3. Il risultato centrale della teoria di Hohenberg e Kohn richiederebbe la mini-
mizzazione diretta di un funzionale (4.54). Una simile formulazione ` e spes-
so poco conveniente dal punto di vista numerico e, nella pratica, ` e stata
raramente implementata [66].
4.4.2 Lo schema di Kohn e Sham
Lo schema di calcolo suggerito dal teorema di Hohenberg e Kohn richiede la
minimizzazione diretta di un funzionale ed ` e quindi computazionalmente difficile.
La riformulazione variazionale del problema proposta da Kohn e Sham [67], oltre
a consentire una pi ` u semplice implementazione numerica della teoria, permette
anche di chiarire ulteriormente il contenuto fisico. Inoltre la ricerca della densit` a
di carica che minimizza il funzionale dell’energia, implica, anche, la conoscenza
del funzionale dell’energia cinetica, per il quale per` o non si conosce una semplice
approssimazione in termini della sola densit` a elettronica. Lo schema di Kohn e
Sham reintroducendo qualche informazione sulla funzione d’onda elettronica ci
permette di approssimare questo termine.
Consideriamo un sistema, che per semplicit` a chiamiamo reale, costituito da N
fermioni interagenti e descritto dall’Hamiltoniana (4.34), ed un sistema ausiliario
di N particelle non interagenti in un campo esterno, descritto quindi dall’Hamil-
toniana:
H
/
= T +W
/
(4.58)
Lo schema di Kohn e Sham ` e basato sull’assunzione che, per ciascun sistema di
fermioni interagenti, esista un opportuno potenziale esterno locale W
/
tale che la
densit` a elettronica del sistema interagente, n(r), sia uguale a quella del sistema
81
Studio quantistico dei sistemi a molti corpi
non interagente, cio` e:
n(r) = n
/
(r) (4.59)
in particolare l’equazione di Kohn e Sham consente di determinate W
/
. E’ ora
chiaro che se esiste un sistema non interagente con le caratteristiche richieste,
dal teorema di Hohenberg e Kohn segue che esso debba anche essere unico (al-
trimenti, esisterebbero pi` u di un funzionale per il sistema reale). Assumiamo
che tale sistema non interagente esista, ed inoltre assumiamo che tanto il sistema
reale quanto quello ausiliario posseggano uno stato fondamentale non degenere,
quest’ultima condizione non ` e necessaria, ma ci permette di rendere pi` u semplice
la discussione.
La validit` a della (4.59) comporta che la densit` a di carica di entrambi i sistemi
possa essere espressa come la somma di densit` a di carica a particella singola, cio` e:
n(r) = n
/
(r) =
N

i=1

i
(r)[
2
(4.60)
dove la somma comprende le autofunzioni corrispondenti agli N autovalori pi` u
bassi ottenuti risolvendo l’equazione di Schr¨ odinger a particella singola:
¸

¯ h
2m

2
∂r
2
+w
/
(r)
¸
φ
i
(r) = ε
i
φ
i
(r) (4.61)
dove (ε
1
< ε
2
< . . . < ε
N
) (4.62)
Il funzionale di Hohenberg e Kohn associato al sistema ausiliario ` e:
E
/
[n] = T
/
[n] +

drw
/
(r)n(r) (4.63)
dove T
/
[n] ` e il funzionale associato all’energia cinetica. Per costruzione E
/
[n]
assume valori identici al funzionale di Hohenberg e Kohn associato al sistema
reale:
E[n] = F
HK
[n] +

drw(r)n(r) (4.64)
82
4.4 Teoria del funzionale densit` a
Poich´ e il sistema “non interagente” deve essere unico, ciascuna autofunzione
soluzione della (4.61) dovr` a, a sua volta, essere un funzionale unico della densit` a
n(r), cio` e:
φ
i
(r) = φ
i
([n],r) (4.65)
ed in conseguenza della (4.63) anche l’energia cinetica “non interagente” sar` a un
funzionale unico della densit` a:
T
/
[n] =
N

i=1

drφ

i
(r)
¸

¯ h
2
2m

2
∂r
2
¸
φ
i
(r) (4.66)
Adesso riscriviamo il funzionale di Hohenberg e Kohn per il sistema reale, ag-
giungendo e sottraendo opportune quantit` a, come segue:
E[n] = T
/
[n] +

drw(r)n(r)+
+
1
2

dr

dr
/
n(r)v(r,r
/
)n(r
/
) +E
XC
[n]
(4.67)
L’equazione (4.64) insieme alla (4.67) definiscono il funzionale di scambio e
correlazione:
E
XC
[n] = F
HK
[n] −
1
2

dr
/
n(r)v(r,r
/
)n(r
/
) −T
/
[n] (4.68)
Da questa definizione possiamo evincere che, come il funzionale di Hohenberg e
Kohn, anche il funzionale di scambio e correlazione ` e un funzionale unico della
densit` a di carica.
Allo scopo di trovare il potenziale esterno cercato per il sistema ausiliario,
W
/
, imponiamo che (come deve essere in prossimit` a di un minimo) la variazione
prima di E[n] sia nulla:
δE[n] = 0 (4.69)
usando la (4.67) otteniamo:
δT
/
[n] +

drδn(r)
¸
w(r) +

dr
/
n(r
/
)v(r,r
/
) +v
XC
([n],r)

= 0 (4.70)
83
Studio quantistico dei sistemi a molti corpi
dove abbiamo introdotto il potenziale di scambio e correlazione definito come:
v
XC
([n],r) =
δE
XC
[n]
δ(r)
(4.71)
Calcoliamo la variazione prima del termine cinetico:
δT
/
[n] =−
¯ h
2
2m
N

i=1

dr
¸
δφ

(r)

2
φ
i
(r)
∂r
2

r

2
δφ(r)
∂r
2
¸
=
=−
¯ h
2
2m
N

i=1

dr
¸
δφ

(r)

2
φ
i
(r)
∂r
2
+δφ(r)


2
φ

(r)
∂r
2
¸
=
=
N

i=1

dr
¸
δφ

(r)(ε
i
−w
/
(r))φ
i
(r) +δφ
i
(r)(ε
i
−w
/
(r))φ

i
(r)
¸
=
=
N

i=1

dr

ε
i
−w
/
(r)

δ[φ
i
(r)[
2
=
=
N

i=1
ε
i
δ

dr[φ
i
(r)[
2

N

i=1

drw
/
(r)δ[φ
i
(r)[
2
(4.72)
Per la prima uguaglianza nella (4.72) abbiamo fatto uso del secondo teorema
di Green e nella sceonda abbiamo sostituito l’equazione (4.61) e la sua com-
plessa coniugata. Osserviamo che, in conseguenza della normalizzazione delle
funzioni d’onda di particella singola, il primo termine dell’ultima uguaglianza ` e
nullo. Cos`ı, utilizzando la (4.60), troviamo che la variazione del termine cinetico
si riduce a:
δT
/
[n] =−
N

i=1

drw
/
(r)δn(r) (4.73)
Inserendo quest’ultima relazione nella (4.69) o nella (4.70) e tenendo conto del
fatto che le variazioni δn(r) sono arbitrarie, otteniamo finalmente l’equazione che
ci fornisce il potenziale esterno cercato per il sistema non interagente:
w
/
(r) = w(r) +

dr v(r,r
/
)n(r
/
) +v
XC
([n],r) (4.74)
84
4.4 Teoria del funzionale densit` a
in termini del potenziale esterno e del potenziale colombiano per il sistema reale
oltre che del potenziale di scambio e correlazione. Dalla (4.74) risulta evidente
che il potenziale w
/
` e esso stesso un funzionale della densit` a elettronica.
Lo schema di Kohn e Sham consiste nel risolvere l’equazione (4.61) per una
particella singola con la prescrizione (4.74) per w
/
. Questa quantit` a pu` o quindi es-
sere interpretata come un potenziale efficace a particella singola, in quanto ci con-
sente di ottenere le propriet` a di un sistema interagente attraverso un’equazione di
Schr¨ odinger a particella singola. In altre parole w
/
contiene, risommata, tutta l’in-
formazione relativa alle complicate interazioni a molti corpi presenti nel sistema
reale. Il risultato di questa risomma ` e che il potenziale w relativo all’interazione
di un elettrone con i nuclei viene indebolito, schermato, dalla presenza della ca-
rica negativa di tutti gli altri elettroni del sistema. Per questa ragione w
/
, che
pure dipende localmente da r, deve possedere anche una dipendenza funzionale
dal campo della densit` a, in modo da poter incorporare l’effetto delle interazioni
con tutti gli altri fermioni del sistema. Inoltre l’energia di scambio e correlazione
(4.68) contiene la differenza tra l’energia cinetica del sistema vero e quella del
sistema non interagente (presumibilmente piccola) [66].
Dalla minimizzazione del funzionale dell’energia, tenendo conto del vincolo
sulla densit` a (4.60), e imponendo che la densit` a sia ottenuta attraverso un sistema
associato di elettroni non interagenti, otteniamo un’equazione one-electron per gli
orbitali a singola particella detta equazione di Kohn e Sham [68]:
¸

1
2

2
i
+w
/
(r)
¸
φ
i
(r) = ε
i
φ
i
(r) (4.75)
L’equazione (4.75) ` e un’equazione agli autovalori per un operatore non lineare.
Infatti, come si pu` o vedere dalle espressioni (4.71) e (4.74), l’operatore Schr¨ odin-
ger-like dipende esso stesso dalle soluzioni. Quindi in modo analogo all’ap-
prossimazione di Hartree-Fock, si ha nuovamente un problema self-consistent agli
85
Studio quantistico dei sistemi a molti corpi
autovalori risolto con la seguente procedura:
1. Si parte da una densit` a di carica iniziale o, equivalentemente, da un poten-
ziale efficace di Kohn e Sham w
/
0
.
2. Si determina il set degli N singoli orbitali elettronici che soddisfano l’e-
quazione (4.75).
3. Si costruisce la nuova densit` a a partire dall’equazione (4.60).
4. Si costruisce il nuovo potenziale efficace w
/
1
.
5. Se [w
/
1
−w
/
0
[ ` e pi ` u grande di un pre-assegnato (piccolo) valore si torna al
secondo passo e cos`ı via fino alla convergenza.
Bisogna evidenziare un aspetto molto importante. Gli stati di Kohn e Sham che
si ottengono risolvendo l’equazione (4.75) sono quegli stati che serviranno per la
costruzione del determinante di Slater relativo alla descrizione dello stato fonda-
mentale del sistema di riferimento. Quest’ultimo condivide con il sistema vero
soltanto la densit` a di carica dello stato fondamentale e nient’altro. Tutto ci ` o
ci impedisce di dare un significato fisico ai singoli stati di Kohn e Sham che
possono essere visti esclusivamente come uno strumento matematico di ausilio
per la risoluzione del problema originario. Ci ` o premesso a volte essi vengono
interpretati come stati a singola particella in un campo medio.
4.4.3 Il funzionale di scambio e correlazione
Come abbiamo visto nella precedente sezione lo schema di Kohn e Sham non
introduce alcuna approssimazione in quanto, l’errore commesso nella valutazione
del funzionale dell’energia cinetica, viene trasferito e risommato nella grandezza
E
XC
. Cos`ı facendo, la teoria del funzionale densit` a continua ad essere una teoria
esatta.
86
4.4 Teoria del funzionale densit` a
Adesso ` e possibile distinguere due casi: un primo caso in cui viene fatta
l’ipotesi che il funzionale di scambio e correlazione sia esatto e corrispondente
alla situazione reale in cui si dispone soltanto di un’approssimazione di tale fun-
zione. Il risultato ottenuto con il funzionale esatto, E
XC
, coinciderebbe con la
corretta soluzione per lo stato fondamentale dell’equazione di Schr¨ odinger per il
sistema di elettroni interagenti. L’esatta forma del funzionale di scambio e cor-
relazione, per` o, non ` e nota ma, anche se lo fosse, probabilmente sarebbe molto
complessa e soprattutto avremmo una dipendenza non-locale dalla densit` a. La
qualit` a dei calcoli DFT dipende esclusivamente dalla qualit` a dell’approssimazione
del funzionale di scambio e correlazione e la risultante energia di scambio e
correlazione.
Sfortunatamente non esistono delle strategie da seguire per ottenere e miglio-
rare la forma del funzionale E
XC
, comunque, ci sono alcuni vincoli fisici che un
funzionale della densit` a deve rispettare. Queste regole possono essere usate come
linee guida per lo sviluppo del funzionale di scambio e correlazione. Tra queste ri-
cordiamo, ad esempio, le regole di somma per le buche di scambio e correlazione
(una buca di scambio e correlazione descrive lo svuotamento rinormalizzato del-
la densit` a elettronica nello spazio quando, piuttosto che elettroni indipendenti, si
considerano elettroni interagenti).
Una delle approssimazioni pi` u usate per il potenziale di scambio e correlazione
` e la Local Density Approximation (LDA) [68]. Qui il funzionale E
XC
viene calco-
lato assumendo che, l’energia di scambio e correlazione di un punto dello spazio
con una data densit` a elettronica ` e uguale all’energia di scambio e correlazione,
ε
XC
[n(r)], di un gas omogeneo di elettroni alla stessa densit` a. Integrando nello
spazio si ha
E
XC
=

ε
XC
[n(r)]n(r)dr =
=

ε
X
[n(r)]n(r)dr +

ε
c
[n(r)]n(r)dr
(4.76)
87
Studio quantistico dei sistemi a molti corpi
La parte di scambio ε
X
[n(r)] viene espressa sulla base del risultato teorico di Bloch
e Dirac:
ε
X
[n(r)] =
3
4
3

3n(r)
π
(4.77)
e viene chiamato scambio di Slater data la somiglianza con l’approssimazione
di Slater per lo scambio in Hartree-Fock. Per il termine di correlazione, invece,
non esistono espressioni esplicite, ma il suo valore viene ricavato di volta in volta
fittando i risultati di calcoli energetici per gas omogenei di elettroni.
Calcoli DFT, usando LDA per il funzionale di scambio e correlazione, por-
tano a risultati in buon accordo con gli esperimenti. In particolare, le propriet` a
strutturali e vibrazionali dei solidi sono accuratamente descritte: si trova che la
corretta struttura cristallina ` e quella con la pi` u bassa energia. La lunghezza di
legame, il modulo di bulk e le frequenze fononiche sono in accordo con gli espe-
rimenti con un errore di pochi punti percentuali. Nonostante ci ` o, LDA presenta
anche degli svantaggi. Si sovrastima (di ∼20% e anche pi ` u) l’energia di coesione
e conseguentemente si ha una sottostima della lunghezza di legame rispetto al va-
lore sperimentale. In alcuni sistemi (covalenti, metallici e ionici ad esempio) tali
errori risultano poco importanti per cui, angoli e lunghezze sono calcolati con un
errore di pochi punti percentuali. In altri sistemi (sistemi debolmente legati in cui
si hanno legami ad idrogeno e/o di Van der Waals) questi errori sono molto impor-
tanti. Per i semiconduttori si sottostima il gap energetico tra la banda di valenza e
la banda di conduzione. Infine, la densit` a elettronica del sistema risulta essere pi` u
omogenea rispetto a quella effettiva.
Sono state sviluppate nuove approssimazioni per E
XC
che migliorano l’infor-
mazione sulla densit` a locale contenuta in LDA con una misura dell’inomogeneit` a
locale del sistema data da
s(r) =
[∇n(r)[
n(r)
4/3
(4.78)
88
4.5 Dinamica molecolare ab initio
Queste nuove approssimazioni dette Gradient Corrected (GC) hanno la forma
generale:
E
GC
XC
= E
LDA
XC
+

f (n(r), s(r))dr (4.79)
Funzionali GC portano ad una migliore valutazione per le energie atomiche ed
energie di legame rispetto a LDA con un modesto addizionale sforzo computazio-
nale. In particolare portano ad una buona descrizione dei legami deboli come, ad
esempio, il legame idrogeno.
Uno dei primi funzionali di scambio, appartenente alla famiglia dei GC, fu
proposto da Becke [69] e prende il nome di B88. Della stessa famiglia fa parte
il funzionale di correlazione proposto da Lee, Yang e Parr [70], noto come LYP,
che viene spesso utilizzato in combinazione con il funzionale B88, dando luogo
al funzionale BLYP. Un ulteriore perfezionamento del BLYP ` e il B3LYP [71] (o
BLYP a 3 parametri), un funzionale ibrido di scambio e correlazione costruito
come una combinazione di pi` u termini:
E
B3LYP
XC
= (1−a)E
LDA
x
+aE
exact
X
+b∆E
B88
X
+(1−c)E
LDA
C
+cE
LYP
C
(4.80)
I tre parametri, a, b e c, vengono ottenuti fittando dati sperimentali di gas nobili e
sono a = 0.20, b = 0.72, c = 0.81.
Analisi comparative hanno mostrato che per sistemi di media-piccola grandez-
za il funzionale B3LYP ` e il pi ` u efficiente nel descrivere le propriet` a fisiche e
chimiche quali entalpia di formazione, energia di ionizzazione, energia di pro-
tonazione e geometrie ottimizzate [51].
4.5 Dinamica molecolare ab initio
Nel 1985 Car e Parrinello [72] proposero un approccio radicalmente innovati-
vo, detto dinamica molecolare ab initio, per lo studio di sistemi composti da ioni
89
Studio quantistico dei sistemi a molti corpi
ed elettroni e fondato tanto sulla teoria del funzionale della densit` a (DFT), quanto
sulla dinamica molecolare classica (MD).
Abbiamo gi` a visto che la MD richiede un modello per il potenziale relativo al-
l’interazione efficace classica tra gli atomi. Il metodo di Car e Parrinello (CP) ` e, al
contrario, in grado di determinare ab initio, ovvero a partire da una descrizione mi-
croscopica in termini di interazioni fondamentali, le interazioni atomiche efficaci.
Nella CP vengono assunte la validit` a dell’approssimazione di Born-Oppenheimer
e la possibilit` a di descrivere in maniera classica i gradi di libert` a relativi ai nu-
clei. Di conseguenza si ottengono equazioni classiche per il moto dei nuclei che
contengono l’accoppiamento con gli elettroni attraverso un termine di forza di
Hellmann-Feynmann. Gli elettroni, invece, vengono descritti nello schema di
Kohn e Sham in termini di funzioni d’onda a particella singola, ψ
i
, con la densit` a
di carica fornita dalla 4.60:
n(r) =
N

i=1

i
(r)[
2
(4.81)
La descrizione del sistema ioni ed elettroni interagenti ` e fatta introducendo una
pseudodinamica generata dalla lagrangiana fittizia:
L =
1
2
µ

i

[ ˙ ψ
i
[
2
d
3
r +
1
2

I
M
I
˙
R
2
I
+
1
2

v
µ
v
˙ α
2
v
−E[¦ψ
i
¦, ¦R
I
¦, ¦α
v
¦] (4.82)
dove µ ` e una massa fittizia associata ai gradi di libert` a elettronici, M
I
sono le
masse ioniche, mentre E ` e uguale a:
E[¦ψ
i
¦, ¦R
I
¦, ¦α
v
¦] =

i

ψ

(r)d
3
r
¸

¯ h
2
2m

2
¸
ψ
i
(r)+
+U[n(r), ¦R
I
¦, ¦α
v
¦)]
(4.83)
con ¦R
I
¦ sono indicate le coordinate nucleari e ¦α
v
¦ sono tutti i possibili vincoli
esterni imposti sul sistema, come il volume, etc. Il funzionale U contiene la re-
pulsione internucleare coulombiana e l’energia potenziale elettronica efficace, che
include i nuclei esterni e i contributi di scambio e correlazione.
90
4.5 Dinamica molecolare ab initio
Le ψ
i
sono soggette ai vincoli olonomi (cio` e indipendenti dal tempo):

ψ

i
(r, t)ψ
j
(r, t)d
3
r = δ
i j
(4.84)
La lagrangiana (4.82) genera una dinamica per ¦ψ
i
¦, ¦R
I
¦ e ¦α
v
¦ le cui equazioni
del moto sono
µ ¨ ψ(r, t) =−
δE
δψ

i
(r, t)
+

k
Λ
ik
ψ
k
(r, t) (4.85)
M
I
¨
R
I
=−∇
R
I
E (4.86)
µ
v
¨ α
v
=−
∂E
∂α
v
(4.87)
dove Λ
ik
sono moltiplicatori di Lagrange introdotti per soddisfare i vincoli (4.84).
La dinamica ionica (4.86) descrive realmente il moto ionico nell’approssimazione
di Born-Oppenheimer, mentre le dinamiche associate con le (4.85) e (4.87) sono
fittizie e non hanno nulla a che vedere con la dinamica reale dei gradi di libert` a
elettronici e dei vincoli. La lagrangiana CP definisce un’energia potenziale E e un
energia cinetica classica K data da:
K = K
el
+K
ion
=
1
2
µ

i

[ ˙ ψ
i
[
2
d
3
r +
1
2

I
M
I
˙
R
2
I
+
1
2

v
µ
v
˙ α
2
v
(4.88)
Possiamo calcolare il valore d’equilibrio dell’energia cinetica classica come una
media temporale sulle traiettorie generate dall’equazioni del moto (4.85-4.87) e
collegarle alla temperatura del sistema attraverso un’adatta normalizzazione. E’
allora possibile fissare un temperatura fittizia iniziale T > 0 e assegnare le po-
sizioni iniziali degli ioni; a questo punto integriamo passo dopo passo le equazioni
(4.85) e (4.86) e “raffreddiamo” progressivamente il sistema, cio` e variamo le ve-
locit` a del sistema, e facciamo tendere a zero la temperatura fittizia. Una volta
raggiunta T = 0, l’energia cinetica sar` a nulla e si avr` a contemporaneamente:
¨ ψ
i
= 0 e
¨
R
I
= 0 (4.89)
91
Studio quantistico dei sistemi a molti corpi
cos`ı che le equazioni (4.85) e (4.86) garantiranno il raggiungimento del minimo
per il funzionale elettronico e il raggiungimento delle posizioni di equilibrio per
gli ioni. All’equilibrio la (4.85) ` e identica, entro una trasformazione unitaria, al-
l’equazione di Kohn e Sham (4.75), e gli autovalori della matrice Λ coincidono
con gli autovalori di Kohn e Sham degli orbitali occupati. Solo quando queste
condizioni sono soddisfatte la lagrangiana CP descrive un sistema fisico reale. In
pratica il sistema viene condotto per mezzo di una tecnica detta di Dynamical
Simuleated Annealing (DSA) verso il minimo assoluto dell’energia totale, ioni-
ca ed elettronica, del sistema, consentendo la determinazione simultanea delle
posizioni di equilibrio per gli ioni e delle propriet` a elettroniche a T = 0.
La DSA ` e una delle possibili realizzazioni del cosidetto metodo del Simuleated
Annealing che serve per risolvere problemi complessi di minimizzazione, in cui
una funzione oggetto O(¦β¦) ` e minimizzata rispetto al parametro ¦β¦, generando
una successione di configurazioni ¦β¦ con una distribuzione di probabilit` a con
peso alla Boltzmann attraverso una procedura Monte Carlo. Per T →0 lo stato
con il pi ` u basso O(¦β¦) viene raggiunto senza che il sistema resti intrappolato
all’interno di uno stato metastabile.
Nel caso della CP la funzione O ` e il funzionale energia totale e i parametri
variazionali sono i coefficienti dell’espansione di Kohn e Sham sugli orbitali,
scelta una base conveniente, e le posizioni ioniche e/o le ¦α
v
¦. Car e Parrinel-
lo hanno visto che il Simulated Annealing basato su MD, piuttosto che sul metodo
Monte Carlo, esplora lo spazio delle fasi in modo pi ` u efficiente nel caso del fun-
zionale di Kohn e Sham. Inoltre quest’approccio permette di studiare le propriet` a
del sistema anche ad una temperatura finita.
Un’ulteriore evoluzione del metodo CP prevede l’accoppiamento di elettroni
e ioni a due differenti termostati di Nos´ e-Hoover, che mantengono i due sotto-
sistemi a due temperature differenti, T
el
e T
ion
. Poich´ e l’accoppiamento tra i due
92
4.6 Metodi ibridi QM/MM
sottosistemi ` e adiabatico, ` e possibile mantenere T
el
sempre piccola, pur lasciando
finita T
ion
. Questo consente, in pratica, di simulare l’evoluzione dinamica degli
ioni a temperatura finita, mantenendo, ad ogni istante di tempo nel corso della
simulazione, il sottosistema elettronico in prossimit` a del minimo del funzionale
della densit` a corrispondente alla posizione degli ioni allo stesso tempo.
4.6 Metodi ibridi QM/MM
Spesso quando il sistema che vogliamo studiare ` e una molecola biologica co-
me un peptide ` e necessario tener conto anche dell’interazione con il solvente o
con altre molecole biologiche. In questo caso il sistema ` e troppo grande perch` e
si possa trattare con un approccio quantomeccanico. Spesso si tenta di simulare
il sistema, adoperando un modello ridotto dello stesso, per esempio simulando
esclusivamente il sito catalitico o di legame ad un metallo, ed escludendo il resto.
Ci ` o per` o non tiene in considerazione le interazioni con il resto del sistema che
possono determinare cambiamenti strutturali importanti, per esempio quando c’` e
una interazione con il substrato, o tra proteine e solvente. Potremmo pensare di
utilizzare la dinamica molecolare classica per studiare tali sistemi nella loro in-
terezza, ma, come abbiamo visto, questi metodi si basano sulla conoscenza e sulla
giusta parametrizzazione del ff. Inoltre con i metodi classici non siamo in grado di
descrivere neppure in maniera approssimata la rottura e la formazione di un lega-
me chimico. Per questo motivo negli ultimi anni sono stati sviluppati metodi ibridi
detti QM/MM (Quantum Mechanics/Molecular Mechanics) che suddividono il si-
stema in due parti trattando una parte mediante metodi QM e una parte mediante
una metodologia classica MM.
Lo sviluppo dei metodi ibridi QM/MM, che ha inizio con gli studi di Warshel e
Levitt [73] e di Singh e Kollman [74], segue come linea generale l’idea che un si-
93
Studio quantistico dei sistemi a molti corpi
stema composto da centinaia o migliaia di atomi possa essere suddiviso (Fig.4.2)
in una regione elettronicamente “importante” che richiede un trattamento quan-
tomeccanico e che la parte rimanente agisce sulla prima in modo perturbativo e
ammetta una descrizione classica. La perturbazione pu` o essere sia meccanica, ad
Figura 4.2: Schematizzazione della partizione
esempio quando le forze della regione classica costringono la regione quantisti-
ca in una particolare geometria, e includere effetti elettronici come interazione
elettrostatica e polarizzazione. In teoria la divisione tra le due regioni potrebbe
sembrare piuttosto semplice e netta ma raramente ` e possibile scrivere l’Hamil-
toniana totale del sistema in termini di due sottosistemi non interagenti. Molto
spesso infatti le interazioni tra i due sottosistemi sono abbastanza forti da rendere
necessari dei trattamenti particolari nella zona di confine tra la QM e la MM. For-
malmente, la partizione pu` o essere fatta dividendo l’Hamiltoniana e le risultanti
energie in tre parti:
H
tot
= H
QM
+H
MM
+H
QM/MM
(4.90)
E
tot
= E
QM
+E
MM
+E
QM/MM
(4.91)
Il problema principale con lo schema QM/MM deriva dal termine d’interazione
fra le due regioni (H
QM/MM
). La situazione pi` u semplice ` e quando le due regioni
94
4.6 Metodi ibridi QM/MM
non sono connesse da legami covalenti; mentre nel caso in cui le due regioni siano
connesse da legami covalenti la situazione si complica notevolmente.
Il livello pi ` u basso d’interazione ` e detto mechanical embedding. In questo
caso, solo le energie steriche e di bond delle due regioni sono incluse nei termini
d’interazione, cio` e, gli atomi QM sentono forze aggiuntive generate dalla struttura
MM, e vice versa, ma non c’` e nessuna interazione tra le parti elettroniche delle
due regioni. Ad ogni atomo QM sono associati dei parametri di Van der Waals che
sono utilizzati in un’espressione simile a quella gi` a vista nel caso della dinamica
molecolare classica, (modellizzata attraverso un potenziale di tipo LJ), cio` e:
H
QM/MM
=
N

i
M

j

i j
¸
σ
i j
[

R
i
−r
j
[

12

σ
i j
[

R
i
−r
j
[

6
¸
(4.92)
dove l’indice i ` e associato ai nuclei della regione QM, j agli atomi della regione
MM,

R
i
` e il vettore posizione associato all’i-esimo nucleo QM edr
j
` e il vettore
posizione associato al j-esimo atomo MM. Se le due regioni sono unite da legami
chimici ci sono dei termini aggiuntivi corrispondenti alle interazioni di stretching
e bending. Il modello di accoppiamento meccanico ` e un utile livello di approssi-
mazione quando le funzioni d’onda della regione QM non sono modificate dai
cambiamenti nella regione MM.
Il livello successivo di approssimazione ` e detto electronic embedding, dove gli
atomi nella regione MM possono polarizzare la regione QM. Le cariche parziali
sugli atomi MM possono essere inserite nell’Hamiltoniana QM e gli atomi QM
sentono il potenziale elettrico dovuto a tutti gli atomi MM, cio` e:
H
QM/MM
=−
n

l
M

j
q
j
[x
l
−r
j
[
+
N

i
M

j
Z
i
q
j
[

R
i
−r
j
[
(4.93)
dove q
j
` e la carica parziale associata agli atomi MM, x
l
` e il vettore posizione as-
sociato all’l-esimo elettrone QM e Z
i
` e la carica associata all’i-esimo nucleo QM.
Questo livello di approssimazione tiene conto di quei cambiamenti geometrici nel-
95
Studio quantistico dei sistemi a molti corpi
la regione MM che hanno effetto sulla regione QM, cio` e accoppiano la funzione
d’onda QM alla geometria MM.
Un ulteriore termine pu` o essere incluso assumendo che gli atomi QM polar-
izzano anche la regione MM, cio` e il campo elettrico generato dalla regione QM
influenzi il momento elettrico MM. Questo termine prende il nome di polarizable
embedding, e richiede naturalmente uno sforzo computazionale aggiuntivo, dato
che necessita di una procedura doppiamente iterativa dovuta al fatto che tanto il
campo elettrico della regione QM quanto quello MM devono essere determinati
in maniera auto consistente.
La maggior parte dei metodi QM/MMimplementati a tutt’oggi utilizzano l’ap-
prossimazione electronic embedding; l’unica eccezione ` e il metodo dei frammenti
effettivi, dove sia il momento di quadrupolo che le polarizzabilit` a sono incluse per
gli atomi MM [51].
Figura 4.3: Schema delle regioni QM e MM divise da un legame covalente
La Fig.4.3 presenta schematicamente la situazione in cui ` e presente un legame
ad esempio di tipo covalente tra gli atomi delle regione QM e quelli nella regione
MM. In generale deve essere conservata sia la valenza della regione QM che la
96
4.6 Metodi ibridi QM/MM
geometria del sistema MM. In generale si tenter` a di scegliere la regione di con-
nessione in modo che non ci siano legami covalenti tra i due sottosistemi, ma ` e
facile immaginare che la maggior parte dei sistemi organici non siano riducibili a
questa categoria. Nei casi in cui ci sono legami o forti interazioni ioniche tra i sot-
tosistemi ` e necessario introdurre particolari accorgimenti per i calcoli QM come
ad esempio i link atoms o particolari condizioni per la boundary region (regione
di confine). Oltre a queste metodologie pi` u comunemente utilizzate sono stati
sviluppati altri metodi come il metodo EVB [75], il metodo EFP [76] e il metodo
GHO [77].
La prima descrizione della rappresentazione di legame covalente tra un atomo
nella regione QM e uno nella regione MM venne effettuata da Warshel e Levitt
che utilizzarono degli orbitali ibridi sull’atomo MM [73].
L’approccio pi` u comunemente utilizzato per trattare la terminazione di siti che
presentano legami covalenti ` e il metodo dei link atoms [73] schematizzato nella
Fig.4.4. In questo metodo vengono introdotti atomi fittizi che formano un legame
Figura 4.4: Schema del link atoms
covalente interno alla regione QM in modo da mimare il legame con la regione
MM. Questi atomi legati soddisfano la valenza degli atomi QM.
97
Studio quantistico dei sistemi a molti corpi
L’atomo di idrogeno ` e il pi ` u utilizzato a questo scopo che viene inserito lungo
il legame QM/MM che ` e stato rotto. Possono essere utilizzati anche altri atomi
o gruppi funzionali come gli alogeni o i gruppi metile. I link atoms sono trattati
in maniera esatta nei calcoli QM ma non ` e permesso loro di interagire con gli
atomi MM (` e come se risultassero invisibili agli atomi MM), l’energia e le forze
risultano dai termini energetici di legame. I termini elettrostatici e di Van der
Waals che si considerano di non-legame sono trattati separatamente:
1. le interazioni di Van der Waals nella regione tra QM e MM sono determinati
come se l’intero sistema fosse classico;
2. l’energia di interazione elettrostatica ` e ottenuta da calcoli quantomeccanici
sugli atomi QM insieme ai link atoms in presenza di tutte le cariche parziali
MM escluse quelle prodotte dai link atoms.
Chiaramente il metodo rappresenta solo un approccio approssimato perch´ e
viene introdotta una perturbazione nel sistema, ma si dimostra particolarmente
utile quando i link atoms sono relativamente lontani rispetto agli atomi che parte-
cipano a reazioni chimiche e/o a legami con substrati.
Un altro tipo di approccio molto utilizzato tratta i legami costringendo la
soluzione a tener conto dei legami che precedentemente sono stati omessi. Un
primo metodo di questo tipo ` e il cosiddetto local self-consistent field (LSCF)
[78] che utilizza orbitali di legame localizzati o (frozen orbital) ottenuti attraverso
un’adeguata parametrizzazione degli orbitali lungo il legame QM/MM (Fig.4.5).
Il metodo LSCF ` e un modo piuttosto elegante per terminare la distribuzione di ca-
rica nella regione QM senza introdurre atomi aggiuntivi nel sistema, ma i calcoli
[79] sull’energia dimostrano che questo metodo ` e meno robusto rispetto a quello
degli atomi legati. L’energia con LSCF ` e pi` u sensibile a fattori come le dimen-
sioni della parte QM, il valore delle cariche MM sull’atomo di frontiera MM e la
98
4.6 Metodi ibridi QM/MM
Figura 4.5: Schematizzazione del frozen orbital
scelta della popolazione elettronica sugli orbitali di legame localizzati. Il metodo
permette per` o la delocalizzazione elettronica su un numero pi` u piccolo di orbitali
molecolari. Se il frammento quantico ` e piccolo o se la densit` a di carica sull’atomo
di frontiera ` e alta conviene utilizzare il metodo degli atomi legati, se il legame di
frontiera ` e lontano dal sito che subisce modificazioni chimiche i due metodi sono
equivalenti, ma l’LSCF ` e pi ` u semplice perch´ e non ` e necessario introdurre vincoli
negli orbitali di frontiera per mantenere le propriet` a geometriche.
Nel metodo generalized hybrid orbital (GHO) gli orbitali ibridi sugli atomi tra
le regione QM e la regione MM vengono divisi in orbitali attivi e orbitali ausiliari.
Gli orbitali ibridi attivi sono ottimizzati con calcoli quantomeccanici mentre la
densit` a di carica degli orbitali ausiliari ` e definita dal potenziale MM. Rispetto al
metodo LSCF non ` e necessario riparametrizzare ogni volta il sistema.
4.6.1 Il metodo a “strati di cipolla” ONIOM
Una formulazione alternativa della QM/MM ` e il metodo di estrapolazione o
sottrazione dell’energia. In questo caso i calcoli fatti su varie regioni della moleco-
la sono trattati con vari livelli di approssimazione. I vari contributi energetici
vengono calcolati per mezzo di appropriate correzioni ottenute semplicemente
aggiungendo e sottraendo alcuni termini.
99
Studio quantistico dei sistemi a molti corpi
Figura 4.6: Rappresentazione schematica di un partizionamento ONIOM
Su questa linea sono stati proposti vari metodi il primo dei quali combina
una tecnica basata su un approccio orbitale (quantistico) con una tecnica MM
(IMOMM) [80]. In un secondo metodo sono combinate due tecniche differen-
ti basate su un approccio quantistico a vari livelli (IMOMO) [81]. La tecnica
ONIOM (Our OwN n-layered Integrated MO and MM) [82] ` e una combinazione
di queste tecniche in cui il sistema ` e suddiviso in due o pi ` u strati trattati a vari
livelli di approssimazione (Fig.4.6). L’idea base [83] di questa tecnica pu` o essere
spiegata in modo semplice considerando il caso in cui il sistema viene diviso in
due e tre regioni. La Fig.4.7 fornisce uno schema del metodo di estrapolazione
dell’energia. Lo scopo ` e quello di descrivere il sistema reale al livello pi ` u alto
Figura 4.7: Schema di estrapolazione per un sistema partizionato in due e tre strati
100
4.6 Metodi ibridi QM/MM
della teoria (quantistico), cio` e il punto 4 nel caso che il sistema sia suddiviso in
due strati oppure il punto 9 se il sistema ` e suddiviso in tre strati. Nel caso di due
strati, l’energia totale estrapolata E
ONIOM
` e definita come:
E
ONIOM
= E
3
−E
1
+E
2
= E
low,real
−E
low,model
+E
high,model
(4.94)
dove E
3
` e l’energia dell’intero sistema (real) calcolata al livello pi ` u basso (MM)
ed E
1
e E
2
sono le energie del sistema modello determinate al livello basso (MM)
e al livello alto (QM), rispettivamente. Per un sistema suddiviso in tre strati,
l’espressione per l’energia E
ONIOM
` e data da:
E
ONIOM
=E
6
−E
3
+E
5
−E
2
+E
4
= E
low,real
−E
low,intermediate
+
+E
medium,intermediate
−E
medium,small
+E
high,small
(4.95)
Una caratteristica importante di questo schema ` e legata al trattamento dei link
atoms (Fig.4.8). Gli atomi presenti sia nel sistema modello che nel sistema reale
costituiscono il set 1 e le loro coordinate sono rappresentate attraverso il vettore

R
1
. Il set 2 include gli atomi che vengono introdotti artificialmente attraverso i
link atoms. Questi ultimi sono presenti solo nel sistema modello e le loro coor-
dinate sono descritte dal vettore

R
2
. Nel sistema reale sono sostituiti dagli atomi
descritti dal vettore

R
3
. Gli atomi che appartengono allo strato esterno e non sono
sostituiti dai link atoms sono contenuti nel set 4 e sono descritti dal vettore

R
4
.
La geometria del sistema reale ` e quindi descritta dai vettori

R
1
,

R
3
,

R
4
che sono
variabili indipendenti per l’energia ONIOM:
E
ONIOM
= E
ONIOM
(

R
1
,

R
3
,

R
4
) (4.96)
Per generare il sistema modello, descritto da

R
1
e dai link atoms

R
2
, si definisce

R
2
in funzione di

R
1
ed

R
3
:

R
2
= f (

R
1
,

R
3
) (4.97)
101
Studio quantistico dei sistemi a molti corpi
Figura 4.8: Definizione dei differenti set di atomi
La forma funzionale esplicita della dipendenza di

R
2
pu` o essere scelta in maniera
del tutto arbitraria. Tuttavia, considerando il fatto che i link atoms vengono in-
trodotti per mimare i corrispondenti legami covalenti del sistema reale, dobbiamo
in qualche modo simulare i movimenti degli atomi che vengono sostituiti. Lo
schema d’accoppiamento ` e il seguente: sia A un atomo appartenente al set 1 e B
un atomo appartenente al set 3, ed H un atomo appartenente al set 2 (Fig.4.8) posto
lungo l’asse di legame A-B. In termini delle coordinate interne scegliamo le stesse
coordinate di bond e gli stessi angoli e diedri per gli atomi del set 2 equivalenti a
quelli del set 3. Quindi, nel sistema modello i link atoms sono sempre allineati al
vettore di bond del sistema reale. Per l’esatta posizioner
2
di un singolo atomo H
lungo un bond A-B (r
3
−r
1
), si introduce un fattore di scala fisso g, ottenendo:
r
2
=r
1
+g(r
3
−r
1
) (4.98)
In questo modo se la distanza di legame A-B [r
3
−r
1
[ cambia durante la simula-
zione, anche la distanza di legame A-H[r
2
−r
1
[ cambier` a. La scelta del parametro
g dipende in maniera cruciale dalla natura del legame spezzato, e pu` o dipendere
anche dal livello di teoria usato per descrivere i due strati che sono connessi dal
legame tagliato.
102
Capitolo 5
Simulazioni di dinamica molecolare
classica
Come abbiamo visto nel Cap.2 le placche, presenti nelle cellule dei malati
di AD, sembrano essere un “serbatoio metallico”, viste le alte concentrazioni di
Cu
2+
, Zn
2+
, e Fe
3+
. Nel caso dell’Aβ gli ioni Zn
2+
e Cu
2+
sembrano avere un
ruolo nel processo di misfolding e nella formazione delle fibrille.
Focalizzeremo la nostra attenzione esclusivamente sull’interazione tra Zn
2+
e Aβ, in quanto i dati sperimentali attualmente disponibili non forniscono una
chiara interpretazione del suo ruolo. Alcuni sembrano indicare un possibile ruolo
dello ione Zn
2+
nella formazione degli aggregati iniziali [42, 43], mentre altri nel
processo del misfolding [44].
L’obiettivo ` e quello di analizzare la coordinazione dello ione Zn
2+
, in partico-
lare, l’interazione con il frammento peptidico Aβ
1−16
, identificato come il minimo
frammento coinvolto nel legame con il metallo [43], la cui sequenza ` e:
NH
3+
-DAEFRHDSGYEVHHQL-COO

Lo studio in silico di questo sistema ` e stato suddiviso in due fasi:
104
5.1 Operazioni preliminari
1. Simulazioni di dinamica molecolare classica nell’ensemble NVT.
2. Simulazioni ONIOM in cui la regione quantistica ` e trattata con DFT.
In questo capitolo mostriamo i risultati sperimentali ottenuti attraverso simulazioni
di dinamica molecolare classica.
5.1 Operazioni preliminari
Sistema Zn
2+
-Aβ
1−16
Il nostro primo passo ` e stato quello di simulare il sistema Zn
2+
-Aβ
1−16
sen-
za solvatare il sistema utilizzando l’algoritmo di dinamica molecolare classica
implementato nel programma open source Gromacs 3.3.3 [84]. Per la modelliz-
zazione del sistema ` e stata usata la struttura NMR [44], disponibile sul Protein
Data Bank (PDB) (ID: 1ZE9). Inoltre, sulla base di dati precedentemente ottenuti
attraverso un ottimizzazione geometrica DFT, abbiamo modificato il sito di coor-
dinazione metallico, servendoci del programma GaussView, generando la sfera di
Atomi r
i
(
˚
A)
Nδ(His-6) 2.11
O1(Glu-11) 2.10
O2(Glu-11) 2.10
Nε(His-13) 2.15
Nδ(His-14) 2.29
Tabella 5.1: Distanza dallo Zn
2+
degli atomi che si trovano inizialmente nella sfera di
coordinazione del metallo
105
Simulazioni di dinamica molecolare classica
coordinazione
1
iniziale del metallo riassunta nella Tabella 5.1
2
.
Aquesto punto abbiamo testato vari force field, alcuni gi` a presenti nel pacchet-
to di Gromacs 3.3.3, come OPLS [85] e Gromos96 [86] oltre a CHARMM27 [87]
che non ` e presente nel pacchetto, per verificare quali di questi meglio simulasse
l’interazione ione-peptide. Per ogni force field abbiamo inserito gradualmente le
interazioni tra ione metallico e leganti:
• Nel primo set di simulazioni non abbiamo inserito i legami chimici dello
ione metallico con i liganti quindi l’unica interazione tra lo Zn
2+
e il peptide
` e data dalle interazioni nonbonded (Van der Walls ed elettrostatiche).
• Nel secondo set abbiamo inserito invece i legami chimici (nel file di topolo-
gia (.top)). I parametri di bond (Tabella 5.2) ed angles (Tabella 5.3) per
gli atomi che noi riteniamo “legati” allo ione metallico, suggeriti da calcoli
quantomeccanici DFT, effettuati in precedenza dalla dott.ssa Marino presso
l’Universit` a della Calabria, e dalla referenza [88].
• Infine, oltre ad aggiungere i parametri di bond ed angle, abbiamo modificato
i parametri di LJ (Tabella 5.4) per lo ione metallico, basandoci su dati sug-
geriti dalla referenza [89]. Il calcolo dei parametri di LJ ` e stato effettuato
utilizzando la regola di Lorentz-Bertelot [90]
3
.
In tutti i casi in studio, prima di effettuare la dinamica, il sistema ` e stato
sottoposto ad una minimizzazione classica usando la tecnica del Conjugate Gra-
dient (CG) (Appendice F). A questo punto il sistema ` e stato termalizzato, aumen-
tando in modo graduale la temperatura, accoppiandolo ad termostato di Nos´ e-
1
Con sfera di coordinazione si intende una sfera di raggio 2.5
˚
Aal cui centro ` e posto lo Zn
2+
.
2
I numeri accanto al nome dell’amminoacido cui l’atomo appartiene indicano la posizione
lungo la sequenza di Aβ.
3
σ
i j
si ottiene attraverso una media aritmetica dei σ
ii
dei singoli atomi, ed ε
i j
si ottiene
attraverso una media geometrica degli ε
ii
.
106
5.1 Operazioni preliminari
Atomi b
0
(nm) K
b
(kJ mol
−1
nm
−2
)
Nδ(His-6) 0.205 41402
O1(Glu-11) 0.196 55202
Nε(His-13) 0.205 41402
Nδ(His-14) 0.205 41402
Tabella 5.2: Valori della distanza d’equilibrio e costante elastica per gli atomi legati allo Zn
2+
Atomi ϑ
0
(deg) K
ϑ
(kJ mol
−1
rad
−2
)
Nδ(His-6)-Zn
2+
-Nε(His-13) 110.0 414.0
Nδ(His-6)-Zn
2+
-Nδ(His-14) 110.0 414.0
Nε(His-13)-Zn
2+
-Nδ(His-14) 110.0 414.0
Cε(His-6)-Nδ(His-6)-Zn
2+
126.0 110.8.0
Cγ(His-6)-Nε(His-6)-Zn
2+
126.0 110.8.0
Cε(His-13)-Nδ(His-13)-Zn
2+
126.0 110.8.0
Cδ(His-13)-Nε(His-13)-Zn
2+
126.0 110.8.0
Cγ(His-14)-Nδ(His-14)-Zn
2+
126.0 110.8.0
Cε(His-14)-Nδ(His-6)-Zn
2+
126.0 110.8.0
O1(Glu-11)-Zn
2+
-Nδ(His-6) 112.0 48.3
O1(Glu-11)-Zn
2+
-Nε(His-13) 112.0 48.3
O1(Glu-11)-Zn
2+
-Nδ(His-14) 112.0 48.3
Tabella 5.3: Valori dell’angolo d’equilibrio e costante di forza angolare per gli atomi legati allo
Zn
2+
σ(nm) ε(kJ mol
−1
)
Zn
2+
0.157 0.766
Tabella 5.4: Parametri di LJ per lo Zn
2+
107
Simulazioni di dinamica molecolare classica
Hoover. Inoltre abbiamo applicato restrizioni geometriche esclusivamente sui
legami idrogeno presenti nel sistema utilizzando l’algoritmo di LINCS. Le intera-
zioni di LJ a lungo range sono state trattate imponendo un raggio di cutoff, che ` e
minore del lato del box
4
. Per quanto riguarda le interazioni elettrostatiche a lungo
range abbiamo utilizzato il metodo di Particle-mesh Ewald (PME), imponendo lo
stesso raggio di cutoff dei LJ.
In tutte le prove, una dinamica molecolare nell’ensemble NVT di 750ps del
complesso Zn
2+
-Aβ
1−16
` e stata effettuata ed i parametri di simulazione sono
riassunti nella Tabella 5.5.
N.

atomi 257
Passo di integrazione (dt) 0.0015ps
Numero di passi 500000
Long Range Coulomb PME (r = 2.9nm; Fourierspacing = 0.12nm)
Long Range VdW Cut-Off (r = 2.9nm)
Termostato Nos´ e-Hoover (τ = 0.2ps)
Constraint LINCS (h-bonds)
Dimensioni Box (6.186.186.18)nm
3
Tabella 5.5: Condizioni simulative utilizzate per la dinamica molecolare in assenza di solvente
Sistema Zn
2+
-Aβ
1−16
+ H
2
O
Il secondo passo ` e stato quello di simulare, sulla base dei dati raccolti in prece-
denza, il sistema Zn
2+
-Aβ
1−16
in presenza di acqua, utilizzando il force field
CHARMM27. Inoltre abbiamo modificato il force field aggiungendo i potenziali
di bond (Tabella 5.2), angle (Tabella 5.3) ed i parametri di LJ (Tabella 5.4). Il
sistema ` e stato solvatato in un box cubico con 2517 molecole d’acqua TIP3P [91].
4
I box utilizzati sono di forma cubica.
108
5.1 Operazioni preliminari
Prima di effettuare la dinamica, il sistema ` e stato sottoposto ad una minimiz-
zazione usando la tecnica dello Steepest Descent (SD) scelto per la sua maggior
efficienza di calcolo in presenza di solvente (Appendice 6).
Il sistema ` e stato termalizzato, aumentando in modo graduale la temperatura,
accoppiando separatamente il peptide, lo ione metallico e il solvente ad un ter-
mostato di Nos´ e-Hoover. Per le rimanenti condizioni simulative (constraint, LJ a
lungo range e interazione elettrostatica) abbiamo usato le stesse parametrizzazioni
viste in precedenza.
A questo punto una dinamica molecolare di 9ns ` e stata effettuata e le con-
dizioni simulative sono riassunte nella Tabella 5.6.
N.

atomi 7808
N.

atomi solvente 7551
N.

molecole solvente 2517
Passo di integrazione (dt) 0.0020ps
Numero di passi 4500000
Long Range Coulomb PME (r = 2.0nm; Fourierspacing = 0.12nm)
Long Range VdW Cut-Off (r = 2.0nm)
Termostato Nos´ e-Hoover (τ = 0.2ps)
Constraint LINCS (h-bonds)
Solvente TIP3P
Dimensioni Box (4.274.274.27)nm
3
Tabella 5.6: Condizioni simulative utilizzate per la dinamica molecolare in presenza di solvente
109
Simulazioni di dinamica molecolare classica
5.2 Risultati
Sistema Zn
2+
-Aβ
1−16
Come gi` a visto abbiamo provato a simulare il sistema, oltre che con vari force
field, con tecniche differenti.
Prova 1: Nella prima serie di prove abbiamo escluso legami chimici con lo
ione metallico considerando solo interazioni elettrostatiche e LJ fra lo ione metal-
lico e atomi del peptide. Abbiamo testato i tre force field: Gromos96, OPLS e
CHARMM27.
Gromos96: Abbiamo monitorato gli atomi presenti nella sfera di coordina-
zione del metallo (Fig.5.1), durante tutta la fase di termalizzazione e durante la
dinamica a 300K. Si vede che lo ione metallico rimane nella coordinazione ini-
ziale (Tabella 5.1), per quasi tutta la durata della simulazione a 200K. Verso la
a
Figura 5.1: Grafico delle distanze di vari
atomi dallo Zn
2+
in funzione
del tempo (Prova 1 - Gro-
mos96)
a
La linea orizzontale, di colore rosa,
delimita la sfera di coordinazione dello
Zn
2+
Figura 5.2: Grafico dell’energia totale in
funzione del tempo (Prova 1 -
Gromos96)
110
5.2 Risultati
fine di quest’intervallo l’atomo di O appartenente allo scheletro peptidico (back-
bone) dell’amminoacido His-6 entra dentro la sfera di coordinazione del metallo.
Contemporaneamente si osserva (Fig.5.2) una diminuzione dell’energia totale del
sistema. Questa situazione si stabilizza a 300K dove la distanza tra l’atomo di O
(His-6) e lo ione metallico assume un valore compatibile con una distanza di lega-
me e la deviazione standard, calcolata dalle oscillazioni attorno al valore medio,
diminuisce sensibilmente. In conclusione lo ione metallico diventa stabilmente
esa-coordinato essendo partito da una coordinazione penta.
OPLS: Identica procedura ` e stata attuata per il force field OPLS. Durante la
dinamica a 200K, a ∼ 1090ps l’amminoacido Lys-16 si avvicina allo Zn
2+
, por-
tando l’atomo O1, facente parte della coda carbossilica, dentro la sfera di co-
ordinazione del metallo (Fig.5.3), e, contemporaneamente, l’amminoacido His-
13 si allontana dallo Zn
2+
. Inoltre a ∼1220ps anche l’altro atomo di ossigeno
Figura 5.3: Grafico delle distanze di vari
atomi dallo Zn
2+
in funzione
del tempo (Prova 1 - OPLS)
Figura 5.4: Grafico dell’energia totale in
funzione del tempo (Prova 1 -
OPLS)
O2 (Fig.5.3), appartenente alla coda carbossilica (Lys-16) si porta ad una distan-
za inferiore di 2.5
˚
Adallo ione metallico. Questi cambiamenti si riflettono anche
sull’andamento dell’energia totale del sistema (Fig.5.4), che diminuisce in cor-
rispondenza di questi eventi. A 300K lo Zn
2+
diventa stabilmente esa-coordinato
111
Simulazioni di dinamica molecolare classica
essendo partito da una coordinazione penta. Si noti che i due atomi Nδ apparte-
nenti agli amminoacidi His-6 e His-14 si allontanano dallo ione metallico, e in
certi momenti sono (Fig.5.3) al di l` a della sfera di coordinazione.
CHARMM27: Prendendo spunto dal lavoro di Sakharov et al. [87] abbiamo
provato a simulare classicamente il sistema Zn
2+
-Aβ
1−16
usando il programma
Gromacs 3.3.3 abbinato al force field CHARMM27. CHARMM27 non ` e pre-
sente nel pacchetto del programma Gromacs 3.3.3. La versione da noi utilizza-
ta ` e stata scaricata dal sito di uno degli autori. Per prima cosa abbiamo dovu-
to modificare CHARMM27 in modo da renderlo consistente con il program-
ma Gromacs 3.3.3. Utilizzando uno script scritto in PERL, abbiamo genera-
to, a partire da un file di parametri di CHARMM (par all27 lipid.prm), i due
file ffcharmmbon.itp e ffcharmmnb.itp che verrano utilizzati dal programma Gro-
macs come nuovi force field. Una volta generato il file.top attraverso il comando
pdb2gmx, e dopo aver scelto come force field CHARMM27, bisogna utilizzare
un programma che modifica il file.top ottenuto in precedenza, aggiungendo alcuni
parametri. Ottenuto un nuovo file.top, siamo pronti a lanciare la nostra simula-
Figura 5.5: Grafico delle distanze di
vari atomi dallo Zn
2+
in
funzione del tempo (Prova 1 -
CHARMM27)
Figura 5.6: Grafico dell’energia totale in
funzione del tempo (Prova 1 -
CHARMM27)
112
5.2 Risultati
zione. Notiamo (Fig.5.5) come in questo caso lo ione metallico tenda a rimanere
penta-coordinato e l’energia totale oscilli attorno ad un valore costante alle varie
temperature (Fig.5.6).
Si fa notare che in tutti e tre i casi, nonostante non siano imposti legami chimici
per lo ione metallico, la coordinazione del metallo non tende mai a diminuire,
anzi in due casi aumenta. E’ possibile che questo sia dovuto ad una sovrastima
della carica netta “classica” (+2) dello ione. Inoltre in tutti e tre i force field la
parametrizzazione dello ione metallico (nonbonded) viene effettuata su modelli
Zn
2+
-H
2
O dove lo ione metallico ` e sempre esacoordinato.
La Fig.5.7 mostra le deviazioni quadratiche medie (RMSD) [92] del com-
plesso Zn
2+
-Aβ
1−16
rispetto alla struttura di partenza. Notiamo nella Fig.5.7b
due brusche variazioni fra i 1000ps e i 1200ps, in coincidenza dell’avvicinamen-
to della coda carbossilica (Lys-16). Questo repentino avvicinamento provoca un
profondo mutamento di tutta la struttura del complesso, messo in evidenza dalle
RMSD. Anche la Fig.5.7a mostra un cambiamento, meno brusco del precedente,
in coincidenza dell’entrata all’interno della sfera di coordinazione dell’atomo di
O (His-6), che avviene a ∼ 1400ps. Notiamo che CHARMM27 ha una RMSD
Figura 5.7: RMSD del sistema Zn
2+
-Aβ
1−16
rispetto alla struttura di partenza, dove con il simbo-
lo ' ` indichiamo la media e con σ la sua deviazione standard. Prova 1: (a) Gromos96;
(b) OPLS; (c) CHARMM27
113
Simulazioni di dinamica molecolare classica
pi ` u bassa rispetto agli altri force field. Ci ` o potrebbe indicarci che la parametriz-
zazione di CHARMM27 sia pi` u idonea rispetto agli altri, almeno nel caso preso
in esame (metallo-proteina).
Infine, nella Tabella 5.7, riportiamo le distanze medie 'r` lungo la traiettoria
e le deviazioni standard σ degli atomi che si trovano all’interno della sfera di
coordinazione dello Zn
2+
al termine della simulazione.
Atomi

r(
˚
A)

σ(
˚
A)
Gromos96
Nδ(His-6) 2.09 0.06
O1(Glu-11) 2.10 0.05
O2(Glu-11) 2.10 0.05
Nε(His-13) 2.10 0.06
Nδ(His-14) 2.08 0.06
O(His-6) 2.08 0.08
OPLS
Nδ(His-6) 2.27 0.10
O1(Glu-11) 1.97 0.05
O2(Glu-11) 1.97 0.04
Nδ(His-14) 2.34 0.15
O1(Lys-16) 1.96 0.04
O2(Lys-16) 1.98 0.05
CHARMM27
Nδ(His-6) 2.17 0.05
O1(Glu-11) 1.97 0.04
O2(Glu-11) 1.99 0.04
Nε(His-13) 2.17 0.06
Nδ(His-14) 2.15 0.05
Tabella 5.7: Distanze medie e deviazioni standard degli atomi che si trovano all’interno della sfera
di coordinazione dello Zn
2+
al termine della Prova 1
114
5.2 Risultati
Prova 2: In questa serie di prove abbiamo inserito i potenziali di bond ed
angles per lo Zn
2+
(vedi Tabelle 5.2-5.3).
Gromos96: Fin dai primi ps di evoluzione l’atomo O1 (Glu-3) entra nella
sfera di coordinazione dello Zn
2+
e a ∼250ps anche l’atomo O2 (Glu-3) si por-
ta all’interno di tale sfera (Fig.5.8). In corrispondenza di quest’ultimo evento
l’energia totale (Fig.5.9) del sistema diminuisce. Inoltre l’O2 (Glu-11), che era
nella sfera di coordinazione nella configurazione di partenza e vi rimaneva du-
rante tutte la prima serie di prove, esce durante la fase di minimizzazione
5
dalla
sfera di coordinazione. A 300K il sito di legame metallico tende a stabilizzarsi at-
torno ad una coordinazione esa, e le posizioni di tutti gli atomi che legano lo ione
metallico non variano in maniera apprezzabile. Anche in questo caso, come gi` a
accaduto nella Prova 1, lo ione metallico passa stabilmente ad una coordinazione
esa, nonostante l’inserimento dei potenziali di bond ed angles per i quattro atomi
indicati nella Tabella 5.2.
Figura 5.8: Grafico delle distanze di
vari atomi dallo Zn
2+
in
funzione del tempo (Prova 2 -
Gromos96)
Figura 5.9: Grafico dell’energia totale in
funzione del tempo (Prova 2 -
Gromos96)
5
Nei grafici delle distanze non ` e mostrata la fase di minimizzazione.
115
Simulazioni di dinamica molecolare classica
Figura 5.10: Grafico delle distanze di vari
atomi dallo Zn
2+
in funzione
del tempo (Prova 2 - OPLS)
Figura 5.11: Grafico dell’energia totale in
funzione del tempo (Prova 2 -
OPLS)
OPLS: Si vede (Fig.5.10) che nei primi ps di dinamica gli atomi O1 e O2,
che fanno parte della coda carbossilica (Lys-16), si portano all’interno della sfera
di coordinazione. Contemporaneamente i quattro amminoacidi legati inizialmente
allo ione metallico si allontanano, in particolare gli atomi Nδ appartenenti all’His-
6 e His-14. Inoltre l’atomo O2 (Glu-11) esce durante la fase di minimizzazione
dalla sfera di coordinazione, contrariamente a quanto visto nella Prova 1. Il sito di
legame metallico raggiunge la coordinazione esa gi` a a 200K e la mantiene anche
a 300K. L’energia totale ha un regolare andamento (Fig.5.11).
CHARMM27: Gi` a durante la fase di minimizzazione l’atomo O appartenente
al backbone dell’amminoacido Gly-9 entra dentro la sfera di coordinazione dello
Zn
2+
. Inoltre, le oscillazioni di quest’atomo attorno alla distanza media sono pi` u
grandi degli altri atomi, aumentando in maniera progressiva all’aumentare della
temperatura (Tabella 5.8). Anche in questo caso l’atomo O2 (Glu-11) presente
nella configurazione iniziale all’interno della sfera di coordinazione dello ione
metallico, si allontana durante la minimizzazione. Lo ione metallico resta stabil-
mente penta-coordinato (Fig.5.12) durante tutta la simulazione. L’energia totale
ha un regolare andamento (Fig.5.13).
116
5.2 Risultati
Figura 5.12: Grafico delle distanze di vari
atomi dallo Zn
2+
in fun-
zione del tempo (Prova 2 -
CHARMM27)
Figura 5.13: Grafico dell’energia totale in
funzione del tempo (Prova 2 -
CHARMM27)
Notiamo che, nonostante l’inserimento esplicito dei potenziali di bond ed an-
gles per lo ione metallico, in nessun caso siamo riusciti ad ottenere una configu-
razione in cui lo Zn
2+
fosse tetra-coordinato. Inoltre notiamo che, a parte la prova
con CHARMM27, i “nuovi” atomi, cio` e quegli atomi non presenti nella configu-
razione di partenza dello ione metallico e per cui non sono stati inseriti potenziali
di bond ed angle esplicitamente, si portano a distanze inferiori rispetto agli atomi
presenti nella configurazione iniziale ed anche la loro deviazione standard ` e mi-
nore. Probabilmente, ci ` o ` e dovuto alla concomitanza di due fattori: il primo ` e che
i potenziali di bond ed angle inseriti danno origine a interazioni deboli, che non
sono in grado di parametrizzare in maniera corretta la forza di legame fra lo ione
metallico e gli atomi del peptide; il secondo, come gi` a detto in precedenza, ` e che
la carica dello ione metallico e i parametri di LJ ad esso associati sono molto alti,
favorendo l’interazione nonbonded.
La Fig.5.14 mostra l’RMSD per tutti i force field utilizzati. Notiamo che i
valori medi sono pi` u alti rispetto alla prima prova. La Fig.5.14a mostra l’RMSD
relativo a Gromos96. Questo ha un andamento particolarmente oscillante ed inol-
117
Simulazioni di dinamica molecolare classica
Figura 5.14: RMSD del sistema Zn
2+
-Aβ
1−16
rispetto alla struttura di partenza, dove con il sim-
bolo ' ` indichiamo la media e con σ la sua deviazione standard. Prova 2: (a)
Gromos96; (b) OPLS; (c) CHARMM27
tre a ∼250ps subisce un aumento improvviso in coincidenza dell’entrata dell’ato-
mo O2 all’interno della sfera di coordinazione dello ione metallico. Nel caso di
OPLS (Fig.5.14b) notiamo un incremento nelle prime fasi della simulazione, pro-
prio in coincidenza dell’ingresso dell’amminoacido Lys-16 all’interno della sfera
di coordinazione. Pi ` u stabile l’andamento dell’RMSD nel caso di CHARMM27,
anche se a 300K tende ad aumentare in maniera progressiva. Infine notiamo, an-
cora una volta, che CHARMM27 mostra un valor medio dell’RMSD pi` u basso
rispetto agli altri due force field, confermando quanto gi` a detto.
La Tabella 5.8, in cui sono mostrate le distanze medie 'r` e le deviazioni stan-
dard σ degli atomi che si trovano all’interno della sfera di coordinazione dello
ione metallico al termine della simulazione, mostrano alcune peculiarit` a. Notiamo
che nel caso di OPLS la carica parziale negativa molto alta della coda carbossilica
(Lys-16) favorisce l’avvicinamento dei due atomi di O, che si portano ad una di-
stanza molto inferiore rispetto a tutti gli altri atomi. Simile situazione nel caso di
Gromos96, anche se meno evidente, dove i due atomi O1 e O2 (Glu-3) sono a
distanza inferiore rispetto agli altri. Situazione differente con CHARMM27, dove
l’ingresso del “nuovo” atomo O (Gly-9) non altera in modo evidente la distan-
118
5.2 Risultati
za degli atomi, gi` a presenti nella configurazione iniziale. Concludendo anche in
questo caso nessun force field ` e riuscito a riprodurre una coordinazione tetra per
lo ione metallico.
Atomi

r(
˚
A)

σ(
˚
A)
Gromos96
Nδ(His-6) 2.22 0.06
O1(Glu-11) 2.23 0.05
Nε(His-13) 2.20 0.07
Nδ(His-14) 2.23 0.06
O1(Glu-3) 2.13 0.05
O2(Glu-3) 2.13 0.06
OPLS
Nδ(His-6) 2.42 0.07
O1(Glu-11) 2.33 0.06
Nε(His-14) 2.23 0.07
Nδ(His-14) 2.47 0.07
O1(Lys-16) 1.95 0.04
O2(Lys-16) 1.94 0.04
CHARMM27
Nδ(His-6) 2.20 0.05
O1(Glu-11) 2.14 0.05
Nε(His-13) 2.13 0.06
Nδ(His-14) 2.19 0.05
O(Gly-9) 2.14 0.08
Tabella 5.8: Distanze medie e deviazioni standard degli atomi che si trovano all’interno della sfera
di coordinazione dello Zn
2+
al termine della Prova 2
Prova 3: In questa serie di prove, oltre ad inserire esplicitamente i poten-
ziali di bond (Tabella 5.2) ed angles (Tabella 5.3) per lo Zn
2+
, sono stati modifi-
cati i parametri delle interazioni nonbonded per lo ione metallico, in particolare i
119
Simulazioni di dinamica molecolare classica
parametri del termine di LJ (Tabella 5.4).
Gromos96: Notiamo che nei primi picosecondi della simulazione gli atomi
O1 e O2 dell’amminoacido Glu-3 si avvicinano allo Zn
2+
, portandosi all’interno
della sfera di coordinazione del metallo (Fig.5.15). Come gi` a visto nella Prova
2, anche in questo caso l’atomo O2 (Glu-11), che era nella sfera di coordinazio-
ne nella configurazione di partenza e vi rimaneva durante tutta la Prova 1, esce
durante la fase di minimizzazione da tale sfera. Il sito di legame metallico sia a
200K che a 300K tende a stabilizzarsi attorno ad una configurazione esa, in cui lo
Zn
2+
, oltre ad essere legato agli atomi presenti nella configurazione iniziale, lega
i due atomi O1 e O2 (Glu-3). Nella Fig.5.16 ` e mostrato l’andamento dell’energia
alle varie temperature.
Figura 5.15: Grafico delle distanze di vari
atomi dallo Zn
2+
in fun-
zione del tempo (Prova 3 -
Gromos96)
Figura 5.16: Grafico dell’energia totale in
funzione del tempo (Prova 3 -
Gromos96)
OPLS: Osserviamo che fin dalle prime fasi della simulazione (Fig.5.17) tutti
gli atomi che nella configurazione iniziale si trovavano all’interno della sfera di
coordinazione si allontanano sensibilmente. In particolare i due atomi Nδ delle
(His-6 e -14) oscillano attorno ad una distanza media maggiore di 2.5
˚
A. All’au-
mentare della temperatura le oscillazioni attorno al valore medio di questi due
120
5.2 Risultati
atomi aumentano progressivamente, ma i valori medi delle distanze non varia-
no di molto. Anche in questo caso l’atomo O2 si porta nella fase di minimiz-
zazione fuori dalla sfera di coordinazione. Al termine della simulazione sola-
mente due atomi, O1 (Glu-11) ed Nε (His-13), si trovano all’interno della sfera di
coordinazione dello Zn
2+
. L’energia totale ha un andamento regolare (Fig.5.18).
Figura 5.17: Grafico delle distanze di vari
atomi dallo Zn
2+
in funzione
del tempo (Prova 3 - OPLS)
Figura 5.18: Grafico dell’energia totale in
funzione del tempo (Prova 3 -
OPLS)
CHARMM27: Notiamo che dopo ∼1ps di simulazione (Fig.5.19) l’atomo O
appartenente al backbone dell’amminoacido Gly-9 si porta a distanza molto breve
dallo ione metallico. Contemporaneamente l’energia totale del sistema (Fig.5.20)
subisce una lieve diminuzione. Ancora una volta l’atomo O2 (Glu-11) esce fuori
dalla sfera di coordinazione durante la fase di minimizzazione, come nella Prova
2 e a differenza di quanto avviene nella Prova 1. Come nelle altre prove lo ione
metallico ` e alla fine penta-coordinato.
Nella Fig.5.21 mostriamo l’RMSD per tutti i force field. Solo Gromos96
(Fig.5.21a) mostra delle oscillazioni pi ` u evidenti. In particolare notiamo che al
passaggio fra i 100K e i 200K l’RMSD subisce un repentino aumento. Ad ogni
modo notiamo che sia la media che le oscillazioni dell’RMSD in questa Prova
sono inferiori in tutti e tre i casi rispetto alla Prova 2. Questo potrebbe essere un ul-
121
Simulazioni di dinamica molecolare classica
Figura 5.19: Grafico delle distanze di vari
atomi dallo Zn
2+
in fun-
zione del tempo (Prova 3 -
CHARMM27)
Figura 5.20: Grafico dell’energia totale in
funzione del tempo (Prova 3 -
CHARMM27)
teriore segnale che la direzione seguita, cio` e la modifica dei parametri nonbonded,
possa essere quella giusta.
Nella Tabella 5.8 riportiamo le distanze medie 'r` e le deviazioni standard
σ degli atomi che si trovano all’interno della sfera di coordinazione dello ione
metallico al termine della simulazione. Vediamo prima il caso di OPLS dove
Figura 5.21: RMSD del sistema Zn
2+
-Aβ
1−16
rispetto alla struttura di partenza, dove con il sim-
bolo ' ` indichiamo la media e con σ la sua deviazione standard. Prova 3: (a)
Gromos96; (b) OPLS; (c) CHARMM27
122
5.2 Risultati
possiamo notare che le distanze medie sono molto grandi e gli atomi Nδ degli
amminoacidi His-6 e His-14 sono fuori dalla sfera di coordinazione. Questo ci
Atomi

r(
˚
A)

σ(
˚
A)
Gromos96
Nδ(His-6) 2.31 0.06
O1(Glu-11) 2.26 0.05
Nε(His-13) 2.28 0.06
Nδ(His-14) 2.33 0.06
O1(Glu-3) 1.69 0.04
O2(Glu-3) 1.69 0.04
OPLS
Nδ(His-6) 2.55 0.07
O1(Glu-11) 2.32 0.06
Nε(His-14) 2.33 0.07
Nδ(His-14) 2.54 0.07
CHARMM27
Nδ(His-6) 2.24 0.05
O1(Glu-11) 2.15 0.05
Nε(His-13) 2.14 0.05
Nδ(His-14) 2.20 0.05
O(Gly-9) 1.74 0.08
Tabella 5.9: Distanze medie e deviazioni standard degli atomi che si trovano all’interno della sfera
di coordinazione dello Zn
2+
al termine della Prova 3
induce a pensare che i nuovi parametri di LJ da noi inseriti siano troppo piccoli,
rispetto a quelli presenti nel force field OPLS. Questo da un lato impedisce ad altri
atomi di entrare nella sfera di coordinazione dello Zn
2+
, ma probabilmente tiene
lontani quelli presenti nella configurazione di partenza. Possiamo ipotizzare che
OPLS sia costruito in maniera fortemente consistente ed un cambiamento in uno
dei parametri altera in modo evidente la dinamica generata con questo force field.
123
Simulazioni di dinamica molecolare classica
Osservando i risultati relativi a Gromos96 notiamo che O1 e O2 (Glu-3), non
presenti nella sfera di coordinazione iniziale, sono notevolmente pi ` u vicini degli
altri atomi. Questa situazione ` e riprodotta anche nel caso di CHARMM27, dove
questa volta ` e l’O della Gly-9 a trovarsi ad una distanza molto inferiore rispetto
agli altri atomi. Nonostante la modifica dei parametri di LJ nessun force field
mostra una coordinazione tetra. Questi test hanno confermato il fatto che la carica
netta “+2” dello ione metallico ` e troppo alta. Per questo motivo potrebbe essere
interessante eseguire dei calcoli quantomeccanici per definire le cariche parziali
di tutti gli atomi coinvolti nel legame con il metallo e del metallo stesso.
Lo step successivo ` e stato quello di selezionare alcune configurazioni, a 300K,
ad energia pi` u bassa. Queste configurazioni sono state estratte dalla dinami-
ca effettuata nella Prova 1 e nella Prova 3 con CHARMM27. Con un algori-
tmo CG ` e stata quindi trovata la configurazione di minima energia per ognuna
delle configurazioni selezionate e quest’ultima ` e stata utilizzata come partenza
per ONIOM.
Sistema Zn
2+
-Aβ
1−16
+ H
2
O
Abbiamo simulato il sistema Zn
2+
-Aβ
1−16
in presenza di acqua, utilizzando
il ff CHARMM27 (i parametri della simulazione sono riassunti nella Tabella 5.5).
Abbiamo inserito i potenziali di bond (Tabella5.2) ed angle (Tabella5.3) per lo
ione metallico ed abbiamo modificato i parametri di LJ (Tabella5.4).
Possiamo notare che dopo pochi picosecondi di simulazione a 100K l’atomo
O (Fig.5.22) appartenente al backbone dell’amminoacido Gly-9 entra nella sfera
di coordinazione. Fra ∼16 e ∼17ps anche una molecola di solvente (Sol-774)
entra nella sfera di coordinazione. Nella Fig.5.23 mostriamo l’andamento delle
distanze durante tutta la dinamica a 100K. Dalla Fig.5.24 si vede come l’energia
124
5.2 Risultati
totale del sistema a 100K lentamente tenda a stabilizzarsi. Per questo motivo la
dinamica ` e stata leggermente allungata.
Figura 5.22: Grafico delle distanze durante
i primi 20ps di vari atomi dal-
lo Zn
2+
in funzione del tempo
a 100K
Figura 5.23: Grafico delle distanze di vari
atomi dallo Zn
2+
in funzione
del tempo a 100K
Figura 5.24: Grafico dell’energia totale in funzione del tempo a 100K
Il sistema non subisce cambiamenti rilevanti a 200K (Figg.5.25 e 5.26).
Infine a 300K abbiamo lasciato evolvere il sistema per 9000ps, e come pos-
siamo notare dalle Figg.5.27 e 5.28 la coordinazione dello ione metallico subisce
un cambiamento a ∼4125ps dove una nuova molecola di solvente (Sol 661) en-
tra dalla sfera di coordinazione, provocando l’allontanamento dell’atomo Nδ del-
125
Simulazioni di dinamica molecolare classica
Figura 5.25: Grafico delle distanze di vari
atomi dallo Zn
2+
in funzione
del tempo a 200K
Figura 5.26: Grafico dell’energia totale in
funzione del tempo a 200K
l’amminoacido His-6 che si porta leggermente al di l` a della sfera di coordinazione.
Anche gli altri atomi si allontanano leggermente mentre la molecola di solvente
(Sol 774) rimane stabile. L’energia ha un andamento regolare (Fig.5.30).
La Fig.5.30 mostra l’RMSD del sistema Zn
2+
-Aβ
1−16
durante tutta la dina-
mica di 9ns a 300K. Il valore molto alto evidenzia i notevoli cambiamenti che la
Figura 5.27: Grafico delle distanze fra
4120 e 4140ps di vari ato-
mi dallo Zn
2+
in funzione del
tempo a 300K
Figura 5.28: Grafico delle distanze di vari
atomi dallo Zn
2+
in funzione
del tempo a 300K
126
5.2 Risultati
Figura 5.29: Grafico dell’energia totale in
funzione del tempo a 300K
Figura 5.30: RMSD del sistema Zn
2+
-

1−16
rispetto alla strut-
tura di partenza durante la
dinamica a 300K
struttura peptidica subisce a causa dell’influenza del solvente, evidenziati anche
dal cambiamento sia del numero di coordinazione dello ione metallico che dal
cambiamento dei partecipanti al legame.
Nella Tabella 5.10 riportiamo le distanze medie 'r` e le deviazioni standard
σ degli atomi che si trovano all’interno della sfera di coordinazione al termine
della simulazione. In questo caso le distanze medie sono state calcolate a partire
dall’istante in cui la seconda molecola di solvente (Sol 661) entra all’interno della
sfera di coordinazione dello ione metallico. Si nota il progressivo allontanamento
di tutti gli atomi che si trovavano inizialmente nella sfera di coordinazione. Inoltre
l’allontanamento della His-6 potrebbe essere un indizio del possibile ruolo svolto
dallo Zn
2+
, che approfondiremo nel prossimo capitolo. Ancora una volta non
siamo riusciti ad ottenere una configurazione in cui lo Zn
2+
sia tetra-coordinato.
Lo step successivo ` e stato quello di selezionare alcune configurazioni, a 300K,
ad energia pi ` u bassa. Con un algoritmo SD ` e stata quindi trovata la configurazione
di minima energia per ognuna delle configurazioni selezionate e quest’ultima ` e
stata utilizzata come partenza per ONIOM.
127
Simulazioni di dinamica molecolare classica
Atomi

r(
˚
A)

σ(
˚
A)
Nδ(His-6) 2.53 0.05
O1(Glu-11) 2.26 0.04
Nε(His-13) 2.42 0.05
Nδ(His-14) 2.41 0.05
O(Gly-9) 1.86 0.09
O(Sol-774) 1.79 0.05
O(Sol-661) 1.79 0.05
Tabella 5.10: Distanze medie e deviazioni standard degli atomi che si trovano all’interno della
sfera di coordinazione dello Zn
2+
al termine della simulazione
5.3 Conclusioni
Le simulazioni di dinamica molecolare classica descritte in questo capitolo
sono state necessarie alla costruzione di modelli da sottoporre all’ottimizzazione
geometrica ONIOM e, in un lavoro successivo a quello presente in questa tesi di
laurea, a simulazioni CP.
Abbiamo confrontato tre force field ma non ci siamo preoccupati di fornire
dei parametri pi ` u realistici per le cariche parziali presenti sullo ione metallico
e sui suoi leganti. Analizzando i dati classici abbiamo per` o notato che le inte-
razioni elettrostatiche sono quelle che hanno maggiormente contribuito a deter-
minare le configurazioni finali dei nostri modelli, fatto che determina un bias per
le simulazioni quantistiche successive.
128
Capitolo 6
Simulazioni QM/MM-ONIOM
Ciascun metodo computazionale ha sia punti di forza sia di debolezza: i meto-
di quantomeccanici (QM) permettono la stima di numerose propriet` a molecolari
e di modellare reazioni chimiche, ma i tempi di calcolo crescono rapidamente al-
l’aumentare delle dimensioni del sistema in studio. I metodi molecular mechanics
(MM) possono fornire un numero molto pi ` u limitato di informazioni e non pos-
sono essere impiegati per la simulazione di rotture o formazioni di legami, ma
permettono di effettuare veloci ottimizzazioni geometriche anche su sistemi di
grandi dimensioni nel loro stato fondamentale. I metodi ibridi QM/MM cercano
di combinare le caratteristiche pi` u utili dei due diversi approcci in un singolo
calcolo.
Il caso pi` u semplice di metodo ibrido prevede l’impiego di un metodo QM(HF,
DFT, ecc.) solo per una regione limitata della molecola, per la quale sia importante
avere un modello accurato della struttura elettronica. Il resto del sistema viene
invece simulato con un metodo MM. Frequentemente la regione QM ` e interna al
sistema (inner), mentre la regione MM ` e esterna (outer). Esempi di schemi di
questo tipo possono essere:
• macromolecole biologiche come gli enzimi, il cui sito attivo viene studiato
130
6.1 Operazioni preliminari
a livello QM e la restante struttura proteica a livello MM;
• soluti immersi in un solvente considerato tramite un modello esplicito, in
cui il soluto viene simulato tramite un metodo QM e le numerose molecole
di solvente con un metodo MM;
• setacci molecolari, in cui la specie inserita in una cavit` a ` e studiata a livello
QM mentre la gabbia circostante ` e simulata mediante MM.
Sfruttando le caratteristiche dei metodi QM/MM abbiamo simulato il sistema
Zn
2+
-Aβ
1−16
con e senza solvente dividendo il sistema in due regioni.
6.1 Operazioni preliminari
Sistema Zn
2+
-Aβ
1−16
Come gi` a detto nel Cap.5, prima di effettuare un’ottimizzazione ONIOM ab-
biamo estratto alla temperatura di 300K alcune configurazioni a bassa energia
ottenute dalle simulazioni di dinamica molecolare classica svolte utilizzando il ff
N.

atomi 257
Passo di integrazione (dt) 0.0015ps
Numero di passi 5000
Dimensioni Box (6.186.186.18)nm
3
Valore di convergenza delle forze (emtol) 10.0 kJ mol
−1
nm
−1
Grandezza massima dello step (emstep) 0.01 nm
Frequenza con la quale viene effettuato
un passo di SD durante 100
la minimizzazione CG (nstcgsteep)
Tabella 6.1: Condizioni simulative utilizzate per la minimizzazione in assenza di solvente
131
Simulazioni QM/MM-ONIOM
Atomi r
i
(
˚
A)
Nδ(His-6) 2.26
O(Gly-9) 1.77
O1(Glu-11) 2.16
Nε(His-13) 2.16
Nδ(His-14) 2.23
Tabella 6.2: Distanza dallo Zn
2+
degli atomi che si trovano nella sfera di coordinazione del
metallo dopo la fase di minimizzazione classica
CHARMM27 con l’inserimento dei parametri di bond ed angle per lo ione metal-
lico e la modifica dei parametri di LJ. Queste configurazioni sono state minimiz-
zate classicamente utilizzando l’algoritmo CG, i cui parametri simulativi sono
riassunti nella Tabella 6.1.
A questo punto la configurazione ad energia minore (Tabella 6.2) ` e stata ot-
timizzata geometricamente utilizzando il metodo ONIOM presente nel software
Gaussian03 [93]. La regione quantistica ` e stata trattata utilizzando la DFT con
il funzionale di scambio e correlazione B3LYP [69]. Abbiamo usato funzioni di
base differenziate, nel senso che per il metallo ` e stato usato uno pseudopotenziale
(Appendice G) di tipo SDD [94] ottimale per la descrizione dello ione Zn
2+
e, per
i restanti atomi C, N, H, O, un set di funzioni di base di tipo 6-31G+(d,p)(DZ). Il
numero di primitive utilizzate per una singola contrazione cambia a seconda che
gli orbitali atomici siano di core o di valenza. G sta per Gaussian e si riferisce
naturalmente alla forma funzionale della primitiva. La base 6-31G sta ad indicare
una singola ζ (vedi Appendice D) di quattro primitive per gli orbitali interni ed
una doppia ζ con due distinte contrazioni di tre ed una primitiva, rispettivamente
per gli orbitali di valenza. Con il simbolo + indichiamo il fatto che vengono scelte
funzioni primitive diffuse nello spazio, mentre il termine (d,p) indica che stiamo
usando orbitali atomici che non sono occupati negli atomi isolati (per esempio gli
132
6.1 Operazioni preliminari
orbitali di tipo d dell’ossigeno e dell’azoto o gli orbitali di tipo p dell’idrogeno).
Infine il termine (DZ) indica che usiamo 2 funzioni per ogni orbitale atomico
occupato: una pi ` u raccolta e una pi` u espansa. La regione MM ` e stata simulata
utilizzando il ff Universal Force Field (UFF) [95] presente nel programma Gaus-
sian03. L’algoritmo d’ottimizzazione geometrica utilizzato ` e quello di Berny (Ap-
pendice H). I criteri di convergenza utilizzati, in generale, dall’algoritmo di Berny
ed implementati in Gaussian sono:
• la componente massima delle forze deve essere inferiore ad un valore di
soglia di 0.00045;
• lo scarto quadratico medio (RMS) delle forze inferiore ad un valore di
tolleranza pari a 0.0003;
• lo spostamento spaziale fra uno step e quello successivo deve essere pi ` u
piccolo di un valore di soglia di 0.0018.
• l’RMS di questo spostamento deve essere al di sotto di un valore di soglia
di 0.0012.
Come si vede la differenza di energia tra due step successivi non ` e un esplici-
to criterio di convergenza. La presenza di quattro distinti criteri di convergenza
previene un’identificazione prematura del minimo. Nel caso dell’ottimizzazione
ONIOM oltre ai quattro criteri di convergenza appena citati si possono aggiun-
gere due nuovi criteri, relativi alle forze, legati alla convergenza della regione
MM. I valori di soglia sono identici a quelli gi` a visti in precedenza. Il termine
d’interazione H
QM/MM
` e calcolato al livello mechanical embedding.
Prima di procedere all’ottimizzazione geometrica abbiamo separato le due re-
gioni utilizzando il software GaussView [93] ed inserito dei link atoms nelle re-
gioni di confine in cui sono stati spezzati dei legami covalenti. Come link atoms
133
Simulazioni QM/MM-ONIOM
abbiamo utilizzato degli atomi di idrogeno. La regione QM contiene lo Zn
2+
, le
catene laterali degli amminoacidi Glu-11, His-6, His-13, His-14 e l’intero ammi-
noacido Gly-9. Tutto il resto viene trattato a livello MM. Nella Fig.6.1 possiamo
osservare le due regioni, la regione QM ` e rappresentata attraverso un modello
“ball and stick”, mentre la regione MM ` e rappresentata attraverso un modello
“wireframe”.
Figura 6.1: Regioni QM (“ball and stick”) e MM (“wireframe”)
Sistema Zn
2+
-Aβ
1−16
+ H
2
O
Come nel caso precedente prima di effettuare un ottimizzazione ONIOM ab-
biamo estratto alcune configurazioni ad energia pi ` u bassa ottenute attraverso le
simulazioni di dinamica molecolare classica in presenza del solvente, utilizzando
il ff CHARMM27 con l’inserimento dei parametri di bond ed angle per lo ione
metallico e la modifica dei parametri di LJ. Su queste ` e stata effettuata una mini-
mizzazione classica usando l’algoritmo SD, maggiormente efficiente in presenza
d’acqua, i cui parametri simulativi sono riassunti nella Tabella 6.3.
134
6.1 Operazioni preliminari
N.

atomi 7808
N.

atomi solvente 7551
N.

molecole solvente 2517
Solvente TIP3P
Passo di integrazione (dt) 0.0020ps
Numero di passi 30000
Dimensioni Box (4.274.274.27)nm
3
Valore di convergenza delle forze (emtol) 10.0 kJ mol
−1
nm
−1
Grandezza massima dello step (emstep) 0.01 nm
Tabella 6.3: Condizioni simulative utilizzate per la minimizzazione in presenza del solvente
Atomi r
i
(
˚
A)
Nδ(His-6) 2.52
1
O(Gly-9) 1.82
O1(Glu-11) 2.26
Nε(His-13) 2.40
Nδ(His-14) 2.43
O(Sol-661) 1.78
O(Sol-774) 1.75
Tabella 6.4: Distanza dallo Zn
2+
degli atomi che si trovano nella sfera di coordinazione del
metallo dopo la fase di minimizzazione classica
A questo punto sulla configurazione ad energia inferiore (Tabella 6.4) un’ot-
timizzazione geometrica ONIOM ` e stata effettuata usando il software Gaussian03
con parametri simulativi identici a quelli gi` a visti in precedenza. Le differenze fra
i due sistemi riguardano la scelta delle regioni (Fig.6.2). Oltre allo Zn, alle catene
laterali degli amminoacidi Glu-11, His-6, His-13, His-14 e l’intero amminoaci-
do Gly-9, abbiamo considerato nella regione QM le due molecole di acqua che
1
Nonostante l’atomo Nδ si trovi inizialmente al di fuori della sfera di coordinazione del metallo
lo indichiamo esplicitamente perch` e incluso da noi nella regione quantistica.
135
Simulazioni QM/MM-ONIOM
si trovano nella sfera di coordinazione del metallo alla fine del calcolo classico.
Abbiamo escluso dal sistema le restanti molecole di solvente per due motivi; (i) la
maggior parte di esse al termine delle simulazioni di dinamica molecolare classi-
ca e della fase di minimizzazione si trovavano molto distanti dal sito metallico e,
quindi, possiamo supporre non influenzino la coordinazione dello ione metallico;
(ii) i tempi di calcolo ONIOM si dilatano notevolmente in presenza di acqua.
Figura 6.2: Regioni QM (“ball and stick”) e MM (“wireframe”)
6.2 Risultati
Sistema Zn
2+
-Aβ
1−16
Come gi` a detto per prima cosa abbiamo ottimizzato il sistema Zn
2+
-Aβ
1−16
in
assenza d’acqua. Il calcolo, dopo 125 cicli, ha soddisfatto tutti e sei i criteri di con-
vergenza. L’energia del sistema ottimizzato ` e uguale a -1461.167a.u.. Abbiamo
136
6.2 Risultati
Figura 6.3: Grafico delle distanze di vari atomi dallo Zn
2+
durante la fase d’ottimizzazione
ONIOM
monitorato durante la fase d’ottimizzazione l’andamento delle distanze (Fig.6.3)
degli atomi che si trovavano inizialmente nella sfera di coordinazione del metallo
(Tabella 6.2). Come possiamo notare durante l’ottimizzazione l’atomo O apparte-
nente all’amminoacido Gly-9 si allontana dallo ione metallico fino a portarsi fuori
dalla sfera di coordinazione e l’O2 della catena laterale dell’amminoacido Glu-11
Figura 6.4: Configurazione finale del siste-
ma Zn
2+
-Aβ
1−16
Figura 6.5: Ingrandimento del sito metalli-
co
137
Simulazioni QM/MM-ONIOM
entra nella sfera di coordinazione mentre l’O1 ne esce.
Possiamo osservare le struttura finale ottenuta (Fig.6.4) e un ingrandimento del
sito metallico (Fig.6.5). La Fig.6.5 mostra che la coordinazione dello Zn
2+
non
` e perfettamente tetraedrica come si pu` o apprezzare meglio osservando gli angoli
riportati nella Tabella 6.5.
Atomi ϑ(deg)
Nδ(His-6)-Zn
2+
-O2(Glu-11) 111.20
Nε(His-13)-Zn
2+
-O2(Glu-11) 97.82
Nδ(His-14)-Zn
2+
-O2(Glu-11) 121.57
Tabella 6.5: Angoli di legame al termine dell’ottimizzazione ONIOM
La Fig.6.6 mostra l’RMSD del complesso Zn
2+
-Aβ
1−16
rispetto alla strut-
tura di partenza. La Fig.6.6a rappresenta l’RMSD dell’intero sistema, mentre le
Figg.6.5b-c rappresentano l’RMSD delle regioni QM ed MM rispettivamente. Si
osserva che l’andamento dell’RMSD nelle due regioni ` e sostanzialmente identico.
Figura 6.6: RMSD del sistema Zn
2+
-Aβ
1−16
rispetto alla struttura di partenza. (a) Sistema
ONIOM; (b) Regione QM; (c) Regione MM
Abbiamo effettuato un analisi delle cariche parziali usando la tecnica del Natu-
ral Bond Orbital (NBO) (Appendice I) per vedere come queste si sono distribuite
138
6.2 Risultati
Atomi q(e)
Zn
2+
1.306
Nδ(His-6) -0.644
O1(Glu-11) -0.745
O2(Glu-11) -0.822
Nε(His-13) -0.630
Nδ(His-14) -0.655
Tabella 6.6: Cariche parziali dello ione metallico e dei suoi liganti
tra i vari atomi presenti nel sito metallico. Come si vede nella Tabella 6.6 lo Zn,
che inizialmente aveva una carica pari a +2, ha ceduto parte della sua carica agli
atomi circostanti.
In conclusione possiamo osservare che lo ione metallico, inizialmente penta-
coordinato, dopo l’ottimizzazione ONIOM ha una struttura di tetraedro distor-
to. Nella Tabella 6.7 riportiamo le distanze finali dallo Zn
2+
degli atomi che si
trovano all’interno della sfera di coordinazione.
Atomi r(
˚
A)
Nδ(His-6) 2.09
O2(Glu-11) 1.97
Nε(His-13) 2.15
Nδ(His-14) 2.09
Tabella 6.7: Distanze degli atomi che si trovano nella sfera di coordinazione dello Zn
2+
al termine
dell’ottimizzazione ONIOM
Sistema Zn
2+
-Aβ
1−16
+ H
2
O
Il secondo step ` e stato quello di ottimizzare il sistema Zn
2+
-Aβ
1−16
+ H
2
O,
dove nella regione QM abbiamo incluso solo le due molecole d’acqua pi` u vicine
139
Simulazioni QM/MM-ONIOM
al metallo. Solo due criteri di convergenza (relativi alla parte MM) dei sei sono
stati soddisfatti. Nonostante ci` o possiamo supporre che il sistema, dopo 287 cicli,
sia ottimizzato a pieno. Infatti osservando le variazioni dell’energia totale noti-
amo che, negli ultimi dieci cicli, sono molto piccole e modificano l’energia alla
quarta cifra decimale. Inoltre l’algoritmo implementato in Gaussian03 predice
quali saranno le variazioni in energia fra un ciclo e l’altro, e questo mostra che da
un certo ciclo in poi le variazioni sono molto piccole. Per questo motivo possia-
mo pensare che il sistema si trova in un minimo globale sulla superficie d’ener-
gia potenziale (PES). L’energia del sistema ottimizzato ` e uguale a -1614.141a.u..
Come nel caso precedente abbiamo monitorato le distanze degli atomi dallo ione
metallico. Osservando la Fig.6.7 notiamo che l’amminoacido His-6 si allontana
immediatamente dallo ione metallico e si porta a distanze superiori ai 5
˚
A. Ricor-
diamo (Tabella 6.4) che l’atomo Nδ (His-6) gi` a dopo la fase di minimizzazione
classica oscillava attorno a distanze lievemente superiori a quella della sfera di co-
ordinazione dello Zn
2+
. Vediamo, inoltre, che dopo ∼140 cicli una delle molecole
di solvente (Sol-661) esce fuori dalla sfera di coordinazione dello ione metalli-
co portandosi progressivamente ad una distanza di ∼4
˚
A. Stesso destino per l’O
(Gly-9) che dopo ∼150 cicli si porta leggermente fuori dalla sfera di coordinazio-
Figura 6.7: Grafico delle distanze di vari atomi dallo Zn
2+
durante la fase d’ottimizzazione
ONIOM
140
6.2 Risultati
Atomi ϑ(deg)
O1(Glu-11)-Zn
2+
-Nε(His-13) 101.43
O1(Glu-11)-Zn
2+
-Nδ(His-14) 119.52
O1(Glu-11)-Zn
2+
-O(Sol-774) 101.53
Tabella 6.8: Angoli di legame al termine dell’ottimizzazione ONIOM
ne per poi allontanarse progressivamente. In contrapposizione notiamo che tutti
gli altri atomi, e cio` e O1 (Glu-11), Nε (His-13), Nδ (His-14), O (Sol-774), si
avvicinano lentamente allo ione metallico portandosi a distanze di ∼2
˚
A.
Osservando la struttura ottenuta al termine dell’ottimizzazione (Fig.6.8) noti-
amo che lo Zn
2+
rimane in parte esposto all’ambiente esterno. Inoltre osservando
la Fig.6.9 vediamo che la struttura del sito metallico ` e un tetraedro pi` u regolare di
quello visto nel caso precedente e come si evince dalla Tabella 6.8.
Figura 6.8: Struttura finale del sistema
Zn
2+
-Aβ
1−16
+ H
2
O
Figura 6.9: Ingrandimento del sito metalli-
co
141
Simulazioni QM/MM-ONIOM
La Fig.6.10 mostra l’RMSD del complesso Zn
2+
-Aβ
1−16
+ H
2
O rispetto al-
la struttura di partenza. La Fig.6.10a rappresenta l’RMSD dell’intero sistema,
mentre le Figg.6.10b-c rappresentano l’RMSD delle regioni QM ed MM rispetti-
vamente. Possiamo immediatamente osservare un aumento repentino dell’RMSD
del sistema (Fig.6.10a) in concomitanza con l’aumento dell’RMSD della sola re-
gione MM (Fig.6.10c). Questo aumento improvviso ` e dovuto probabilmente al
fatto che l’amminoacido His-6, considerato facente parte della regione QM, si
porta all’interno della regione MM, influenzandone la struttura in maniera evi-
dente. Infatti, notiamo che dopo questo repentino aumento l’RMSD della regione
MM tende a stabilizzarsi. La Fig.6.10b mostra invece un progressivo aumento del-
l’RMSD della regione QM, evidenziando i cambiamenti strutturali che avvengono
in questa regione in concomitanza con il progressivo allontamento della molecola
di solvente (Sol-774) e dell’amminoacido Gly-9.
Figura 6.10: RMSD del sistema Zn
2+
-Aβ
1−16
+ H
2
O rispetto alla struttura di partenza. (a)
Sistema ONIOM; (b) Regione QM; (c) Regione MM
Anche in questo caso abbiamo tentato di effettuare un analisi sulle cariche
parziali usando la tecnica dell’NBO. Putroppo dopo 250 cicli il sistema non ` e
giunto a convergenza e quindi non siamo stati in grado di ricavare le cariche
parziali. Possiamo comunque supporre, sulla base di calcoli gi` a precedentemente
142
6.3 Conclusioni
effettuati su modelli piccoli, che l’introduzione del solvente non modifichi notevol-
mente le cariche degli atomi coinvolti nel legame con lo ione metallico [ref].
Conludendo osserviamo che ottimizzando con ONIOM il nostro sistema pas-
sa da una struttura esa-coordinata ad una tetra-coordinata. Nella Tabella 6.9 ri-
portiamo le distanze finali degli atomi che si trovano all’interno della sfera di
coordinazione del metallo.
Atomi r(
˚
A)
O2(Glu-11) 1.96
Nε(His-13) 2.05
Nδ(His-14) 2.03
O(Sol-774) 1.98
Tabella 6.9: Distanze degli atomi che si trovano nella sfera di coordinazione dello Zn
2+
al termine
dell’ottimizzazione ONIOM
6.3 Conclusioni
Le simulazioni ONIOM descritte in questo capitolo mostrano delle notevoli
differenze nella coordinazione dello ione metallico in presenza o in assenza di
acqua. Si osserva infatti che in assenza di solvente tutte e tre le istidine presenti
nel peptide Aβ
1−16
restano nella sfera di coordinazione del metallo mentre in pre-
senza del solvente una di loro viene sostituita da una molecola d’acqua. Quest’ul-
tima struttura ` e particolarmente interessante in quanto lo ione metallico potrebbe
legare un secondo peptide perdendo la molecola d’acqua. Ci ` o supporterebbe alcu-
ni risultati sperimentali discussi nei capitoli precedenti [96] nei quali veniva evi-
denziato come lo Zn fosse maggiormente disponibile di altri ioni metallici (Cu)
a legami “inter-molecolari” che potrebbero rappresentare l’inizio di processi di
aggregazione.
143
Simulazioni QM/MM-ONIOM
Ci ` o che ci proponiamo di fare nel futuro sono delle simulazioni sia classiche
sia quantistiche di un sistema composto da due peptidi entrambi legati al metal-
lo attraverso le due istidine (His-13 e His-14) per verificare la stabilit` a di tale
modello.
144
Conclusioni
Riassumiamo in breve i principali risultati ottenuti.
In questa tesi di laurea abbiamo studiato, tramite simulazioni di dinamica
molecolare classica e ottimizzazioni strutturali quanto-classiche svolte utilizzan-
do il metodo ONIOM, la coordinazione dello ione Zn con il peptide Aβ
1−16
in
presenza e in assenza di solvente.
I risultati delle simulazioni di dinamica molecolare classica mostrano, sia in
presenza sia in assenza di solvente, che lo Zn non ` e mai tetracoordinato come in-
vece si osserva sperimentalmente [44]. Ci ` o non ` e del tutto imprevisto in quanto i
valori attribuiti ai parametri di LJ dello Zn
2+
e alla sua carica nei vari ff utilizzati
provengono da calcoli quantistici su sistemi in cui lo Zn
2+
` e immerso in acqua
e risulta essere, anche sperimentalmente, esacoordinato. Ci ` o che si osserva nelle
simulazioni classiche ` e che le interazioni elettrostatiche piuttosto che il particolare
ff scelto sono quelle che hanno maggiormente contribuito a determinare le config-
urazioni finali dei due sistemi studiati. Non pensiamo che questo abbia invalidato
i nostri risultati in quanto lo scopo della dinamica molecolare classica era per
noi solo quello di generare delle configurazioni ragionevoli per l’ottimizzazione
ONIOM.
I risultati delle simulazioni classiche ci hanno fornito due strutture, una, in as-
senza di solvente, in cui lo ione Zn
2+
` e coordinato a 5 atomi, le tre istidine, l’O del
Glu-11 e l’O della Gly-9, l’altra, in presenza di solvente, in cui lo Zn
2+
` e esaco-
146
6.3 Conclusioni
ordinato ed una delle tre istidine entra ed esce dalla sfera di coordinazione dello
ione metallico. Entrambe queste strutture sono state sottoposte ad ottimizzazione
strutturale ONIOM.
Per il sistema in assenza di solvente otteniamo, dopo l’ottimizzazione QM/MM
ONIOM, una struttura in cui lo ione Zn
2+
` e coordinato alle tre istidine e all’O del
Glu-11 in una struttura di tetraedro fortemente distorto. Dall’analisi NBO della
distribuzione delle cariche sul sito metallico si osserva che lo Zn
2+
cede parte
della sua carica agli azoti delle istidine e forma con loro un legame ionico. In pre-
senza di solvente la situazione muta notevolmente, infatti uno degli amminoacidi
(His-6), che legava il metallo in assenza d’acqua e che dalle simulazioni clas-
siche si trovava al confine della sfera di coordinazione del metallo, si allontana
enormemente dallo Zn
2+
. Al termine dell’ottimizzazione osserviamo che lo ione
metallico ` e coordinato alle due istidine contigue (His-13 e His-14), all’ossigeno
del Glu-11 e ad una molecola d’acqua in una struttura tetraedrica solo legger-
mente distorta. Questo ci induce a supporre che questa struttura sia pi` u stabile di
quella in assenza di solvente oltre che pi ` u vicina alla realt` a biologica, dobbiamo
infatti ricordare che l’ambiente cellulare ` e ricco d’acqua quindi qualsiasi proces-
so biologico ` e fortemente influenzato dalla sua presenza. Quest’ultima struttura,
inoltre, potrebbe indicarci un possibile ruolo svolto dallo ione Zn
2+
nel proces-
so di aggregazione. Essendo lo ione metallico in tale struttura piuttosto esposto
all’ambiente esterno (non racchiuso all’interno della struttura peptidica) potrebbe
facilmente, quando in soluzione con altri peptidi, perdere il volatile legame con
la molecola d’acqua ed accettare istidine provenienti da peptidi circostanti. Tale
supposizione si basa su alcuni dati sperimentali [42, 43, 97] in cui si osserva che
lo ione Zn
2+
assume, pi ` u frequentemente di altri ioni metallici, strutture diverse
tra loro e generalmente in cui si trova a ponte tra pi ` u peptidi e molto dipendenti
dall’ambiente che lo circonda.
147
Simulazioni QM/MM-ONIOM
I nostri risultati, oltre a mostrare l’importanza dell’acqua nello studio dei sis-
temi biologici, costituiscono una base per intraprendere nuovi studi di dinamica
molecolare classica e calcoli quantomeccanici su sistemi in cui uno ione Zn
2+
sia a ponte tra due peptidi. Per lo studio di questo modello ci` o che riteniamo
interessante ` e confrontare i risultati che si ottengono con tecniche computazio-
nali quali la dinamica molecolare Car-Parrinello, per la quale ` e per` o necessario
ridurre il numero di atomi in studio, con tecniche ibride, quali ONIOM o una tec-
nica QM/MM in cui la parte QM sia dinamica (Car-Parrinello) invece che statica
(ottimizzazione ONIOM), con le quali ` e possibile studiare il sistema completo
immerso nel solvente.
148
Appendice A
Mini Mental State Examination
Il Mini Mental State Examination (MMSE) [98, 99] ` e un test di screening
ideato per rilevare il deterioramento cognitivo, valutarne quantitativamente la sever-
it` a e documentarne le modificazioni nel tempo. E’ costituito da 12 item tramite i
quali vengono esplorate, con 22 prove in parte verbali e in parte di performance,
7 funzioni cognitive:
• Orientamento temporale;
• Orientamento spaziale;
• Memoria immediata (registrazione di tre parole);
• Attenzione e calcolo (serie di “7”, scansione di parola al contrario);
• Memoria di richiamo (rievocazione delle tre parole);
• Linguaggio (denominazione, ripetizione, comprensione e esecuzione di co-
mandi orali e scritti, capacit´ a di scrivere una frase);
• Prassia visuocostruttiva (copia di pentagoni).
150
Il MMSE ` e una scala largamente diffusa in ambito clinico, ` e utilizzabile da
medici o da altro personale dopo breve addestramento ed ` e di rapido impiego; la
sua somministrazione richiede un tempo variabile da 5 a 15 minuti e tale brevit` a
lo rende meno impegnativo per le risorse attentive del soggetto, rispetto ad una
batteria completa di test neuropsicologici, cos`ı da poter essere utilizzato anche
nelle fasi avanzate della demenza.
I punteggi ai test comunque, non permettono da soli di stabilire una diagnosi
di demenza n` e di determinarne l’eziologia; pertanto il MMSE dovrebbe essere uti-
lizzato come strumento in grado di suggerire, in caso di punteggi bassi, il ricorso
a ulteriori approfondimenti. Inoltre, non consentendo una valutazione completa
delle funzioni cognitive, non ` e sufficientemente sensibile alle fasi iniziali della
demenza (specificit` a del 96% e sensibilit` a del 63%) ovvero tende a sottostimare
tali casi.
Il punteggio totale, dato dalla somma delle risposte corrette che il soggetto ha
ottenuto in ciascun item, pu` o andare da un minimo di 0 (massimo deficit cognitivo)
ad un massimo di 30 (assenza di deficit cognitivo).
Il punteggio soglia ai fini della diagnosi di disturbi dell’efficienza intellettiva ` e
23 e la maggior parte delle persone anziane non dementi ottiene punteggi superiori
a tale soglia. In un ampio studio di revisione del MMSE sono stati proposti tre
cut-score:
• Assenza di decadimento cognitivo (24-30) (80%-100% capacit` a cognitive
integre).
• Decadimento cognitivo da lieve a moderato (18-23) (60%-80% capacit` a
cognitive integre).
• Decadimento cognitivo grave (0-17) (0%-60% capacit` a cognitive integre).
151
Mini Mental State Examination
Studi longitudinali, che hanno utilizzato intervalli test-retest variabili da un
mese a tre anni, mostrano che i punteggi al MMSE di soggetti dementi, la maggior
parte dei quali affetti da Malattia di Alzheimer, declinano in modo significativo nel
tempo, presentando un tasso di decremento annuo medio che varia generalmente
tra 1.8 e 4.2 punti, espressione di elevata variabilit` a interindividuale. Questo dato
` e un utile indice del decorso della malattia e dell’eventuale risposta al trattamento.
Fattori come l’et` a, il grado di scolarit` a e il livello culturale del soggetto, con-
tribuiscono significativamente alle variazioni dei punteggi attesi nella popolazione
normale.
Nella pagina seguente alleghiamo una copia di un MMSE.
152
153
Appendice B
Condizioni periodiche al contorno
I sistemi molecolari simulati nel campo biologico constano in genere di un
numero di particelle dell’ordine 10
3
÷10
5
atomi. Immaginiamo di costruire un
box cubico, all’interno del quale siano uniformemente distribuiti N atomi, posta
come unit` a di misura la distanza media tra le particelle, le dimensioni del box
saranno:
3

N
3

N
3

N (B.1)
Su ognuna delle facce del cubo verranno a trovarsi in media N
2/3
atomi e in totale
la frazione di particelle che si trovano sulla superficie del cubo ` e pari a 6N
1/3
,
ovvero nel caso N = 10
3
il 60% si trova sulla superficie, nel caso di N = 10
6
il
6%. Questo determina un non trascurabile effetto di superficie che viene curato
utilizzando una topologia toroidale, ovvero circondando il box di simulazione con
delle copie del box stesso. Questo artificio impone per` o di prestare attenzione
nella trattazione delle interazioni a lungo raggio quali quelle di Coulomb e di
Van der Waals, mediante le quali le particelle interagiranno con le proprie copie
contenute nei box confinanti. Per questo motivo, le interazioni di non legame
vengono calcolate solo per gli atomi contenuti entro un certo raggio, detto di cut-
off, il cui valore non deve superare la met` a della dimensione minima del box. Al di
155
Condizioni periodiche al contorno
fuori del raggio di cut-off, il potenziale ` e calcolato effettuando uno “shift” che lo
porta a zero entro un secondo raggio (detto appunto di “shift”), oppure con metodi
di somme su reticolo, o non viene calcolato affatto.
156
Appendice C
Vincoli geometrici
Utilizzando l’algoritmo di Verlet, si continua ad usare un unico passo di in-
tegrazione; per risolvere il problema dei moti oscillatori rapidi, alcune imple-
mentazioni (come AMBER o GROMACS) applicano dei vincoli geometrici sulla
lunghezza o sugli angoli di alcuni legami, in genere quelli in cui sono coinvolti gli
idrogeni. Se le K equazioni dei vincoli geometrici sono scritte come:
σ
k
(r) = 0 dove k = 1, . . . , K (C.1)
Le forze di reazione vincolare sono ottenute risolvendo il sistema lineare:
f
i
=−

∂r
i

V −

k
λ
k
σ
k

(C.2)
definiamo la matrice
B
hl
=
∂σ
h
∂r
l
(C.3)
se i vincoli sono olonomi:

dt
=
ˆ
B
dr
dt
= 0 (C.4)
d
2
σ
dt
2
=
ˆ
B
d
2
r
dt
2
+
d
ˆ
B
dt
dr
dt
= 0 (C.5)
158
il sistema pu` o essere scritto in maniera compatta:

ˆ
M
d
2
r
dt
2

ˆ
B
T
λ +

f = 0 (C.6)
moltiplicando a sinistra per
ˆ
B
ˆ
M
−1
si ottiene:
d
ˆ
B
dt
dr
dt
+
ˆ
B
ˆ
M
−1
ˆ
B
T
λ +
ˆ
B
ˆ
M
−1

f = 0 (C.7)
da cui si ricava:
ˆ
B
T
λ =−
ˆ
B
T
(
ˆ
B
ˆ
M
−1
ˆ
B
T
)
−1
ˆ
B
ˆ
M
−1

f −
ˆ
B
T
(
ˆ
B
ˆ
M
−1
ˆ
B
T
)
−1
d
ˆ
B
dt
dr
dt
(C.8)
che sostituito nel sistema lineare (C.6):
d
2
r
dt
2
= (1−
ˆ
T
ˆ
B)
ˆ
M
−1

f −
ˆ
T
d
ˆ
B
dt
dr
dt
(C.9)
ˆ
T =
ˆ
M
−1
ˆ
B
T
(
ˆ
B
ˆ
M
−1
ˆ
B
T
)
−1
ˆ
B (C.10)
L’algoritmo noto come LINCS [100], applica le formule (C.9) e (C.10), ma per
evitare di dover calcolare la matrice inversa tra parentesi, usa un piccolo trucco.
Viene costruita la matrice diagonale
ˆ
S tale che:
S
i j
= δ
i j

1
m
i
+
1
m
j

−1
(C.11)
in questo modo
(
ˆ
B
ˆ
M
−1
ˆ
B
T
)
−1
=
ˆ
S
ˆ
S
−1
(
ˆ
B
ˆ
M
−1
ˆ
B
T
)
−1
ˆ
S
−1
ˆ
S (C.12)
= S(SBM
−1
B
T
S)
−1
S
=
ˆ
S(
ˆ
1−
ˆ
A)
−1
ˆ
S
Nel caso in cui i constraint siano solo sulle distanze di legame, la matrice
ˆ
A ` e
simmetrica, e ha tutti gli autovalori minori di 1, quindi ` e possibile espandere:
(
ˆ
1−
ˆ
A)
−1
=


i=0
A
i
(C.13)
Nelle implementazioni pratiche vengono usati i primi 4-8 termini della somma.
159
Appendice D
Basis set
Un elemento decisivo nella implementazione dei metodi ab initio ` e la scelta
dell’insieme di funzioni (basis set) nel quale sviluppare le funzioni d’onda elet-
troniche. Idealmente il miglior set di funzioni ` e quello che richiede il minor nu-
mero di funzioni di base per ottenere un fissato livello di accuratezza. Pi` u precisa-
mente poich´ e lo sforzo computazionale scala formalmente come la quarta potenza
del numero di basi, ` e di primaria importanza che il numero di vettori di base nec-
essario per avere una fissata accuratezza sia il pi ` u piccolo possibile. Un altro ele-
mento fondamentale nella scelta del set di basi ` e il livello di difficolta del calcolo
degli integrali quantomeccanici sulle funzioni di base.
Ci sono due tipi di funzioni d’onda di base (dette anche Atomic Orbitals (AO),
nonostante in generale esse non siano soluzione dell’equazione di Schr¨ oedinger
atomica) comunemente usate nei calcoli di struttura elettronica: le Slater Type
Orbitals (STO) e le Gaussian Type Orbitals (GTO). Gli orbitali di Slater [101]
hanno la seguente forma funzionale:
χ
ζ,n,l,m
(r, θ, φ) = NY
l,m
(θ, φ)r
n−1
e
−ζr
(D.1)
dove N ` e una costante di normalizzazione ed Y
l,m
sono le armoniche sferiche. La
dipendenza esponenziale dalla distanza tra i nuclei e gli elettroni riflette gli orbitali
161
Basis set
esatti per l’atomo d’idrogeno. Tuttavia, le STO non posseggono tutti i nodi radiali;
i nodi nella parte radiale sono introdotti attraverso una combinazione lineare delle
STO stesse. La dipendenza esponenziale assicura una rapida convergenza all’au-
mentare del numero di funzioni, tuttavia i calcoli degli integrali a due elettroni
non possono essere svolti analiticamente.
Gli orbitali di tipo Gaussian [102] possono essere scritti sia in termini di
coordinate polari che in termini di coordinate cartesiane, cio` e:
χ
ζ,n,l,m
(r, θ, φ) = NY
l,m
(θ, φ)r
2n−2−l
e
−ζr
2
(D.2)
χ
ζ,n,l,m
(x, y, z) = Nx
l
x
y
l
y
z
l
z
e
−ζr
2
(D.3)
La somma di l
x
, l
y
e l
z
determina il tipo di orbitale (per esempio l
x
+l
y
+l
z
= 1
` e un orbitale p). Sebbene le GTO appaiano simili nelle due rappresentazioni, ci
sono delle sottili differenze. Una GTO di tipo d scritta in termini delle funzioni
sferiche possiede cinque componenti (Y
2,2
,Y
2,1
,Y
2,0
,Y
2,−1
,Y
2,−2
), ma in coordinate
cartesiane possiede sei componenti (x
2
, y
2
, z
2
, xy, xz, yz), tuttavia quest’ultime pos-
sono essere trasformate in cinque funzioni sferiche d ed un’aggiuntiva funzione
s (x
2
+y
2
+z
2
). I moderni programmi di calcolo per gli integrali a due elettroni
sono forniti di coordinate cartesiane e generano funzioni d sferiche trasformando
le sei componenti cartesiane in cinque funzioni sferiche. Questo vuol dire che
quando nel sistema sono presenti pi ` u funzioni d per atomo o anche funzioni con
momento angolare superiore (f, g, h, etc.) si ottiene un sostanziale risparmio nei
tempi di calcolo.
La dipendenza da r
2
nell’esponenziale rende le GTO inferiori alle STO in
almeno due aspetti. Sul nucleo una GTO ha pendenza nulla, in contrasto con le
STO che invece hanno una “cuspide” (derivata discontinua), e conseguentemente
le GTO hanno proprio dei problemi nel rappresentare il comportamento vicino al
nucleo. L’altro problema ` e che le GTO diminuiscono troppo rapidamente lontano
162
dal nucleo rispetto alle STO, e la “coda” della funzione d’onda ` e rappresentata in
modo scarso. Sia le GTO che le STO possono essere scelte per formare un set
completo di basi, ma per quello che abbiamo appena detto le GTO necessitano
di pi` u funzioni di base per ottenere la stessa accuratezza ottenuta dalle STO con
un numero inferiore di basi. Delle linee guida generali indicano che ci vogliono
circa il triplo di basi GTO per ottenere il medesimo livello di accuratezza ottenuto
con le STO. L’incremento nel numero delle funzioni di base GTO, tuttavia, ` e pi` u
che compensato dalla facilit` a con la quale si riesce a calcolare gli integrali. In
termini di efficienza computazionale, le GTO sono quindi preferite e sono usate
quasi universalmente come funzioni di base nei calcoli di struttura elettroniche.
In realt` a come componenti del basis set non si prendono direttamente le fun-
zioni (D.2-D.3), bens`ı delle combinazioni lineari di esse, dette “contrazioni”:
χ
con
=
K

i=1
a
i
χ
i
(D.4)
Esistono vari schemi di contrazione. Nella contrazione segmentata ogni primitiva
χ
i
viene utilizzata nell’espansione di una sola funzione di base χ
con
; mentre nella
contrazione generale non vi sono limiti all’utilizzo delle primitive. Questo schema
permette di modulare l’accuratezza con cui i singoli orbitali vengono costruiti.
Gli elettroni di core, in genere hanno un maggior peso energetico, per questo
vengono usate delle contrazioni maggiori per riprodurne gli orbitali molecolari,
usare lo stesso numero per gli elettroni pi ` u esterni appesantirebbe il calcolo non
apportando migliorie apprezzabili. Tuttavia gli elettroni di valenza sono quelli che
determinano la chimica della molecola in esame, per questo in alcuni casi possono
essere aggiunte delle funzioni diffuse (con esponente ζ piccolo), o dei termini di
momento angolare pi` u alto detti termini di polarizzazione.
Piuttosto che partire con funzioni di base mirate a modellare gli orbitali ato-
mici (STO oppure GTO), ed usare una combinazione lineare di queste per de-
scrivere gli orbitali per l’intero sistema, si possono usare funzioni che mirano
163
Basis set
direttamente a descrivere l’intero sistema. Per modellare sistemi estesi (infiniti),
per esempio una cella unitaria con condizioni al contorno periodiche, potrem-
mo usare delle funzioni con un range “infinito”. Gli elettroni di valenza esterni
nei metalli si comportano quasi come elettroni liberi, il che suggerisce l’idea di
usare le soluzioni per gli elettroni liberi come funzioni di base. Le soluzioni del-
l’equazione di Schr¨ oedinger per un elettrone libero in una dimensione pu` o essere
scritta sia in termini di un esponenziale complesso che in funzione di seni e coseni,
cio` e:
φ(x) = Ae
ikx
+Be
−ikx
(D.5)
φ(x) = Acos(kx) +Bsin(kx) (D.6)
E =
1
2
k
2
(D.7)
Si vede come l’energia dipende in modo quadratico dal fattore k. Per sistemi
infiniti, gli orbitali molecolari si fondono in bande, poich` e la spaziatura tra i livelli
energetici diventa via via sempre pi` u piccola, fino ad annullarsi. Gli elettroni in
una banda possono essere descritti da orbitali espansi in un basis set di onde piane,
che nelle tre dimensioni possono essere scritte attraverso una funzione complessa:
χ
k
(r) = e
i

kr
(D.8)
Il vettore d’onda

k gioca lo stesso ruolo dell’esponente ζ in una GTO (D.2) ed ` e
relato all’energia attraverso la (D.7). Come si vede dalla (D.7)

k pu` o anche essere
pensato come una frequenza, ci ` o vorrebbe dire che alti valori di

k indicano rapide
oscillazioni. I valori permessi di

k sono dati attraverso il vettore traslazionale della
cella unitaria

t, cio` e:

k

t =2πm, dove m ` e un intero positivo. La grandezza del set
di base ` e unicamente caratterizzata dalla pi` u alta energia inclusa nel vettore

k. Un
tipico cutoff energetico di 200eV corrisponde ad un basis set di ∼20000 funzioni,
cio` e le onde piane tendono ad essere di gran lunga in numero maggiore rispetto
alle tipiche Gaussiane. Notiamo, tuttavia, che il numero di onde piane dipende
164
solo dalla grandezza della cella periodica, non dal sistema che si trova realmente
all’interno della cella. Mentre nel caso delle Gaussiane centrate sul nucleo queste
crescono linearmente con le dimensioni del sistema, cio` e le onde piane sono pi` u
efficienti per sistemi di grandi dimensioni.
Inizialmente le onde piane furono usate per descrivere esclusivamente siste-
mi periodici, ma negli ultimi anni sono state usate per descrivere specie moleco-
lari senza alcuna periodicit` a, utilizzando l’approccio a supercella [103], dove la
molecola ` e posta in una cella unitaria sufficientemente grande perch` e non inte-
ragisca con la sua immagine. Le onde piane sono ideali per descrivere densit` a
elettroniche delocalizzate lentamente variabili, come le bande di valenza
165
Appendice E
Il principio di Ritz
Sia H un operatore hermitiano, con autovalori ed autovettori (ortonormalizza-
ti) definiti da:
H [ φ
n
` = E
n
[ φ
n
` (E.1)
e il cui stato fondamentale corrisponde all’autovalore E
0
ed all’autovettore [ φ
0
`
sia inoltre [ ψ` =[ φ
0
` un vettore di norma unitaria appartenente allo spazio di
Hilbert definito dagli autovettori di H. Si dimostra che vale la disuguaglianza di
Ritz-Rayleigh:

0
[ H [ φ
0
` <'ψ [ H [ ψ` (E.2)
Dimostrazione
Poich´ e [ ψ` appartiene allo spazio di Hilbert descritto dagli autovalori di H,
per la propriet` a di completezza, esso pu` o essere scritto come una combinazione
lineare degli autovettori di H, cio` e:
[ ψ` =

n
c
n
[ φ` (E.3)
167
Il principio di Ritz
dove i coefficienti c
n
sono complessi. Inoltre, poich` e [ ψ` normalizzato, si ha:
1 ='ψ [ ψ` =

n,m
c

m
c
n

m
[ φ
n
` =

n,m
c

m
c
n
δ
n,m
=

n
[c
n
[
2
(E.4)
Usando la (E.3) si ricava:
'ψ [ H[ψ` =

n,m
c

m
c
n

m
[ H[φ
n
` =

n,m
c

m
c
n
E
n
δ
n,m
=

n
[c
n
[
2
E
n
(E.5)
e quindi:
'ψ [ H[ψ` −'φ
0
[ H[φ
0
` =


n
[c
n
[
2
E
n

−E
0
=

n
[c
n
[
2
(E
n
−E
0
) (E.6)
Nell’ultimo passaggio si ` e fatto uso della (E.4). Nella (E.6) ` e chiaro che tutti
i termini della sommatoria con n = 0 sono positivi (infatti E
n
> E
0
), mentre il
termine con n =0 ` e evidentemente nullo. Di conseguenza l’espressione (E.6) avr` a
il suo minimo assoluto quando tutti i c
n
con n = 0 sono nulli, in tal caso c
0
= 1,
ovvero [φ` = [φ
0
` e l’espressione (E.6) vale zero. Pertanto risulta dimostrato che
la (E.6) ` e maggiore di zero per tutti gli [φ` =[φ
0
`
168
Appendice F
Algoritmi di ottimizzazione
L’ottimizzazione ` e una branca della matematica che studia teoria e metodi per
la ricerca dei punti stazionari di un modello che traduce in termini matematici
un dato problema (non occupandosi quindi direttamente di come tale modello sia
stato costruito). L’ambito di ricerca privilegiato dell’ottimizzazione ` e quello dei
modelli esprimibili in termini di funzioni a pi` u variabili, nei quali i punti stazionari
vengono ricercati ponendo anche vincoli qualitativi espressi in termini di derivate
successive.
Un qualsiasi problema di ottimizzazione pu` o essere espresso nella seguente
forma:

min
x
f (x)
x ∈ X ⊆ℜ
(F.1)
dove x ` e il vettore delle variabili decisionali a n componenti e X ` e il sottoinsieme
dello spazio vettoriale definito dai vincoli. L’obiettivo ` e quindi quello di indi-
viduare il vettore x (cio` e i valori da assegnare alle n variabili decisionali) che,
rispettando i vincoli, minimizza il valore della funzione obiettivo.
Nei problemi di ottimizzazione, generalmente, si prova a localizzare un va-
lore stazionario, per esempio dell’energia, in funzione di una qualche variabile.
170
Generalmente la ricerca ` e indirizzata sui minimi o sui punti di sella, sia globali
che locali. Potremmo pensare che per calcolare il minimo di una funzione a pi` u
variabili, basti derivare in successione rispetto ad ognuna delle variabili lasciando
le altre fisse, e cos`ı facendo raggiungere il minimo dopo un certo numero di passi.
Quest’approccio per` o suppone che le variabili siano indipendenti fra di loro, ed
inoltre diviene impraticabile per funzioni con un numero di variabili relativamente
piccole, da cinque a dieci.
Il problema pu` o essere schematizzato in questo modo. Supponiamo di avere
una funzione f (x), dove x ` e una variabile sconosciuta, e di voler trovare un mini-
mo di f . Naturalmente la prima cosa da fare sar` a scegliere il punto di partenza x
da cui iniziare la ricerca, che ipotizziamo essere un certo x
0
in cui la f ` e nota. Na-
turalmente la scelta di tale punto pu` o influenzare la ricerca del minimo, per questo
motivo si cerca sempre questo punto sulla base della conoscenza dell’andamento
di f (x), in maniera tale da trovare un valore che non sia troppo distante dal mi-
nimo ricercato. A questo punto dobbiamo decidere due cose: (i) la direzione da
seguire nella ricerca del minimo, cio` e dobbiamo scegliere la direzione da seguire
nel cammino dal punto x
0
a quello successivo; (ii) quanto grande deve essere
lo spostamento lungo quella direzione. Avremmo la seguente rappresentazione
iterativa:
x
k+1
= x
k

k
ˆ
i
k
k = 0, 1, . . . , (F.2)
dove
ˆ
i
k
rappresenta la direzione e [λ
k
ˆ
i
k
[ la grandezza dello spostamento (step).
La differenza tra i vari metodi di ottimizzazione ` e determinata dalla scelta della
direzione e dello step. Possiamo classificare i metodi approssimativamente in
questo modo:
1. Metodi che usano le derivate prime della funzione nel punto (metodi a
gradiente).
171
Algoritmi di ottimizzazione
2. Metodi che richiedono anche la conoscenza delle derivate seconde.
Naturalmente la scelta del metodo dipende dall’accuratezza e soprattutto dal co-
sto computazionale richiesto. I metodi (2) hanno il vantaggio di generare punti
che sono sufficientemente vicini al minimo in un numero di step inferiore, ma ci ` o
non significa necessariamente con un minor costo computazionale. I costi compu-
tazionali maggiori derivano dal calcolo e dal trattamento delle derivate seconde.
Per questo motivo i metodi (1) sono una scelta preferibile in molte situazioni. Al-
lo scopo di illustrare in modo pi` u dettagliato questi metodi, supponiamo di voler
ottimizzare una funzione quadratica, della forma:
f (x) =
1
2
x
T

ˆ
W x +

bx +c (F.3)
dove
ˆ
W ` e una matrice definita positiva, x e

b sono due vettori e c ` e una costante
scalare.
Il metodo dello Steepest Descent (SD)
Il metodo SD ` e il pi` u semplice dei metodi a gradiente. La scelta della direzione
` e quella secondo cui f diminuisce pi ` u rapidamente, e cio` e nella direzione opposta
al gradiente di f calcolato in quel punto. La ricerca parte da un punto arbitrario
x
0
e scorre lungo il gradiente finch` e non si ` e abbastanza vicini alla soluzione. In
formule, la procedura iterativa ` e:
x
k+1
=x
k
−λ
k
∇f (x
k
) =x
k
−λ
k
g(x
k
) (F.4)
Adesso la domanda ` e: quanto grande dovrebbe essere lo step λ
k
? Ovviamente
vogliamo muoverci verso punti in cui la funzione produce un valore minimo,
che ` e la direzione lungo la quale la derivata direzionale si annulla. La derivata
direzionale sar` a allora data da
d

k
f (x
k+1
) =∇f (x
k+1
)
T

d

k
x
k+1
=−∇f (x
k+1
) g(x
k
) (F.5)
172
dove T sta per trasposto. Ponendo quest’espressione uguale a zero, vediamo quali
direzioni scegliere via via e notiamo che sono ortogonali tra loro. Il prossimo pas-
so ` e allora spostarci nel punto che si trova nella direzione negativa del gradiente e
dopo n step otterremo un cammino a zig-zag (Fig.F.1). Quest’iterazione continua
fino ad un estremo che viene determinato in base all’accuratezza da noi scelta.
Questo ` e un problema di minimizzazione lungo una linea, dove la linea ` e data
dalla (F.4) per differenti valori di λ
k
. Quindi la ricerca del minimo si riduce ad
una sequenza di ricerche lineari.
Figura F.1: Illustrazione bidimensionale del metodo SD. Si vede proprio come l’approccio al
minimo avviene attraverso una traiettoria a zig-zag.
Un modo alternativo di implementare questo metodo ` e quello di partire da una
dato valore di λ
k
, che, se necessario, viene modificato durante le iterazioni, assi-
curandoci che la funzione diminuisca ad ogni step. Questo sistema porta dei van-
taggi nei casi in cui il calcolo usando la ricerca lineare ` e laborioso, infatti richiede
un numero di step maggiore per raggiungere il minimo, ma ad ogni iterazione
impiegher` a un tempo minore per spostarsi da un punto ad un altro.
Come visto, il metodo SD ` e semplice, facile da applicare ed ogni iterazione
` e rapida. E’ anche molto stabile, cio` e se il minimo esiste, il metodo garantisce
173
Algoritmi di ottimizzazione
di localizzarlo dopo un certo numero di step. Nonostante tutte queste propriet` a
positive, il metodo SD ha un importante svantaggio legato alla sua lenta conver-
genza. Nel caso in cui gli autovalori dell’Hessiano
ˆ
H calcolate lungo i punti sono
Figura F.2: Convergenza del metodo SD.
differenti di alcuni ordini di grandezza, il metodo pu` o richiedere anche un numero
infinito di step prima di raggiungere il minimo. Quello che accade ` e che si avvia
con una convergenza ragionevole, ma la velocit` a d’avvicinamento al minimo via
via si abbassa fino quasi a fermarsi. Questa situazione ` e illustrata in Fig.F.2 nel
caso di una funzione quadratica.
Il metodo del Conjugate Gradient (CG)
Come visto in precedenza, la ragione della lenta convergenza del meotdo SD
` e legata al fatto che ad ogni step cambia la direzione lungo la quale ci muoviamo.
Il metodo CG cerca di risolvere questo problema attraverso un metodo di “ap-
prendimento” dall’esperienza. Conjugacy significa che due vettori differenti,

d
i
e

d
j
, sono ortogonali rispetto ad una qualsiasi matrice simmetrica definita positiva,
per esempio la matrice
ˆ
W della (F.3), cio` e:

d
T
i

ˆ
W

d
j
= 0 (F.6)
174
L’ idea ` e quella di prendere la direzione

d
i
dipendente da tutte le altre direzioni
possibili per localizzare il minimo di f attraverso l’equazione (F.6). Un insieme
di tali direzioni di ricerca ` e detto
ˆ
W-ortogonale o coniugato. Il modo migliore di
visualizzare il metodo CG ` e il seguente: supponiamo di avere lo spazio in cui sti-
amo lavorando e uno spazio “allungato” (Fig.F.3). La Fig.F.3a mostra la forma del
contorno di una funzione quadratica nello spazio reale, che ` e ellittica per

b = 0.
Figura F.3: Schema d’ottimizzazione del CG (a). Tutte le direzioni presenti sono ortogonali. (b)
Lo stesso problema visto nello spazio “allungato”, dove le linee sono
ˆ
W-ortogonali.
Qualsiasi coppia di vettori che appare perpendicolare in questo spazio deve essere
ortogonale. La Fig.F.3b mostra lo stesso contorno in uno spazio che ` e allunga-
to lungo gli assi delimitati dagli autovettori della matrice
ˆ
W in modo tale che il
contorno ellittico diventi circolare. Una qualsiasi coppia di vettori che ` e perpen-
dicolare in questo spazio ` e, infatti,
ˆ
W-ortogonale. La ricerca del minimo nel caso
di una funzione quadratica parte dal punto x
0
(Fig.F.3a) ed effettua uno step lungo
la direzione

d
0
e si ferma nel punto x
1
. Questo ` e un punto di minimo lungo quella
direzione, determinato con lo stesso metodo dello SD, cio` e il minimo che si trova
nella direzione dove la derivata direzionale ` e nulla (F.5). La differenza essenziale
175
Algoritmi di ottimizzazione
tra il CG e lo SD ` e legata alla scelta della direzione da seguire dopo il primo pas-
so. Mentre il metodo SD dovrebbe seguire la direzione delimitata dal vettore r
1
(Fig.F.3a), il metodo CG dovrebbe scegliere come direzione quella delimitata dal
vettore

d
1
. Come riesce il CG a trovare la giusta direzione che porta al minimox?
La risposta si trova nella Fig.F.3b; nello spazio allungato, la direzione

d
0
sembra
essere tangente al contorno circolare nel punto x
1
. Poich` e la direzione successiva

d
1
` e costretta ad essere
ˆ
W-ortogonale alla precedente, essa apparir` a perpendico-
lare in questo spazio modificato. Quindi,

d
1
ci porter` a direttamente al minimo
della funzione quadratica f (x). Per evitare di ricercare lungo direzioni gi` a esplo-
rate, il CG garantisce che la minimizzazione di f lungo una direzione non “rovini”
la minimizzazione lungo le altre; cio` e che dopo i step, la f sar` a minimizzata lungo
tutte le direzioni esplorate.
La F.6 afferma che una ricerca lungo

d
i
mostra dove il gradiente di f ` e ortogo-
nale a

d
i
e come muoverci adesso lungo la nuova direzione

d
j
. Il gradiente subisce
una variazione:
δ(∇f ) =
ˆ
W

d
j
(F.7)
Per non interferire con la minimizzazione lungo

d
i
, si richiede che il gradiente
resti perpendicolare a

d
i
; cio` e che il cambiamento nel gradiente sia esso stesso
ortogonale a

d
i
, come si vede dalla F.6. Per una funzione quadratica, come nella
F.3, la procedura ` e la seguente. Lo step iniziale ` e nella direzione dello SD:

d
0
=−g(x
0
) =−g
0
(F.8)
Successivamente, la direzione mutualmente coniugata ` e scelta in questo modo:

d
k+1
=−g
k+1

k

d
k
(F.9)
dove i coefficienti β
k
sono dati, per esempio, dalla formula di Flecther-Reeves:
β
k
=
g
T
k+1
g
k+1
g
T
k
g
k
(F.10)
176
La lunghezza dello step lungo ogni direzione ` e data da:
λ
k
=

d
T
k
g
k

d
T
k
(
ˆ
W

d
k
)
(F.11)
Quando la matrice
ˆ
W non ` e nota, o la spesa computazionale ` e troppa per de-
terminarla, la lunghezza dello step pu` o essere ricavata attraverso una ricerca li-
neare. Affinch` e il metodo CG converga in n iterazioni, queste ricerche lineari
devono essere accurate. Anche piccole deviazioni possono causare la perdita del-
la
ˆ
W-ortogonalit` a ai vettori, che genera un aumento nel numero di iterazioni che
bisogna effettuare prima che converga al minimo. In pratica, una ricerca linea-
re accurata ` e impossibile, a causa sia dell’accuratezza numerica sia del limitato
tempo computazionale. Nel tentativo di risolvere tali problemi ` e stata introdot-
ta una formula alternativa a quella di Flechter-Reeves, la cosidetta formula di
Polak-Ribi` ere:
β
k
=
g
T
k+1
(g
k+1
−g
k
)
g
T
k
g
k
(F.12)
Non c’` e una grossa differenza di performance tra le due formule, ma quest’ultima
` e sicuramente vantaggiosa nel caso di funzioni non quadratiche.
Il metodo CG oltre ad essere un ottimo metodo di ottimizzazzione, ` e un meto-
do largamente usato per il calcolo in modo iterativo dei sistemi di equazioni li-
neari. I suoi vantaggi sono la velocit` a e la scarsa quantita di memoria volatile
utilizzata per l’aggiornamento delle derivate seconde. Naturalmente al crescere di
n cresce anche la memoria utilizzata, ma in generale il metodo CG ` e preferito al
metodo SD.
Il metodo di Newton-Raphson (NR)
Il metodo NR differisce dai metodi appena visti nel fatto che il minimo viene
localizzato utilizzando l’informazione relativa alle derivate seconde della funzione
177
Algoritmi di ottimizzazione
f (x). Questo porta ad una pi ` u rapida convergenza, ma non ad un tempo compu-
tazionale necessariamente inferiore. Infatti, il calcolo delle derivate seconde e
la gestione della matrice
ˆ
H pu` o richiedere uno sforzo computazionale enorme,
specialmente per sistemi molto grandi.
L’idea del metodo NR ` e approssimare la f (x) in ogni iterazione attraverso una
funzione quadratica (F.3) e muovere questa funzione verso il minimo. La funzione
quadratica su un punto x in un adatto intorno del punto x
k
` e data da una serie di
Taylor troncata:
f (x) ≈ f (x
k
) +(x −x
k
)
T
g
k
+
1
2
(x −x
k
)
T

ˆ
H
k
(x −x
k
) (F.13)
dove sia il gradiente g
k
che la matrice
ˆ
H
k
sono valutate in x
k
. Le derivate della
F.13 sono:
∇f (x) =g
k
+
1
2
ˆ
H
k
(x −x
k
) +
1
2
ˆ
H
T
k
(x −x
k
) (F.14)
La matrice Hessiana
ˆ
H ` e sempre simmetrica se la funzione x
k
` e continua, dif-
ferenziabile due volte e con derivate continue su ogni punto. Quindi quest’ultima
equazione si riduce a:
∇f (x) =g
k
+
ˆ
H
k
(x −x
k
) (F.15)
Se assumiamo che f (x) possiede il suo minimo in x =x

, allora il gradiente in
quel punto sar` a nullo, cio` e:
ˆ
H
k
(x

−x
k
) +g
k
= 0 (F.16)
che ` e un sistema lineare di equazioni. Il metodo NR usa il punto x

come punto
successivo presente nella formula iterativa:
x
k+1
=x
k

ˆ
H
−1
k
g
k
(F.17)
dove il termine −
ˆ
H
−1
k
g
k
` e detto direzione di Newton. Se l’approssimazione F.13
` e valida, il metodo converger` a in poche iterazioni.
178
Bench` e la convergenza possa sembrare molto rapida, osservando il numero di
step, ogni iterazione include il calcolo delle derivate seconde e la gestione della
matrice
ˆ
H. Le performance del metodo sono quindi dipendenti da alcune qualit` a di
questa matrice. Una di queste qualit` a ` e che la matrice deve essere definita positiva.
Infatti, affinch` e il metodo converga verso il minimo, la direzione di Newton deve
essere una direzione in discesa. Perci` o, si richiede che:
∇f (x
k
)

d
k
=g
T
k
(x
k+1
−x
k
) < 0 (F.18)
che usando la (F.17) diviene:
−(x
k+1
−x
k
)
T

ˆ
H
k
(x
k+1
−x
k
) < 0 (F.19)
Questa disuguaglianza ` e soddisfatta in tutti i punti x
k+1
−x
k
= 0 se
ˆ
H
k
` e definita
positiva. Pi` u lontano x
k
si trova dal minimo, peggiore ` e l’approssimazione (F.13),
che pu` o generare un
ˆ
H non definito positivo. In questo caso non ` e garantito che
la procedura conduca ad un minimo; infatti potremmo anche trovare altri punti
critici, sia un punto di sella che un massimo. Ci sono alcuni modi per assicu-
rare che
ˆ
H sia definito positivo, ad esempio aggiungendo la quantit` a λ
ˆ
I, dove
ˆ
I
` e la matrice unitaria e λ ` e uno scalare positivo, oppure diagonalizzando la ma-
trice usando i suoi autovalori. La grandezza dell’Hessiano gioca un ruolo cruciale
sulla fattibilit` a del metodo NR. Per sistemi con un gran numero di dimensioni,
cio` e sistemi dove f (x) dipende da un gran numero di variabili il calcolo della
matrice genera un grosso sforzo computazionale. Approssimativamente possiamo
affermare che lo sforzo computazionale nel calcolo di
ˆ
H v` a come N
2
, dove N ` e
il numero di atomi. Questo vasto sforzo pu` o essere abbassato usando solamente
i termini diagonali dell’Hessiano, cio` e ignorando i termini incrociati, oppure non
ricalcolando l’Hessiano ad ogni step (pu` o essere effettuato a causa delle lente
variazioni delle derivate seconde).
179
Algoritmi di ottimizzazione
Un altro serio svantaggio del metodo NR ` e che non necessariamente converge
globalmente, cio` e che la convergenza dipende dal punto da cui si parte. Un modo
per risolvere questo problema ` e migliorare la grandezza dello step nella direzione
di Newton, assicurando che il valore della funzione diminuisca. In questo caso la
F.17 diviene:
x
k+1
=x
k
−λ
k
ˆ
H
−1
k
g
k
(F.20)
Nonostante tutti i problemi menzionati, il metodo NR ha riscosso un certo suc-
cesso a causa della sua veloce convergenza in un intorno sufficientemente vicino
al valore stazionario. Il metodo NR ha la qualit` a opposta al metodo SD, cio` e
converge inizialmente lentamente e finisce con una rapida convergenza [104].
180
Appendice G
Pseudopotenziali
Gli elementi chimici che si trovano nella parte pi ` u bassa della tavola periodica
hanno un elevato numero di elettroni di core. Questi elettroni non sono impor-
tanti dal punto di vista dello studio del legame chimico, poich` e non partecipano
direttamente alla sua formazione o rottura ed inoltre poich´ e ` e necessario usare un
gran numero di funzioni di base per espandere i corrispondenti orbitali si potrebbe
pensare ad una via alternativa per la loro rappresentazione attraverso le funzioni di
base. Bisogna per` o tenere a mente che gli orbitali di valenza per essere descritti in
maniera adeguata necessitano di una buona rappresentazione degli orbitali di core,
a causa degli effetti di repulsione elettrone-elettrone. Inoltre negli elementi ap-
partenenti alla parte pi` u bassa della tavola periodica gli effetti relativistici giocano
un ruolo essenziale complicando notevolmente i calcoli. Questi problemi pos-
sono essere “risolti” simultaneamente modellando gli elettroni di core attraverso
un’adatta funzione, e trattando solamente gli elettroni di valenza esplicitamente.
Le funzioni che modellano gli elettroni di core sono generalmente chiamate
Effective Core Potential (ECP) [105] oppure Pseudopotential (PP) [106]. I siste-
mi molecolari vengono descritti generalmente attraverso un set di basi Gaussiane,
mentre sono pi ` u frequentemente utilizzate le onde piane nei sistemi periodici este-
182
si (cristalli), e questa differenza ` e rispecchiata anche nei corrispondenti PP. Quan-
do usiamo funzioni Gaussiane per descrivere gli orbitali di valenza, ` e ovvio usare
le stesse funzioni per descrivere lo PP. Poich` e le funzioni Gaussiane sono conti-
nue, non c’` e una distanza fissa che caratterizza l’estensione del potenziale di core
e la qualit` a dell’ECP ` e determinata dal numero di elettroni che attraverso esse si
voglione rappresentare. Per i metalli di transizione, ` e chiaro che gli orbitali pi` u
esterni, cio` e (n +1)s, (n +1)p ed (n)d, costituiscono lo spazio di valenza. Se
scegliamo di modellizzare il resto degli orbitali attraverso uno PP, otterremo dalle
geometrie ragionevoli, ma troveremo che in alcuni casi le energie del sistema non
sono soddisfacenti. Il risultato migliore si ottiene includendo nel modello anche
gli orbitali che sono prossimi a quelli di valenza. In questo modo aumentano i
costi computazionali, ma si ` e certi che le energie derivate sono soddisfacenti. Per
esempio, nel caso dell’argento che ha numero atomico 47, possiamo considera-
re due differenti scelte per gli elettroni di core, oltre quella di cosiderarli tutti
esplicitamente, da simulare con un PP:
• Core “grande” ECP + 11 elettroni considerati esplicitamente:
(1s)
2
(2s)
2
(2p)
6
(3p)
6
(4s)
2
(3d)
10
(4p)
6
+ (4d)
10
(5s)
1
;
• Core “piccolo” ECP + 19 elettroni considerati esplicitamente:
(1s)
2
(2s)
2
(2p)
6
(3p)
6
(3d)
10
+ (4s)
2
(4p)
6
(4d)
10
(5s)
1
;
• Tutti gli elettroni considerati esplicitamente:
(1s)
2
(2s)
2
(2p)
6
(3p)
6
(4s)
2
(4p)
6
(3d)
10
(4d)
10
(5s)
1
;
Il guadagno nell’usare l’ECP ` e maggiore per atomi che appartengono alla parte
bassa della tavola periodica, specialmente per quelli dove gli effetti relativistici
sono importanti.
Il numero di onde piane da usare per rappresentare i nostri orbitali dipende
direttamente dal vettore d’onda, associato all’energia pi ` u grande, che ` e inversa-
183
Pseudopotenziali
mente proporzionale alla pi ` u piccola variazione della funzione d’onda che pu` o
essere descritta. La singolarit` a del potenziale nucleare (V
ne
) e i corrispettivi elet-
troni di core fortemente localizzati sono essenzialmente impossibili da descrivere
attraverso un numero ragionevole di onde piane. Gli PP sono quindi utilizzati per
“spalmare” la carica nucleare e modellare gli elettroni di core. Questi potenziali
sono caratterizzati tipicamente da un “raggio di core” r
c
. Cio` e gli PP usati in
connessione con le onde piane hanno un estensione fisica finita. Il potenziale per
distanze pi ` u piccole di r
c
` e descritto da un’adatta funzione analitica, tipicamente
un polinomio oppure una funzione sferica di Bessel. E’ chiaro che uno PP “duro”
(piccolo r
c
) richieder` a un numero maggiore di onde piane per descrivere la re-
gione al di sotto di r
c
rispetto ad uno “soffice” (grande r
c
), ma quando r
c
diviene
troppo grande la qualit` a dei risultati calcolati si deteriora ed anche la trasferibilit` a
dello PP si perde.
Gli PP norm-conserving proposti da Hamann, Schl ¨ uter e Chiang richiedono,
in aggiunta alle condizioni viste su r
c
, che si conservi la norma della funzione
d’onda [107]. Per gli ultimi elementi della prima riga (C-F) e per i metalli di
transizione 3d (Sc-Zn), questi PP sono piuttosto “duri” e quindi richiedono un
cutoff d’energia relativamente grande per le onde piane. Vanderbilt propose di
rilassare la richiesta della conservazione della norma per generare i cosidetti PP
ultrasoft [108], riducendo in questo modo il numero di onde piane necessarie per
espandere gli orbitali di valenza di un fattore approssimativamente uguale a 2.
Mentre non genera nessun errore l’uso delle onde piane come funzioni di base
per espandere gli orbitali, l’uso dello PP per descrivere la regione di core comporta
un limite fondamentale all’accuratezza con cui possiamo svolgere i nostri calcoli.
Per sistemi composti da elementi delle prime due righe della tavola periodica, l’er-
rore nei calcoli DFT ` e approssimativamente equivalente a quello che si otterrebbe
usando basi Gaussiane per descrivere tutti gli elettroni [109]. Una limitazione im-
184
plicita al metodo degli PP ` e l’incapacit` a di descrivere le propriet` a molecolari che
dipendono direttamente dagli elettroni di core (come nella X-ray photoelectron
spectroscopy (XPS)) o dalla densit` a elettronica vicino ai nuclei (come nell’NMR)
[51].
185
Appendice H
Algoritmo di Berny
Consideriamo una funzione E, dipendente da n variabili x
i
, e il gradiente ad
n dimensioni di questa funzione g
i
= dE/dx
i
. Desideriamo costruire una serie
di passi che ci portino ad un punto stazionario di E, cio` e, un punto dove g = 0.
Assumiamo che tali passi p siano gi` a stati fatti.
Perci ` o nello step p+1 conosciamo il valore della funzione, E
a
, e del suo gra-
diente, g
a
, sui punti m+1 (0 ≤a ≤m ≤ p). Indichiamo conx
0
il punto corrente,
x
1
quello che lo precede, e cos`ı via, conx
m
quello pi ` u vecchio. Attraverso lo step
precedente noi conosciamo anche una matrice F (nn) che ` e un approssimazione
della vera matrice delle derivate seconde, cio` e, F
i j
= d
2
E/dx
i
dx
j
.
Un singolo step d’ottimizzazione pu` o essere diviso in tre parti: (a) ottenere
le correzioni alla matrice approssimata delle derivate seconde; (b) ricercare un
minimo lungo la linea tra il punto corrente e il punto precedente; (c) stimare la
posizione del punto stazionario nell’intero spazio n-dimensionale usando il gra-
diente e la matrice approssimata delle derivate seconde. All’inizio del processo
d’ottimizzazione ` e richiesta un’adatta stima della matrice delle derivate seconde.
Punto a. Costruiamo un set di vettori di base ortonormali r
a
per lo spazio
attraversato dai vettori (x
a
−x
0
) tramite una procedura d’ortogonalizzazione di
187
Algoritmo di Berny
Gram-Schmidt.
˜ r
a
i
= (x
a
i
−x
0
i
) −
a−1

b=1
r
b
i ∑
j
(x
a
i
−x
0
i
)r
b
j
(H.1)
r
a
i
= ˜ r
a
i
[ ˜ r
a
i
[
In determinate circostanze, potrebbe essere necessario eliminare alcuni punti pre-
cedenti. Se un punto ` e troppo lontano dal punto corrente (

x
a
−x
0

>r
max
) oppure
se i punti sono quasi collineari ([ ˜ x
a
[ < r
soglia
), allora il punto ` e scartato. Perci ` o
nello step p +1, un totale di m+1 valutazioni sull’energia e sul gradiente sono
disponibili per il calcolo delle correzioni da effettuare sulla matrice approssimata
delle costanti di forza.
Nello spazio attraversato dai vettori r
a
, otteniamo la nuova e la vecchia stima
delle derivate seconde, k
ab
n
e k
ab
0
, rispettivamente:
k
ab
n
=

i
(g
a
i
−g
0
i
)r
b
i

a−1

c=1
k
cb

i
(x
a
i
−x
0
i
)r
c
i

i
(x
a
i
−x
0
i
)r
a
i
= k
ba
n
k
ab
0
= k
ba
0
=

i j
r
a
i
F
i j
r
b
j
(H.2)
Questi valori vengono utilizzati per ottenere la stima di F,
F
i j
new
= F
i j
old
+
m

b≥a

k
ab
n
−k
ab
0

r
a
i
r
b
i
+(1−δ
ab
)r
a
j
r
b
i

(H.3)
Nell’eq.H.2 i valori di k
ab
n
e k
ba
n
saranno, in generale, differenti se E non ` e una
funzione quadratica. Tuttavia, noi vogliamo che F sia una matrice simmetrica.
Possiamo assumere che l’ampiezza dei contributi non quadratici a

g
a
−g
0

in-
crementi con la distanza

x
a
−x
0

. Se facciamo l’ulteriore assunzione che ogni
step produce un punto sempre pi` u vicino al minimo, oppure riordiniamo x
a
in
modo da verificare quest’assunzione, allora

g
a
−g
0

sono ordinati approssimati-
vamene in termini del decremento dei contributi non quadratici. Quindi, per b >a,
188
ci aspettiamo che k
ab
n
abbia una componente non quadratica pi ` u piccola rispetto a
k
ba
n
.
Se l’ampiezza del vettore gradiente ` e molto grande, possiamo migliorare la
situazione evitando di calcolare la matrice delle derivate seconde fino a che i gra-
dienti non assumono un valore al di sotto di una certo cutoff. Questo comporta
che negli ultimi step dell’ottimizzazione non spenderemo tempo nel correggere le
derivate seconde ottenute nei primi step. L’effetto netto di questo approccio ` e uti-
lizzare nei primi step un algoritmo SD, fino a che i gradienti non scendono sotto
un valore ragionevole.
Punto b. Bisogna ricercare un minimo per E nella direzione

x
a
−x
b

attraver-
so un fit polinomiale E
0
, g
0
, E
1
e g
1
. Nelle applicazioni ` e generalmente usato per
il fit un polinomio di quarto grado . Questa funzione ` e fittata su due diverse ener-
gie e due gradienti direzionali con in aggiunta il constraint d
2
E/dx
2
≥ 0, in cui
l’uguaglianza vale solo su un punto. Una tale funzione ha il vantaggio di possedere
un singolo minimo locale che ` e anche il minimo globale. Indichiamo con ˜ x
i
le co-
ordinate del minimo nello spazio monodimensionale. Le derivate ˜ g
i
su ˜ x
i
possono
allora essere ottenute da g
0
e g
1
attraverso un’interpolazione.
Punto c. Usando la nuova stima della matrice delle derivate seconde F ottenuta
attraverso il punto a ed ottenute le coordinate monodimensionali dal punto b, la
prossima stima della posizione del punto stazionario ` e data da:
x
new
i
= ˜ x
i


j
F
−1
i j
˜ g
j
(H.4)
L’inverso della matrice delle derivate seconde ` e calcolato attraverso una diago-
nalizzazione della matrice. Gli autovalori possono allora essere testati in maniera
tale da assicurare che la matrice sia definita positiva e perci` o che lo step d’ottimiz-
zazione proceda realmente verso un minimo. Se troviamo un autovalore negativo,
invertiamo il suo segno. L’effetto netto ` e quello di forzare una procedura di SD
lungo la direzione degli autovettori associati agli autovalori negativi. La matrice
189
Algoritmo di Berny
inversa pu` o allora essere costruita attraverso gli autovalori e gli autovettori. Inoltre
si richiede che la variazione totale su un qualsiasi x
i
deve essere al d`ı sotto di una
certa soglia. Se il cambiamento inc ` e troppo grande, allora la variazione prevista
` e scalata in modo tale che i limiti non siano eccedenti.
Lo step successivo ` e simile a quelli gi` a visti, in cui si utilizzano le informazioni
che vengono dagli n step precedenti e si eliminano le informazioni derivanti dagli
step pi ` u “vecchi”. Ad ogni step il gradiente e i vettori spostamento sono testati
per vedere se l’ottimizzazione ` e giunta a convergenza. Lo scarto quadratico medio
(RMS) del gradiente e del valore assoluto della pi ` u grande componente del gra-
diente devono essere al di sotto del loro rispettivo valore di soglia. Lo spostamento
spaziale stimato deve superare un test simile sull’RMS e sul valore assoluto della
componente pi ` u grande. Se queste quattro condizioni sono soddisfatte, l’ottimiz-
zazione ` e completata. Se le condizioni non sono soddisfatte, il processo continua
a meno che non superi il numero massimo di step imposti [110].
190
Appendice I
Natural Bond Orbital (NBO)
La densit` a elettronica ` e uguale al modulo quadro della funzione d’onda,
[Ψ[
2


Ψ. La matrice densit` a ridotta di ordine k, γ
k
, ` e definita come [68]:
γ
k
(r
1
, . . .r
k
,r
/
1
, . . .r
/
k
) =

N
elec
k

Ψ

(r
/
1
, . . .r
/
k
,r
k+1
, . . .r
N
elec
)

Ψ(r
1
, . . .r
k
,r
k+1
, . . .r
N
elec
)dr
k+1
. . . dr
N
elec
(I.1)
Notiamo che le coordinate per Ψ

e Ψ sono differenti. Di speciale impor-
tanza nella teoria dei sistemi a molti elettroni sono le matrici densit` a ridotta del
primo e del secondo ordine, γ
1
(r
1
,r
/
1
) e γ
2
(r
1
,r
2
,r
/
1
,r
/
2
), poich` e l’operatore
ˆ
H con-
tiene solamente operatori ad uno e due elettroni. Integrando la matrice densit` a
del primo ordine sulle coordinate 1 otteniamo il numero di elettroni, N
elec
, mentre
l’integrale della matrice densit` a del secondo ordine sulle coordinate uno e due ` e:
N
elec
(N
elec
−1) (cio` e il numero di elettroni accoppiati). La matrice densit` a pu` o
essere diagonalizzata, ed i corrispondenti autovettori ed autovalori sono detti Na-
tural Orbitals (NO) e Occupation Numbers. Le corrispondenti autofunzioni per
la matrice densit` a del secondo ordine sono dette Natural Geminals.
Il concetto di NO pu` o essere usato per calcolare la distribuzione elettronica
negli atomi e negli orbitali molecolari, e quindi derivare le cariche atomiche ed i
192
legami molecolari. L’idea del Natural Atomic Orbital (NAO) e dell’analisi NBO
[111] ` e quello di usare la matrice densit` a one-electron per definire la forma degli
orbitali atomici nell’ambiente molecolare e derivare i legami molecolari tra gli
atomi attraverso la densit` a elettronica.
Assumiamo che le funzioni di base siano distribuite in maniera tale che tutti
gli orbitali localizzati sul centro A vengono prima di quelli localizzati sul centro
B, che sono prima di quelli localizzati sul centro C, ecc.
χ
A
1
, χ
A
2
, χ
A
3
, . . . , χ
B
k
, χ
B
k+1
, χ
B
k+2
, . . . , χ
C
n
, χ
C
n+1
, χ
C
n+2
, . . . (I.2)
La matrice densit` a pu` o essere scritta in termini di blocchi di funzioni di base
appartenenti ad uno specifico centro:
D =

¸
¸
¸
¸
¸
¸
¸
D
AA
D
AB
D
AC
.
.
.
D
AB
D
BB
D
BC
.
.
.
D
AC
D
BC
D
CC
.
.
.
. . . . . . . . .
.
.
.

(I.3)
L’orbitale atomico naturale per l’atomo A nell’ambiente molecolare pu` o es-
sere definito come quell’orbitale che diagonalizza il blocco D
AA
, per l’atomo B
quello che diagonalizza il blocco D
BB
, etc. Questi NAO non saranno in generale
ortogonali, e i numeri d’occupazione degli orbitali non saranno quindi la somma
del numero totale degli elettroni. Per ottenere una buona divisione degli elettroni,
gli orbitali devono essere ortogonalizzati.
I NAO normalmente somigliano ai semplici orbitali atomici (come calcolati
per un atomo isolato) e possono essere divisi, sulla base della grandezza dei nu-
meri di occupazione in: “basi minime naturali” (corrispondenti agli orbitali atomi-
ci occupati per l’atomo isolato) e un rimanente set di orbitali naturali “Rydberg”.
Il set minimo di NAO normalmente ` e fortemente occupato (cio` e hanno numero
d’occupazione maggiore di zero), mentre i NAO-Rydberg generalmente sono oc-
cupati debolmente (cio` e numero d’occupazione vicino allo zero). Il numero di
193
Natural Bond Orbital (NBO)
NAO dipende dalla grandezza del set di base atomico, in particolare, il numero
di NAO-Rydberg incrementa all’aumentare del set di basi. Quindi ` e desiderabile
che la procedura d’ortogonalizzazione preservi la forma degli orbitali fortemente
occupati quanto pi` u possibile. La procedura ` e la seguente (Fig.I.1):
1. Ognuno dei blocchi atomici nella matrice densit` a ` e diagonalizzato e produce
un set di NAO non ortogonali, spesso denotati “pre-NAO”.
2. Ogni “pre-NAO” fortemente occupato associato ad un centro ` e reso ortogo-
nale a tutti gli altri “pre-NAO” fortemente occupati associati agli altri centri
attraverso una procedura di diagonalizzazione pesata attraverso il numero
d’occupazione.
3. Ogni “pre-NAO” debolmente occupato associato ad un centro ` e reso orto-
gonale a tutti i “pre-NAO” fortemente occupati associati allo stesso centro
attraverso una procedura d’ortogonalizzazione di Gram-Schmidt.
4. Ogni NAO debolmente occupato ` e reso ortogonale a tutti gli altri NAO
debolmente occupati associati a centri diversi attraverso una procedura di
diagonalizzazione pesata attraverso il numero d’occupazione.
Figura I.1: Illustrazione della procedura di ortogonalizzazione nell’analisi NAO
194
Il set finale di orbitali ortogonali sono semplicemente denotati NAO, e gli
elementi diagonali della matrice densit` a in queste basi sono le popolazioni degli
orbitali. Sommando tutti i contributi degli orbitali appartenenti ad uno specifico
centro si ottiene la carica atomica. Generalmente si trova che i “natural mini-
mal” NAO contribuiscono a pi ` u del 99% della densit` a elettronica, e formano una
rappresentazione molto compatta della funzione d’onda in termini degli orbitali
atomici. L’ulteriore vantaggio dei NAO ` e che sono definiti dalla matrice densit` a,
garantendo in questo modo che il numero d’occupazione associato agli elettroni
sia compreso tra 0 e 2, e che convergono ad un ben definito valore all’aumentare
del basis set. Inoltre, l’analisi pu` o essere effettuata anche per funzioni d’onda
correlate. Lo svantaggio delle NAO ` e che la loro estensione pu` o superare di gran
lunga le dimensioni dell’atomo a cui sono associate e, quindi, possono descrivere
densit` a elettroniche che si trovano vicine ad un nucleo differente da quello per cui
sono state create e su cui sono centrate.
Quindi la matrice densit` a ` e stata trasformata nelle basi NAO ed i legami tra
gli atomi possono essere identificati attraverso i blocchi che si trovano fuori dalla
diagonale. La procedura coinvolge i seguenti step:
1. I NAO per un blocco atomico nella matrice densit` a che hanno numero d’oc-
cupazione molto vicino a 2 (diciamo >1.999) sono identificati come orbitali
di core. Il loro contributo dalla matrice densit` a ` e rimosso.
2. I NAO per un blocco atomico nella matrice densit` a che hanno un grande
numero d’occupazione (diciamo >1.90) sono identificati come orbitali con
un doppietto elettronico. Il loro contributo dalla matrice densit` a ` e rimosso.
3. Ogni coppia di atomi (AB, AC, BC, . . .) viene adesso considerata, ed i sot-
toblocchi a coppie di due della matrice densit` a sono diagonalizzati (senza i
contributi di core e dei doppietti elettronici). Gli NBO sono identificati co-
195
Natural Bond Orbital (NBO)
me gli autovettori con grandi autovalori (numeri d’occupazione pi ` u grandi
di 1.90).
4. Se vengono generati un numero insufficiente di NBO tramite la procedura
appena vista (cio` e la somma del numero d’occupazione per il core, per i
doppietti elettronici e per gli orbitali di legame ` e pi` u piccola del numero
di elettroni), il criterio di accettazione di un NBO viene gradualmente ab-
bassato finch´ e ad un numero sufficiente di elettroni non viene assegnato un
legame.
Una volta ricavati gli NBO questi possono essere scritti come una combinazione
lineare dei NAO, generando un modello localizzato degli “orbitali” atomici che
sono coinvolti nei legami.
196
Ringraziamenti
Il mio primo pensiero va alla mia famiglia. Non esiste un modo per ripagare
appieno i sacrifici che avete fatto per me. A mia madre che non si ` e mai stancata
e con forza mi ha sostenuto nei momenti bui. A mio padre che mi fa sentire or-
goglioso di essere suo figlio quando vedo quello che ha fatto e come lo ha fatto. A
mio fratello perch´ e ` e il mio “miracolo”, un mio punto di riferimento e mi ` e sempre
stato accanto anche da lontano. A mia sorella che riesce a sorprendermi sempre
e che per troppo tempo non ha avuto un “buon” fratello ma che col tempo, spero,
riuscir` a ad apprezzare. Alla mia famiglia allargata Rossana e Fabrizio. Infine ai
miei due nipotini che riescono a farmi piangere come un bambino. Grazie.
Desidero ringraziare la Dott.ssa Velia Minicozzi per la disponibilit` a, per la
pazienza e per la guida che mi fornito durante tutto questo lavoro di Tesi. Ringrazio
la Prof.ssa Silvia Morante per avermi accordato la sua fiducia e permesso di la-
vorare nel suo gruppo di ricerca. Inoltre ringrazio il Prof. Giancarlo Rossi per
i suggerimenti e le correzioni. Un grazie alla disponibilit` a e al lavoro dei ricer-
catori del gruppo dell’Universit` a della Calabria, in particolare la Dott.ssa Tiziana
Marino e il Prof. Nino Russo. Un ringraziamento particolare al Dott. Francesco
Stellato che, quasi quotidianamente, ha sopportato in quest’ultimo anno le mie
lamentele e mi ha fornito continui suggerimenti.
Un grazie a Cristina per avermi sopportato, per aver curato tutte le mie ferite
198
e per avermi fatto ridere nei momenti peggiori.
Vorrei ringraziare con sincero affetto Filippo per tutto quello che ha fatto, per
l’aiuto nella stesura della tesi e per avermi dato forza in un momento di sconforto.
Un grazie a tutti i miei amici. Non me ne vogliano se non li cito uno per uno, ma
“sta tesi adda fern`ı”.
Infine il pi ` u importante dei ringraziamenti lo riservo per Dio che mi ha da-
to la forza di superare dei momenti molto bui, mi ha protetto e non mi ha mai
abbandonato lungo questo cammino. Grazie Signore.
199
Bibliografia
[1] J.M. Berg, J.L. Tymoczko, L. Stryer. Biochimica, 5
a
edizione. Zanichelli,
Bologna, 2002.
[2] G.A. Petsko, D. Ringe. Protein Structure and Function. New Science Press
Ltd, London, 2004.
[3] R.B. Martin. Peptide bond characteristics. Met. Ions Biol. Syst., 38: 1-23,
2001.
[4] D. Voet, J.G. Voet. Biochemistry, 2
nd
edition. Wiley, New York, 1995.
[5] G.N. Ramachandran, C. Ramakrishnan and V. Sasisekharan. Stereo-
chemistry of polypeptide chain configurations. J. Mol. Biol., 7: 95-99,
1963.
[6] L. Pauling, R.B. Corey, and H.R. Branson. The structure of proteins: two
hydrogen-bonded helical configurations of the polypeptide chain. PNAS,
37: 235-240, 1951.
[7] S.H. Gellman. Minimal model systems for beta sheet secondary structure
in proteins. Curr. Opin. Chem. Biol., 37: 729-740, 1998.
[8] B. Alberts, A. Johnson, J. Lewis, M. Raff, K. Roberts, P. Walter. Biologia
molecolare della cellula, 4
a
edizione. Zanichelli, Bologna, 2004.
200
BIBLIOGRAFIA
[9] M. Becker, J.L. Kleinsmith, J. Hardin. Il mondo della cellula, 1
a
edizione.
Edises, Napoli, 2002.
[10] H. Wu. Studies on denaturation of proteins XIII. A theory of denatura-
tion. Chinese Journal of Physiology, 5: 321-344, 1931 (Reprinted in Adv.
Protein Chem., 46: 6-26, 1995.
[11] C.B. Anfinsen. Principles that govern the folding of protein chains. Science,
181: 223230, 1973.
[12] C. Branden, J. Tooze. Introduction to protein structure, 2
nd
edition. Garland
Publishing, New York, 1999.
[13] C.M. Dobson. Protein misfolding, evolution and disease. Trends Biochem.
Sci., 24: 329-332, 1999.
[14] D.J. Selkoe. Folding protein in fatal ways. Nature, 426: 900-904, 2005.
[15] M.B. Pepys. Pathogenesis, diagnosis and treatment of systemic amyloido-
sis. Phil. Trans. R. Soc. Lond. B, 356: 203-211, 2001.
[16] V.N. Uversky , A. Talapatra, J.R. Gillespie and A.L. Fink. Protein de-
posits as the molecular basis of amyloidosis. Part I. Systemic amyloidoses.
Medical Science Monitor, 5: 1001-1012, 1999.
[17] A.I. Bush. Metals and Neuroscience. Curr. Opin. Chem. Biol., 4:184-191,
2000.
[18] N. Siliprandi, G. Tettamanti. Biochimica medica, 2
a
edizione. Piccin Nuova
Libraria, Padova, 1998.
[19] C.J. Segen. Concise Dictionary of Modern Medicine. McGraw-Hill, New
York, 2006.
201
BIBLIOGRAFIA
[20] American Psychiatric Association. Diagnostic and statistical manual
of mental disorders, 4
th
edition. American Psychiatric Publishing Inc.,
Danvers, 2000.
[21] R.S. Cotran, V. Kumar, T. Collins. Le basi patologiche delle malattie, 6
a
edizione. Piccin Nuova Libraria, Padova, 2000.
[22] G.M. Mariuzzi. Anatomia patologica e correlazioni anatomo-cliniche.
Piccin Nuova Libraria, Padova, 2007.
[23] G.N. Patrick, L. Zukerberg, M. Nikolic, S. de la Monte, P. Dikkes, L.H.
Tsai. Conversion of p35 to p25 deregulates Cdk5 activity and promotes
neurodegeneration. Nature, 402: 615-22, 1999.
[24] R.D. Terry, L.A. Hansen, R. DeTeresa, P. Davies, H. Tobias, R. Katzman.
Senile dementia of the Alzheimer type without neocortical neurofibrillary
tangles. Journal of Neuropathology and Experimental Neurology, 46: 262-
268, 1987.
[25] J. Hardy, D.J. Selkoe. The amyloid hypothesis of Alzheimer’s disease:
progress and problems on the road of therapeutics. Science, 297: 353-356,
2002.
[26] S.A. Small, K. Duff. Linking Aβ and Tau in Late-Onset Alzheimer’s
Disease: A Dual Pathway Hypothesis. Neuron, 60: 534-542, 2008.
[27] S. Gandy, S. Petanceska. Regulation of Alzheimer beta-amyloid precursor
trafficking and metabolism. Biochimica et Biophysica Acta, 1502: 44-52,
2000.
[28] D. Scheuner, C. Eckman, M. Jensen,, X. Song, M. Citron, N. Suzuki, T.
Bird, J. Hardy, M. Hutton, W. Kukull, et al. Secreted amyloid beta-protein
202
BIBLIOGRAFIA
similar to that in the senile plaques of Alzheimer’s disease is increased
in vivo by the presenilin 1 and 2 and APP mutations linked to familial
Alzheimer’s disease. Nature Medicine, 2: 864-870, 1996.
[29] M.R. Meyer, J.T. Tschanz, M.C. Norton, K.A. Welsh-Bohmer, D.C.
Steffens, B.W. Wyse, J.C. Breitner. APOE genotype predicts when-not
whether-one is predisposed to develop Alzheimer disease. Nature Genetics,
19: 321-322, 1998.
[30] P.D. Sloane. Advances in the treatment of Alzheimer’s disease. American
Family Physician, 58(7): 1577-1586, 1998.
[31] D.M. Mann, P.O. Yates, B. Marcyniuk, C.R. Ravindra. The topography
of plaques and tangles in Down’s syndrome patients of different ages.
Neuropathology & Applied Neurobiology, 12: 447-457, 1986.
[32] H. Zheng, M. Jiang, M.E. Trumbauer, D.J. Sirinathsinghji, R. Hop-
kins, D.W. Smith, R.P. Heavens, G.R. Dawson, S. Boyce, M.W. Conner.
Beta-amyloid precursor protein-deficient mice show reactive gliosis and
decreased locomotor activity. Cell, 81: 525-531, 1995.
[33] S. Heber, J. Herms, V. Gajic, J. Hainfellner, A. Aguzzi, T. Rulicke, H. von
Kretzschmar, C. von Koch, S. Sisodia, P. Tremml, et al. Mice with com-
bined gene knock-outs reveal essential and partially redundant functions of
amyloid precursor protein family members. The Journal of Neuroscience,
20: 7951-7963, 2000.
[34] W. Annaert, B. De Strooper. A Cell biological perspective on Alzheimer’s
disease. Annu. Rev. Cell Biol., 18: 25-51, 2002.
[35] Y.Q. Luoa, N. Hirashimab, Y.H. Lia, D.L. Alkonb, T. Sunderlanda, R.
Etcheberrigarayb, B. Wolozin. Physiological levels of β-amyloid increase
203
BIBLIOGRAFIA
tyrosine phosphorylation and cytosolic calcium. Brain Research, 681:
65-74, 1995.
[36] J. Kyte, R.F. Doolittle. A simple method for displaying the hydrophobic
character of a protein. J. Mol. Biol., 157: 105-132, 1982.
[37] T. L¨ uhrs, C. Ritter, M. Adrian, D. Riek-Loher, B. Bohrmann, H. D¨ obeli,
D. Schubert, R. Riek. 3D structure of Alzheimer’s amyloid-β(1–42) fibrils.
PNAS, 102: 17342-17347, 2005.
[38] M. Stefani. Protein misfolding and aggregation: new examples in medicine
and biology of the dark side of the protein world. Biochimica et Biophysica
Acta, 1739(1): 5-25, 2004.
[39] V.N. Uversky, A.L. Fink. Conformational constraints for amyloid fibrilla-
tion: the importance or being unfolded. Biochimica et Biophysica Acta,
1698: 131-153, 2004.
[40] A.I. Bush, W.H. Pettingell, G. Multhaup, M. Paradis, J.P. Vonsattel, J.F.
Gusella, K. Beyreuther, C.L. Masters, R.E. Tanzi. Rapid induction of
Alzheimer Aβ-amyloid formation by zinc. Science, 265: 1464-1467, 2003.
[41] L.O. Tjernberg, D.J. Callaway, A. Tjernberg, S. Hahne, C. Lilliehook, L.
Terenius, J. Thyberg, C. Nordstedt. A molecular model of Alzheimer amy-
loid beta-peptide fibril formation. Journal of Biological Chemistry, 274:
12619–12625, 1999.
[42] F. Stellato, G. Menestrina, M. Dalla Serra, C. Potrich, R. Tomazzolli,
W. Meyer-Klaucke, S. Morante. Metal binding in amyloids beta peptides
shows intra- and inter-peptide coordination modes. European Biophysics
Journal, 35: 340-351, 2006.
204
BIBLIOGRAFIA
[43] V. Minicozzi, F. Stellato, M. Comai, M. Dalla Serra, C. Potrich, W. Meyer-
Klaucke, S. Morante. Identifying the minimal Cu and Zn binding site se-
quence in amyloid beta peptides. Journal of Biological Chemistry, 283:
10784-10792, 2008.
[44] S. Zirah, S.A. Kozin, A.K. Mazur, A. Blond, M. Cheminant, I. S´ egalas-
Milazzo, P. Debey, S. Rebuffat. Structural Changes of Region 1-16 of
the Alzheimer Disease Amyloid-Peptide upon Zinc Binding and in Vitro
Aging. Journal of Biological Chemistry, 281: 2151-2161, 2006.
[45] E. Gaggelli, A. Janicka-Klos, E. Jankowska, H. Kozlowski, C. Migliori-
ni, E. Molteni, D. Valensin, G. Valensin, E. Wieczerzak. NMR Studies
of the Zn2+ Interactions with Rat and Human β-Amyloid (1-28) peptides
in water-micelle environment. The Journal of Physical Chemistry B, 112:
100-109, 2008.
[46] M.P. Allen, D.J. Tildesley. Computer simulation of liquids. Oxford
University Press, Oxford, 1989.
[47] F. Riesz. Functional Analysis. Dover Publications, New York,1990.
[48] D. Frenkel, B. Smit. Understanding Molecular Simulations. Academic
Press, San Diego, 1996.
[49] W.F. van Gunsteren, P.K. Weiner, A.P. Wilkinson. Computer simulation of
biomolecular systems, theoretical and experimental applications, Vol. 3.
Escom Science Publishers, Leiden, 1993.
[50] G.C. Rossi. Appunti di Teoria dei Sistemi a Molti Corpi. Universit` a degli
studi di Roma “Tor Vergata”, Roma, 2002.
205
BIBLIOGRAFIA
[51] F. Jensen. Introduction to computational chemistry, 2
nd
edition. Wiley, New
York, 2007.
[52] T. Darden, D. York, L. Pedersen. Particle mesh Ewald: An N-log(N)
method for Ewald sums in large systems. Journal of Chemical Physics,
98: 10089-10092, 1993.
[53] U. Essmann, L. Perera, M.L. Berkowitz, T. Darden, H. Lee, L.G. Pedersen.
A smooth particle mesh ewald potential. Journal of Chemical Physics, 103:
8577-8592, 1995.
[54] K. Huang. Statistical mechanics, 2
nd
edition. Wiley, New York, 1987.
[55] L.V. Woodcock. Isothermal molecular dynamics calculation for liquid salt.
Chemical Physical Letters, 10: 257-261, 1971.
[56] H.J.C. Berendsen, J.P. Postma, W.F. van Gunsteren, A. Dinola, J.R. Haak.
Molecular dynamics with coupling to an external bath. Journal of Chemical
Physics, 81: 3684-3690, 1984.
[57] S. Nos´ e. A unified formulation of the constant temperature molecular
dynamics methods. Journal of Chemical Physics, 81: 511–519, 1984.
[58] W.G. Hoover. Canonical dynamics: equilibrium phase-space distributions.
Physical Review A, 31: 1695-1697, 1985.
[59] H.C. Andersen. Molecular dynamics simulations at constant pressure
and/or temperature. Journal of Chemical Physics, 72: 2384-2393, 1980.
[60] M. Parrinello, A. Rahman. Polymorphic transitions in single crystals:
A new molecular dynamics method. Journal of Applied Physics, 52:
7182–7190, 1981
206
BIBLIOGRAFIA
[61] J.M. Ziman. Principles of the Theory of Solids, 2
nd
edition. Cambridge
University Press, Cambridge, 1979.
[62] R.P. Feynmann, A.R. Hibbs. Quantum Mechanics and Path Integrals.
McGraw Hill, New Jersey, 1965.
[63] G. Grosso, G. Pastori Parravicini. Solid State Physics. Academic Press,
London, 2000.
[64] P. Hohenberg, W. Kohn. Inhomogeneous Electron Gas. Physical Review,
136: 864-871, 1964.
[65] R.M. Dreizler, E.K.U. Gross. Density Functional Theory. Springer-Verlag,
Berlin, 1990.
[66] E. Bruno. Appunti del corso di fisica dello stato solido. Universit` a degli
studi di Messina, Messina, 1996.
[67] W. Kohn, L.J. Sham. Self-Consistent Equations Including Exchange and
Correlation Effects. Physical Review, 140: 1133-1138, 1965.
[68] R.G. Parr, W. Yang. Density-Functional Theory of Atoms and Molecules.
Oxford University Press, New York, 1989.
[69] A.D. Becke. Density-functional exchange-energy approximation with
correct asymptotic behavior. Physical Review A, 38(6): 3098-3100, 1988.
[70] C. Lee, W. Yang, R.G. Parr. Development of the Colle-Salvetti correlation-
energy formula into a functional of the electron density. Physical Review.
B, 37(2): 785-789, 1988.
[71] A.D. Becke. Density-functional thermochemistry. iii. the role of exact
exchange. The Journal of Chemical Physics, 98(7): 5648-5652, 1993.
207
BIBLIOGRAFIA
[72] R.Car, M. Parrinello. Unified Approach for Molecular Dynamics and
Density-Functional Theory. Physical Review Letters, 55(22): 2471-2474,
1985.
[73] A. Warshel, M. Levitt, Theoretical studies of enzymic reactions: Dielectric,
electrostatic and steric stabilization of the carbonium ion in the reaction of
lysozyme. Journal of Molecular Biology, 100: 227-249, 1976.
[74] U.C. Singh, P.A. Kollman. A combined ab initio quantum mechanical
and molecular mechanical method for carrying out simulations on com-
plex molecular systems: Applications to the CH
3
Cl + Cl

exchange re-
action and gas phase protonation of polyethers Journal of Computational
Chemistry, 7: 718-730, 1986.
[75] A. Warshel, R.M. Weiss. An empirical valence bond approach for com-
paring reactions in solutions and in enzymes. Journal of the American
Chemical Society, 102: 6218-6226, 1980.
[76] S.P. Webb, M.S. Gordon. Solvation of the Menshutkin Reaction: A Rigor-
ous Test of the Effective Fragment Method. Journal of Physical Chemistry
A, 103: 1265-1273, 1999.
[77] J. Gao, P. Amara, C. Alhambra, M.J. Field. A Generalized Hybrid Or-
bital (GHO) Method for the Treatment of Boundary Atoms in Combined
QM/MM Calculations. Journal of Physical Chemistry A, 102: 4714-4721,
1998
[78] V. Thery, D. Rinaldi, J.L. Rivail, B. Maigret, G.G. Ferenczy. Quantum
mechanical computations on very large molecular systems: The local
self-consistent field method. Journal of Computational Chemistry, 15(3):
269-282, 1994.
208
BIBLIOGRAFIA
[79] N. Reuter, A. Dejaegere, B. Maigret e M. Karplus. Frontier Bonds in
QM/MM Methods: A Comparison of Different Approaches. Journal of
Physical Chemistry A, 104: 1720-1735, 2000.
[80] F. Maseras, K. Morokuma. IMOMM: A new integrated ab initio + molec-
ular mechanics geometry optimization scheme of equilibrium structures
and transition states. Journal of Computational Chemistry, 16: 1170-1179,
1995.
[81] S. Humbel, S. Sieber, K. Morokuma. The IMOMO method: Integration of
different levels of molecular orbital approximations for geometry optimiza-
tion of large systems: Test for n-butane conformation and S
N
reaction: RCl
+ Cl

. Journal of Chemical Physics, 105: 1959-1967, 1996.
[82] M. Svensson, S. Humbel, R.D.J. Froese, T. Matsubara, S. Sieber, K. Mo-
rokuma. ONIOM: A Multilayered Integrated MO + MM Method for Ge-
ometry Optimizations and Single Point Energy Predictions. A Test for
Diels-Alder Reactions and Pt(P(t-Bu)
3
)
2
+H
2
Oxidative Addition. Journal
of Physical Chemistry, 100: 19357-19363, 1996.
[83] D. Young. Computational Chemistry: A Practical Guide for Applying
Techniques to Real-World Problems. Wiley, New York, 2001.
[84] D. Van der Spoel, E. Lindahl, B. Hess, G. Groenhof, A.E. Mark, H.J.C.
Berendsen. GROMACS: Fast, Flexible and Free. Journal of Computational
Chemistry, 26: 1701-1718, 2005.
[85] W.L. Jorgensen, D.S. Maxwell, J. Tirado-Rives. Development and Testing
of the OPLS All-AtomForce Field on Conformational Energetics and Prop-
erties of Organic Liquids. Journal of the American Chemical Society, 118:
11225-11236, 1996.
209
BIBLIOGRAFIA
[86] L. D. Schuler, X. Daura, W.F. van Gunsteren. An improved GROMOS96
force field for aliphatic hydrocarbons in the condensed phase. Journal of
Computational Chemistry, 22: 1205-1218, 2001.
[87] N. Foloppe; A.D. MacKerell Jr. All-Atom Empirical Force Field for Nu-
cleic Acids: I. Parameter Optimization Based on Small Molecule and
Condensed Phase Macromolecular Target Data. Journal of Computational
Chemistry, 21: 86-104, 2000.
[88] T. Tuccinardi, A. Martinelli, E. Nutia, P. Carellia, F. Balzano, G.
Uccello-Barretta, G. Murphy, A. Rossello Amber force field implemen-
tation, molecular modelling study, synthesis and MMP-1/MMP-2 in-
hibition profile of (R)- and (S)-N-hydroxy-2-(N-isopropoxybiphenyl-4-
ylsulfonamido)-3-methylbutanamides. Bioorganic and Medicinal Chem-
istry, 14: 4260-4276 , 2006.
[89] D.V. Sakharov, C. Lim. Zn Protein Simulations Including Charge Transfer
and Local Polarization Effects. Journal of the American Chemical Society,
127: 4921-4929, 2005.
[90] C.J. Cramer. Essentials of computational chemistry, 2
nd
edition. Wiley,
New York, 2004.
[91] W.L. Jorgensen; J. Chandrasekhar, J.D. Madura, R.W. Impey, M.L. Klein.
Comparison of simple potential functions for simulating liquid water.
Journal of Chemical Physics, 79: 926-935, 1983.
[92] V. N. Maiorov, G.M. Crippen. Size independent comparison of protein
three-dimensional structures. Proteins, 22: 273-283, 1995.
[93] M.J. Frisch, G.W. Trucks et al. Gaussian 03, Revision C.02. Gaussian, Inc.,
Wallingford, 2004.
210
BIBLIOGRAFIA
[94] D. Andrae, U. Haussermann, M. Dolg, H. Stoll, H. Preuss. Energy-adjusted
ab initio pseudopotentials for the second and third row transition elements.
Theor. Chim. Acta, 77: 123-141, 1990.
[95] A.K. Rappe, C.J. Casewit, K.S. Colwell, W.A. Goddard III, W.M. Skiff.
UFF, a Full Periodic Table Force Field for Molecular Mechanics and
Molecular Dynamics Simulations. Journal of the American Chemical
Society, 114: 10024-10035, 1992.
[96] T. Marino, N. Russo, M. Toscano, M. Pavelka. On the metal ion
(Zn
2+
,Cu
2+
) coordination with beta-amyloid peptide: DFT computational
study. submitted to Journal of Inorganic Biochemistry, 2009.
[97] C.D. Syme, R.C. Nadal, S.E.J. Rigby, J.H. Viles. Copper Binding to the
Amyloid-β (Aβ) Peptide Associated with Alzheimer’s Disease: Fold-
ing, Coordination Geometry, pH Dependece, Stoichiometry, and Affini-
ty of Aβ-(1–28): Insights from a range of complementary spectroscopic
Techniques. J. Biol. Chem., 279: 18169-18177, 2004.
[98] M.F. Folstein, S.E. Folstein, P.R. McHugh. “Mini-mental state”. A practical
method for grading the cognitive state of patients for the clinician. Journal
of psychiatric research, 12(3): 189-198, 1975.
[99] G. Measso, F. Cavarzeran, G. Zappal` a, B.D. Lebowitz, T.H. Crook,
F.J. Pirozzolo, L.A. Amaducci, D. Massari, D. Grigoletto. The Mini-
Mental State Examination. Normative Study of an Italian Random Sample.
Developmental neuropsychology, 9: 77-85, 1993.
[100] B. Hess, H. Bekker, H.J.C. Berendsen, J.G.E.M. Fraaije. LINCS: A Lin-
ear Constraint Solver for Molecular Simulations. Journal of Computational
Chemistry, 18: 1463–1472, 1997.
211
BIBLIOGRAFIA
[101] J.C. Slater. Atomic Shielding Constants. Physical Review, 36: 57-64, 1930.
[102] S.F. Boys. Electronic Wave Functions. II. A Calculation for the Ground
State of the Beryllium Atom. Proc. R. Soc. Lond. A, 201: 125-137, 1950.
[103] M. Preuss, W.G. Schmidt, K. Seino, J. Furthm¨ uller, F. Bechstedt. Ground-
and excited-state properties of DNA base molecules from plane-wave
calculations using ultrasoft pseudopotentials. Journal of Computational
Chemistry, 25: 112-122, 2004.
[104] J. Nocedal, S. Wright. Numerical Optimization. Springer-Verlag, New
York, 1999.
[105] T.R. Cundari, M.T. Benson, M.L. Lutz, O.S. Sommerer. Effective Core Po-
tential Approaches to the Chemistry of the Heavier Elements. Reviews in
computational chemistry, 8: 145-202, 1996.
[106] M.C. Payne, M.P. Teter, D.C. Allan, T.A. Arias, J.D. Joannopoulos. Itera-
tive minimization techniques for ab initio total-energy calculations: molec-
ular dynamics and conjugate gradients. Rev. Mod. Phys., 64: 1045-1097,
1992.
[107] D.R. Hamann, M. Schl¨ uter, C. Chiang. Norm-Conserving Pseudopoten-
tials. Phys. Rev. Lett., 43: 1494-1497, 1979.
[108] D. Vanderbilt. Soft self-consistent pseudopotentials in a generalized
eigenvalue formalism. Phys. Rev. B, 41: 7892-7895, 1990.
[109] F. Jensen, C. Janfelt. The magnitude of pseudo-potential errors for bond
distances and vibrational frequencies. Chemical Physics Letters, 412: 12-
15, 2005.
212
BIBLIOGRAFIA
[110] H.B. Schlegel. Optimization of Equilibrium Geometries and Transition
Structures. Journal of Computational Chemistry, 3: 214-218, 1982.
[111] A.E. Reed, L.A. Curtiss, F. Weinhold. Intermolecular interactions from
a natural bond orbital, donor-acceptor viewpoint. Chem. Rev., 88(6):
899–926, 1988.
213

INDICE 4.1 4.2 4.3 4.4 Approssimazione di Born-Oppenheimer . . . . . . . . . . . . . . 63 Problema elettronico . . . . . . . . . . . . . . . . . . . . . . . . 66 L’approssimazione di Hartree-Fock . . . . . . . . . . . . . . . . . 69 Teoria del funzionale densit` . . . . . . . . . . . . . . . . . . . . 74 a 4.4.1 4.4.2 4.4.3 4.5 4.6 Teorema di Hohenberg e Kohn . . . . . . . . . . . . . . . 75 Lo schema di Kohn e Sham . . . . . . . . . . . . . . . . 81 Il funzionale di scambio e correlazione . . . . . . . . . . 86

Dinamica molecolare ab initio . . . . . . . . . . . . . . . . . . . 89 Metodi ibridi QM/MM . . . . . . . . . . . . . . . . . . . . . . . 93 4.6.1 Il metodo a “strati di cipolla” ONIOM . . . . . . . . . . . 99 104

5 Simulazioni di dinamica molecolare classica 5.1 5.2 5.3

Operazioni preliminari . . . . . . . . . . . . . . . . . . . . . . . 105 Risultati . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110 Conclusioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128 130

6 Simulazioni QM/MM-ONIOM 6.1 6.2 6.3

Operazioni preliminari . . . . . . . . . . . . . . . . . . . . . . . 131 Risultati . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136 Conclusioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143 150 155 158 161 167 ii

A Mini Mental State Examination B Condizioni periodiche al contorno C Vincoli geometrici D Basis set E Il principio di Ritz

INDICE F Algoritmi di ottimizzazione G Pseudopotenziali H Algoritmo di Berny I Natural Bond Orbital (NBO) 170 182 187 192 200

Bibliografia

iii

il morbo di Parkinson. a Nino Russo e la Dott. Tali malattie. e stato dimostrato che numerose malattie dipendono dall’alterazione del folding proteico. non accompagnato da alterazioni della struttura primaria. E’ stato svolto sotto la guida della Dott.ssa Tiziana Marino. la corea di Huntington. la sclerosi laterale amiotrofica (SLA) e pi` u di altre quindici malattie meno note. ricco di conformazioni beta. c’` una progressiva transizione dalla proteina correttamente avvolta verso e uno stato aggregato. E’ in fase di preparazione un articolo dal titolo “The role of water in Zn(II)-Aβ1−16 complexes”. raggruppate sotto il nome di Protein Conformational Disorders (PCD).ssa Velia Minicozzi dell’Universit` di Roma “Tor Vergata” ed in collaborazione con il a gruppo di chimica teorica dell’Universit` della Calabria. ` Negli ultimi anni. In tutti i casi.Introduzione Il lavoro di tesi qui presentato riguarda lo studio mediante simulazioni di dinamica molecolare classica e QM/MM-ONIOM dell’interazione del peptide β -amiloide con lo ione metallico Zn2+ . in particolare con il Prof. l’amiloidosi da dialisi. le encefalopatie spongiformi. comprendono la malattia di Alzheimer (AD). Il processo dettagliato attraverso il quale proteine solubili (o loro frammenti) subiscono un parziale svolgimento e un riavvolgimento scorretto (che porta ad oligomeri altamente stabili e a polimeri con nuove propriet` ) costituisce a I . il diabete di tipo II. L’evento chiave per lo scatenarsi delle PCD ` e un cambiamento nella struttura secondaria e/o terziaria di una proteina o di un suo frammento.

Cu. psico` logici. Alcune variazioni delle condizioni ambientali sono state individuate essere fattori determinanti. Mn e Al) con le proteine potrebbe essere il denominatore comune delle PCD. L’Aβ e costituito da 39-43 amminoacidi (le specie pi` abbondanti sono u II . ` Il folding (o il misfolding) proteico assistito dai metalli e una tematica di ` grande interesse. infine l’ipotesi conformazione / oligomerizzazione (C). apolipoproteina E. l’influenza di alcune proteine (metallopeptidasi. Dati sperimentali sempre pi` numerosi mostrano che l’interau zione di alcuni ioni metallici del gruppo d (Fe. rappresenta una visione intermedia. ` L’AD e una sindrome complessa caratterizzata da disturbi cognitivi. Tre differenti ipotesi sono state proposte per descrivere le relazioni tra stati conformazionali e aggregazione. proteina X) e l’interazione con membrane cellulari. ` Una questione centrale nella ipotesi conformazionale e l’identificazione dei fattori che inducono i cambiamenti del folding proteico. nella quale pic` coli cambiamenti conformazionali innescano l’oligomerizzazione che e essenziale per la stabilizzazione del misfolding proteico. funzionali e comportamentali. Zn. la presenza di ioni metallici. che non rappresenta un necessario punto d’arrivo del cambiamento conformazionale. a livello del quale si rileva ` la presenza di placche senili il cui principale componente e il peptide β -amiloide ` (Aβ ). fra questi il pH. L’ipotesi del` la polimerizzazione (A) afferma che e l’aggregazione ad indurre cambiamenti nella conformazione proteica. Il correlato neuropatologico dell’AD e rappresentato da una degenerazione del tessuto cerebrale.INDICE la principale e irrisolta questione. E’ stato dimostrato che il folding proteico e un processo a pi` u stadi. quella conformazionale (B) che il misfolding ` proteico e indipendente dall’aggregazione. lo stress ossidativo. caratterizzato dalla formazione di stati intermedi senza una specifica stechiometria dello stato nativo ed in cui gli ioni metallici svolgono una funzione di grande rilevanza.

alcuni studi hanno mostrato ` che la regione che lega il metallo e compresa tra gli amminoacidi 6 e 28 del pep` tide Aβ ed e stato suggerito il coinvolgimento dei due amminoacidi istidina-13 e istidina-14. E’ stato osservato che le placche contengono quantit` superiori alla a media di ioni metallici appartenenti al gruppo d.INDICE quelle costituite da 40 e 42 amminoacidi) e risulta dal taglio proteolitico della glicoproteina transmembrana nota come Amyloid Precursor Protein (APP). ` Per tentare di contribuire a chiarire il possibile ruolo svolto dallo Zn2+ e staIII . corrispondente alla regione transmembrana dell’APP. altamente idrofobica. Per quanto riguarda la coordinazione del metallo. ` Si e osservato che lo Zn2+ pi` degli altri ioni metallici favorisce l’aggregazione u ` di Aβ . del solvente e della temperatura. In recenti studi NMR sono stati proposti vari modi di coordinazione intra-peptide in cui lo ione metallico si lega con tre istidine (6-13-14) e con la regione ammino-terminale oppure con l’acido glutammico-11. scarsamente solubile. in cui lo ione metallico fa da “ponte” fra due o pi` peptidi differenti formando dei legami cosiddetti “inter-molecolari”. e tendente ad aggregare in strutture dissimili da quelle viste nei pazienti di AD e differenti a seconda del pH. (ii) il frammento 1-28. Nell’Aβ si possono osservare due regioni: (i) la regione compresa tra i residui 29 e 40. (ii) u mentre altri ipotizzano un ruolo centrale dello Zn2+ nel processo del misfolding. il rame (Cu2+ ) e il ferro (Fe3+ ). Tuttavia il ruolo dello Zn2+ e soggetto a continui dibattiti: (i) alcune osservazioni sperimentali sembrano indicare un possibile ruolo dello Zn2+ nella formazione degli aggregati iniziali. Inoltre un recente lavoro ha suggerito che il frammento peptidico minimo coinvolto nell’interazione con il metallo sia Aβ1−16 . come lo zinco (Zn2+ ). che occupa la regione extracellulare dell’APP e pu` o produrre sia strutture ad α-elica che oligomeri β -sheet simili a quelli caratteristici delle placche amiloidee e quindi responsabile della variabilit` conformazionale a dell’Aβ .

dove una molecola d’acqua “scalza” uno degli amminoacidi che legavano il metallo. per la quale sia importante modellare accuratamente la struttura elettronica. ma i tempi di calcolo crescono a rapidamente all’aumentare del sistema in studio. Questo risultato suggerisce. mostrano che la coordinazione dello ione metallico e fortemente influenzata dalle interazioni elettrostatiche e. mentre i metodi classici. Mentre i risultati derivati dalle simulazioni QM/MM-ONIOM a u partire dalle configurazioni ottenute con la dinamica molecolare classica mostrano sia in presenza che in assenza di solvente un numero di coordinazione eguale a quattro per il metallo. come vedremo. la possibilit` di avere modi di coordinazione inter-peptidici. essendo l’acqua un legante debole del metallo. come la dinamica molecolare. I risultati del nostro lavoro. sul sistema Zn2+ -Aβ1−16 in assenza ed in presenza d’acqua. la cattiva parametrizzazione delle cariche dello ione metallico e dei liganti conduce a numeri di coordinazione pi` alti di 4. mentre il resto del sistema viene simulato con un metodo di meccanica molecolare classica. Particolarmente interessante il risultato ottenuto in presenza dell’acqua. cercano di combinare le caratteristiche pi` utili dei due diversi approcci in un singolo calcolo. derivati dalle simulazioni di dinamica molecolare ` classica.INDICE to condotto uno studio in silico. possono fornire un numero molto pi` limitato di inforu mazioni e non possono essere impiegati per la simulazione di rotture o formazioni di legami. simili a a IV . Il u caso pi` semplice di metodo ibrido prevede l’impiego di un metodo quantomecu canico solo per una regione limitata della molecola. ma permettono di effettuare veloci ottimizzazioni geometriche anche su sistemi di grandi dimensioni. ponendo l’attenzione sulla coordinazione del metallo. mediante simulazioni di dinamica molecolare classica e QM/MM-ONIOM. I metodi ibridi. La scelta delle metodologie computazionali utilizzate deriva dall’osservazione che: da un lato i metodi quantomeccanici permettono la stima di numerose propriet` e la modellizazzione di reazioni chimiche. noti come QM/MM.

Nel sesto capitolo sono illustrati e commentati i risultati ottenuti attraverso le simulazioni QM/MM-ONIOM e sono spiegate le procedure di analisi dei dati. u Nel terzo capitolo descriviamo in modo riassuntivo la tecnica della dinamica molecolare classica. sono evidenziate le problematiche ancora aperte e indicate le prospettive future. Nel secondo capitolo viene fatta una panoramica generale su una delle pi` cou muni malattie appartenenti a questo gruppo. con particolare attenzione al significato biologico dei risultati ottenuti. Descriveremo le varie approssimazioni e i metodi adottati. Nelle conclusioni sono riassunti i punti salienti del lavoro. Nel primo capitolo saranno dunque fornite alcune informazioni di carattere generale sulle proteine. ed infine quali risultati sono stati ottenuti e che conclusioni si possono trarre da essi. sul ruolo svolto dai metalli negli organismi biologici e sulle PCD. La tesi si articola in sei capitoli. V . e si fa infine un cenno alle strategie curative attualmente considerate pi` promettenti. Ad un breve excursus storico fa seguito la descrizione delle caratteristiche fisiologiche e patologiche della malattia.INDICE quelli visti sperimentalmente. la spiegazione delle procedure di analisi dei dati ed i commenti ai risultati ottenuti. focalizzando l’attenzione sugli aspetti computazionali. ` Il quarto capitolo e dedicato interamente alla presentazione del problema a molti corpi quantistico. nei quali si vuole mostrare quali sono i motivi che rendono interessante lo studio del problema in esame. con particolare attenzione al fenomeno dell’aggregazione dei peptidi amiloidi. Il quinto capitolo contiene la descrizione completa dei risultati ottenuti attraverso le simulazioni di dinamica molecolare classica. quali sono le caratteristiche principali del sistema studiato e della tecnica utilizzata. la malattia di Alzheimer.

.

che prende il nome di legame peptidico. generare un movimento. fornire un supporto meccanico o una protezione immunitaria.1: Struttura generica di un amminoacido 2 . legati tra di loro attraverso un legame covalente. Le proteine sono polimeri lineari costituiti da unit` monomeriche dette ammia noacidi. trasmettere impulsi nervosi e controllare la crescita e il differenziamento.Capitolo 1 Le proteine 1.1 La struttura delle proteine Le proteine sono le macromolecole pi` versatili dei sistemi viventi e hanno u un ruolo fondamentale in tutti i processi biologici. trasportare o conservare altre molecole come l’ossigeno. Figura 1. per questo le proteine sono note come polipeptidi. Le proteine possono agire da catalizzatori.

batteri. carica. Gli amminoacidi in soluzione a pH neutro sono ioni dipolari o zwitterioni.vengono costruite a partire dagli stessi 20 amminoacidi [1]. Le due forme. e sono coinvolti solo in legami di Van der Waals. Questa tendenza domina le interazioni alle quali partecipano. sono dette isomero L e isomero D. un gruppo carbossilico. alle molecole polari organiche e all’acqua. che sono immagini speculari l’una dell’altra. Vedremo in seguito come questo effetto sia fondamentale in un processo che porta il nome di folding. attraverso la formazione di legami idrogeno. Lo stato di ionizzazione di un amminoacido varia con il pH.1.1.1. 3 . un atomo di idrogeno e un gruppo R. Tutte le a a proteine in tutte le specie . specifico per ognuno di essi. Le catene laterali degli amminoacidi hanno differenti tendenze a partecipare alle interazioni l’una con l’altra e con l’acqua. Le proteine sintetizzate dagli organismi viventi sono costituite quasi esclusivamente dagli isomeri L. archeobatteri ed eucarioti . Queste differenze influenzano profondamente i loro contributi alla stabilit` e alle a funzioni delle proteine.2) sono capaci di legarsi tra loro. detto carbonio α (Cα ) a cui sono legati un gruppo amminico. spesso indicato con il nome di catena laterale.1. Alcuni di questi possono cambiare il loro stato di carica a seconda del pH o del microambiente da cui sono circondati. Gli amminoacidi idrofilici (fondo azzurro in Fig. ` Nella forma dipolare il gruppo amminico di un amminoacido e protonato -NH+ 3 ` e il gruppo carbossilico e dissociato -COO− . capacit` di formare legami idrogeno e reattivit` chimica.1) e costituito da un atomo di carbonio centrale. Gli α-amminoacidi sono molecole chirali. Nelle proteine sono presenti 20 tipi di catene laterali che variano per dimensioni. Gli amminoacidi idrofobici (fondo rosa in Fig.1 La struttura delle proteine ` Un α-amminoacido (Fig.2) tendono ad evitare il contatto con l’acqua. allo scheletro peptidico.

2: Struttura e caratteristiche chimiche delle catene laterali degli amminoacidi 4 .Le proteine Figura 1.

2 manca l’amminoacido con la struttura pi` semplice. Tuttavia i legami peptidici sono cinetica5 . ` Questa loro caratteristica e ideale per la formazione delle interfacce [2]. in rosso gli atomi di ossigeno.1.1.3 e Figura 1. e infine in azzurro gli atomi di azoto.1. G).2 sono indicati in grigio chiaro gli atomi di idrogeno. Nella Fig.1. perci` la biosintesi dei legami peptidici o richiede l’immissione di energia libera. L’equilibrio di questa reazione e spostato verso l’idrolisi piuttosto che verso la sintesi. in grigio scuro gli atomi di carbonio. la cui catena laterale e formata esclusivamente da un atomo di idrogeno. Le proteine sono formate dall’unione del gruppo carbossilico di un amminoacido con il gruppo amminico dell’amminoacido successivo attraverso un le` game covalente.3: Formazione del legame peptidico e idrolisi mostrata la formazione di un dipeptide a partire da due amminoacidi con rila` scio di una molecola d’acqua. Nella Fig.1. Nella Fig. che prende il nome di legame peptidico [3].1 La struttura delle proteine Gli amminoacidi anfipatici (fondo viola in Fig. la glicina u ` (Gly.2) possono essere sia idrofobici sia idrofilici a seconda delle condizioni del microambiente in cui si trovano. in giallo gli atomi di zolfo.

L’angolo di rotazione intorno al lega` ` me tra l’azoto e l’atomo Cα e detto φ . Non tutte le combinazioni di φ e ψ sono possibili. Nella Fig. Di conseguenza due unit` peptidiche rigide adiacenti possono avere un certo grado di libert` di a a rotazione intorno a questi legami. mentre quello tra il Cα e l’atomo C e detto ψ. Ramachandran [5] osserv` o Figura 1. L’impossibilit` di ruotare del legame ne a determina la planarit` e restringe le conformazioni possibili dello scheletro covaa lente.Le proteine mente stabili: in assenza di eventi di catalisi l’emivita di un legame peptidico in ` soluzione acquosa e di circa 1000 anni. Al contrario i legami tra l’atomo di Cα e il carbonio carbonilico (C ).4: Catena polipeptidica estesa in cui sono mostrate le tipiche lunghezze di legame. Il legame peptidico ha caratteristiche di parziale doppio legame. che impediscono la rotazione intorno ad esso. Le rotazioni di questi legami sono definite da angoli diedrici o torsionali. gli angoli di legame e i diedri 6 .1.4 sono mostrati questi angoli e i piani che li definiscono [4]. e tra il Cα e l’atomo di azoto del gruppo amminico sono legami semplici. La libert` di rotazione su ciascun lato dell’unit` a a peptidica permette alle proteine di ripiegarsi in modi diversi.

I valori permessi possono essere visualizzati attraverso un grafico bidimensionale ` detto appunto grafico di Ramachandran. ` la cui parte interna e formata dalla catena principale polipeptidica strettamente avvolta. circa tre quarti delle possibili combinazioni tra gli angoli torsionali vengono escluse da impedimenti sterici.1 La struttura delle proteine che molte combinazioni sono proibite a causa di impedimenti sterici tra gli atomi. nelle quali cio` non ci sono impedimenti e sterici.1. che a sua volta determina i vari modi in cui essa pu` ripiegarsi nelle o strutture di livello superiore. le catene laterali si estendono verso l’esterno con un andamento a spirale. Come si vede dal grafico. ` La struttura primaria della proteina e rappresentata dalla sequenza dei suoi amminoacidi.5 e mostrato un grafico di Ramachandran in cui con il colore rosso indichiamo quelle combinazioni degli angoli torsionali che sono “permesse”. Figura 1. La struttura secondaria rappresenta la struttura tridimensionale locale di una proteina.1. Nella Fig. con il rosa le regioni permesse solo se alcuni impedimenti sterici sono rilassati. in cui possono essere presenti tratti di catena polipeptidica che formano ` α-eliche e foglietti β (β -sheet). ` L’α-elica e stabilizzata da legami idrogeno tra gruppi N-H e C=O della catena 7 . L’α-elica e una struttura a forma di bastoncino.5: Plot di Ramachandran Nella struttura di una proteina si distinguono quattro livelli di organizzazione.

6: Alfa elica Figura 1.1. Il gruppo C=O di ciascun amminoacido e unito da un legame idrogeno al gruppo N-H dell’amminoacido che si trova quattro residui pi` avanti nella seu quenza lineare (Fig.6).5A lungo l’asse dell’elica e forma con esso un angolo di 100◦ il che significa che vi sono 3. ` Ciascun residuo e spostato rispetto al precedente di Figura 1. 8 .6 residui amminoacidici per ogni giro di elica.7: Foglietti β ˚ 1. Il passo dell’α-elica.Le proteine ` principale.

1. Raramente. Per buona parte delle proteine. allora parleremo di foglietto β parallelo. per riferirsi all’organizzazione multimerica della proteina. E’ il caso delle proteine cosiddette monomeriche.1 La struttura delle proteine ˚ che corrisponde al prodotto dello spostamento (1.4A. nella loro forma attiva sono invece costituite dall’associazione di due o pi` unit` di struttura terziaria (dette u a monomeri o subunit` ). la struttura terziaria rappresenta l’ultimo livello di organizzazione strutturale. Gli strati (Fig.7) possono scorrere lungo la stessa direzione. foglietto beta antiparallelo [7].1.3A e gli angoli φ e ψ sono approssimativamente -130◦ e 125◦ (vedi Fig. Molte altre e a proteine (ad esempio.6A).2 quali sono le interazioni che permettono ad una proteina di assumere una determinata struttura terziaria.5). le subunit` a sono tenute insieme da interazioni generalmente non covalenti. Nella struttura quaternaria. 9 . Una ` catena polipeptidica a foglietto β e quasi completamente estesa invece di essere strettamente avvolta e coinvolge legami idrogeno tra gruppi N-H e C=O appartenenti a residui anche molto distanti tra loro nella sequenza lineare. pi` u catene peptidiche sono unite da legami covalenti.1.5A) per il numero di residui per ˚ ` ˚ giro (3. Si parla in tal caso di struttura quaternaria. e di 5.1. un gran numero di enzimi). in cui le catene leggere e pesanti sono tenute insieme da ponti disolfuro [8]. La distanza tra due residui consecutivi e ˚ 3. uguali (proteine omo-oligomeriche) o diverse (proteine a etero-oligomeriche). Nei foglietti β . con valori approssimativi degli angoli φ e ψ di -60◦ e -50◦ rispettivamente (vedi Fig. costituite cio` da un’unica unit` funzionale. L’organizzazione tridimensionale completa di una catena poliptedica prende il nome di struttura terziaria. Le α-eliche sono una struttura compatta [6]. due o pi` strati che possono essere molto distanti nella struttura primaria sono u tenuti fianco a fianco da legami idrogeno. come accade ad esempio nelle immunoglobuline. Vedremo nel §1. Il foglietto β ha una struttura diversa da quella a bastoncello dell’α-elica. oppure in direzioni ` opposte.5). biologicamente attiva.

Le proteine

1.2 Folding vs Misfolding
` Il folding e il processo attraverso il quale le proteine acquisiscono la loro struttura tridimensionale. Il folding pu` aver luogo sia contemporaneamente alla sino ` tesi proteica sia dopo che questa e stata completata. Soltanto una volta terminato il folding, le proteine sono in grado di svolgere la loro funzione fisiologica [9]. ` La prima teoria del folding proteico e stata proposta negli anni ’20 del XX secolo dallo scienziato cinese Hsien Wu [10]. In Europa e negli Stati Uniti le prime importanti ricerche sono state quelle negli anni sessanta di Christian B. Anfinsen, il quale formul` un dogma della biologia molecolare che porta il suo nome. Il o ` dogma afferma che, almeno per le piccole proteine globulari, la struttura nativa e determinata unicamente dalla sequenza di amminoacidi che costituiscono la proteina [11]. Come la proteina raggiunga questa struttura rientra nel campo di studio del folding proteico, che si basa su un dogma correlato chiamato paradosso di Levinthal [12]. Il paradosso di Levinthal afferma che il numero di conformazioni ` possibili per una data proteina e astronomicamente grande. Effettivamente, questo rende la predizione computazionale della struttura proteica tramite la valutazione di tutte le possibili configurazioni irrealizzabile persino per proteine relativamente piccole. Inoltre, alcune proteine necessitano dell’assistenza di altre proteine chiamate chaperonine per realizzare un folding corretto. E’ stato suggerito che ci` contrado direbbe il dogma di Anfinsen. In realt` le chaperonine non sembrano avere effetto a sullo stato finale della proteina, ma bens` avere il ruolo di prevenire l’eventuale ı aggregazione delle molecole proteiche prima che la proteina abbia raggiunto la struttura di folding corretta [10]. La funzione fisiologica di una proteina, sia essa un’enzima, un trasportatore, ` un recettore o una proteina strutturale, e condizionata dalla sua struttura terziaria. ` ` Questo e il motivo per cui il folding ha una notevole importanza ed e oggetto di 10

1.2 Folding vs Misfolding ` ricerca. La capacit` delle proteine di ripiegarsi in strutture ben definite a gova

Figura 1.8: Ripiegamento proteico

ernata dalle leggi della termodinamica. Consideriamo un sistema costituito da una soluzione acquosa di molecole proteiche tutte identiche (Fig.1.8) ma ripiegate in modo diverso. La conformazione nativa unica corrisponde ad un minimo dell’energia libera. Durante il processo di sintesi proteica il sistema, costituito ` dalla proteina nascente pi` l’ambiente circostante, e disordinato e l’entropia delu ` l’insieme delle molecole e relativamente alta. In determinate condizioni il ripiegamento delle proteine pu` avvenire spontaneamente. Quindi l’entropia del solo o sistema proteico deve diminuire a scapito di un aumento dell’entropia del resto dell’Universo. Al processo spontaneo di folding contribuisce anche la presenza delle forze idrofobiche. In una soluzione acquosa le molecole di soluto possono interagire con le molecole d’acqua attraverso la formazione di legami ionici e legami idrogeno. Nel caso di soluti non ionizzabili, che non possono dare origine a questo tipo di legami, le molecole d’acqua formano loro intorno una “gabbia”. ` u Lo stato delle molecole d’acqua che formano la “gabbia” e pi` ordinato (a minore entropia) di quello delle molecole libere in soluzione. Quando due molecole non polari si avvicinano, alcune molecole d’acqua vengono rilasciate e ritornano libere nel mezzo (Fig.1.9). Il termine entropico favorisce cos` l’aggregazione di ı molecole idrofobiche. 11

Le proteine

Figura 1.9: Effetto idrofobico

Le catene laterali di alcuni amminoacidi che costituiscono le proteine sono costituite da gruppi non polari che tendono ad escludere l’acqua costituendo esse stesse il mezzo idrofobico in cui risiedere. Al contrario gli amminoacidi con catene laterali polari possono tranquillamente formare legami idrogeno con l’acqua. Queste propriet` fanno s` che, generalmente, la parte proteica a contatto con a ı l’acqua sia formata da amminoacidi idrofilici, mentre gli amminoacidi idrofobici rivolgono le loro catene laterali all’interno. Nel processo di ripiegamento delle proteine si formano legami idrogeno. La ` variazione di energia libera, data da ∆G = ∆H − T ∆S, e una misura della spontaneita della reazione. Quando si ha una variazione di energia libera negativa dovuta alla combinazione delle variazioni di entropia associata agli effetti idrofobici e di entalpia associata alla formazione di legami, il processo di ripiegamento proteico pu` avvenire spontaneamente [1]. o ` L’ipotesi di Anfinsen e legata all’assunzione che lo stato nativo di una proteina rappresenta un minimo assoluto dell’energia libera. Il minimo pu` essere rago giunto percorrendo strade diverse e passando attraverso stati intermedi metasta` bili. Questo schema e rappresentato in Fig.1.10 dove la struttura nativa di una ` proteina e localizzata in un minimo assoluto dell’energia libera. Pu` accadere o per` che, nel corso del processo di folding, lo stato della proteina corrisponda ad o un minimo locale, vicino sia energeticamente che strutturalmente a quello asso` luto separati attraverso una barriera di potenziale. Questo e quello che accade 12

1.2 Folding vs Misfolding

Figura 1.10: Andamento dell’energia libera

ad alcune proteine che, probabilmente a causa di fattori esterni, modificano la propria struttura tridimensionale in maniera tale da essere in un minimo locale dell’energia libera che si trova nelle vicinanze del minimo globale, ma con una struttura tridimensionale (misfolded) non pi` in grado si svolgere la propria funu zione. Naturalmente la struttura primaria della proteina non si modifica durante ` questa trasformazione [13]. Il non corretto folding proteico e all’origine di una grande varieta di patologie raggruppate sotto il nome di Protein Conformational Diseases (PCD) [14]. Questo gruppo di patologie include il morbo di Alzheimer (AD), l’encefalopatia spongiforme trasmissibile, il morbo di Huntington, il morbo di Parkinson, il diabete di tipo 2, l’amiloidosi da dialisi, la sclerosi amiotrofica laterale, e pi` di 15 altre, meno note, patologie. Notiamo che non c’` omologia u e tra la sequenza primaria delle proteine coinvolte nelle diverse PCD. ` Nella maggioranza dei casi nella proteina misfolded la struttura secondaria e prevalentemente β [15] (Fig.1.11). Con questa struttura possono formarsi legami idrogeno tra amminoacidi appartenenti alla stessa molecola proteica o a molecole diverse favorendo, in quest’ultimo caso, i processi di oligomerizzazione e di aggregazione. In molte PCD sono infatti presenti aggregati che depositandosi nei 13

Nella ipotesi cosiddetta della polimerizzazione (Fig.12B) il misfolding proteico e considerato indipendente dall’aggregazione. Una questione centrale nella ipotesi con14 . l’aggregazione induce cambiamenti nella conformazione proteica.12A). detto di conformazione/oligomerizzazione (Fig.11: Cambiamenti conformazionali di una proteina ` tessuti di diversi organi li danneggiano.1. La presenza di depositi amiloidi e spesso usata per la diagnosi di queste malattie. che sono pertanto note anche come ` amiloidosi [16].1. Non e chiaro tuttavia se i depositi proteici siano la causa delle PCD o se ne siano soltanto un epifenomeno.12C). e questa non rappresenta necessariamente il punto d’arrivo del cambiamento conformazionale. il processo dettagliato attraverso il quale proteine solubili subiscono un parziale svolgimento (unfolding) e un riavvolgimento scorretto (misfolding) costituisce la principale e irrisolta questione.1. nell’ipotesi confor` mazionale (Fig. Dal punto di vista microscopico. Sono state avanzate tre differenti ipotesi per descrivere le relazioni tra stati conformazionali e aggregazione. il terzo modello.Le proteine Figura 1. nella quale piccoli cam` biamenti conformazionali innescano l’oligomerizzazione che e essenziale per la stabilizzazione del misfolding proteico. rappresenta una visione intermedia.

1.12: Ipotesi di aggregazione ` formazionale e l’identificazione dei fattori che inducono il misfolding. La maggior parte di essi viene utilizzata come cofattore da parte delle 15 .3 Ruolo biologico dei metalli Gli ioni metallici svolgono funzioni fondamentali all’interno degli organismi viventi. Alcune variazioni delle condizioni ambientali. o semplicemente un aumento della concentrazione della proteina stessa. la presenza di ioni metallici [17]. l’influenza di certe proteine e l’interazione con membrane cellulari. 1.3 Ruolo biologico dei metalli Figura 1. sono state individuate come fattori determinanti per questo processo. La comprensione dei meccanismi molecolari che sono alla base dei processi ` di aggregazione e un passo indispensabile per una terapia efficace delle patologie che ne derivano. fra le quali il pH.

Gli ioni metallici appartenenti al cosidetto gruppo d partecipano ai processi catalitici essenzialmente in tre modi: • orientano il substrato nel sito catalitico. • stabilizzano elettrostaticamente e/o proteggono le cariche negative.Le proteine proteine. I tre metalli sui quali vogliamo concentrare la nostra attenzione sono il Fe. che prendono il nome di radicali liberi. la u ` quantit` media in un uomo adulto del peso di 70kg e di circa 4g. e talvolta anche la tirosina. E codificato dal codone UGA. Per questo motivo gli ioni metallici non vengono mai lasciati liberi di circolare nell’organismo. ma deriva dalla serina. ma sono sempre legati a proteine di trasporto che hanno il compito di trasportarli e depositarli nel luogo in cui devono partecipare ai processi in cui sono coinvolti. lo si pu` trovare anche con numeri o 1 La ` ` selenocisteina (Sec) e il 21◦ amminoacido conosciuto e il suo nome e associato al fatto che ` ` contiene un atomo di Se. la metionina. tramite un legame di tipo dativo. l’acido aspartico e l’acido glutammico. dove subisce varie reazioni di ossidazione e riduzione per poter essere assorbito e poi immagazzinato dall’organismo. che tuttavia in presenza di un particolare segmento di mRNA viene interpretato come elemento costitutivo. la cisteina. Esso non e un derivato della cisteina. sono: l’istidina. Generalmente tetracoordinato. normalmente un codone di stop. • partecipano a reazioni redox. 16 . il Cu e lo Zn. ` Lo ione Fe e il metallo di transizione pi` abbondante negli esseri umani. ` Quest’ultimo processo e particolarmente pericoloso per l’organismo. I principali amminoacidi che li coordinano. infatti se la reazione avviene senza controlli esterni possono generarsi delle molecole altamente reagenti. Nel nostro organismo lo ione Fe si trova principalmente in due stati redox Fe2+ e Fe3+ . in grado di alterare lo stato d’ossidazione delle cellule. la selenocisteina1 . che li inglobano all’interno della loro struttura. Viene digerito a a livello del duodeno.

la quantit` a ` media in un uomo di 70kg e di circa 3g. Gli amminoacidi con cui lo troviamo pi` spesso legato sono la cisteina e l’istidina. coinvolte nella sintesi pro` teica. Lo ione Zn nel nostro organismo si trova solo nello stato redox Zn2+ . circa il suo effettivo coinvolgimento ed il suo ruolo. ma ha funzioni strutturali e/o catalitiche. favorendo il misfolding anche se ancora non ci sono prove certe. come vedremo in seguito. Esistono tutta una serie di patologie legate al metabolismo di questo metallo. e le anemie legate al Fe in cui vi e una carenza dello ione nell’organismo. dovuta a difetto di assorbimento ina testinale. 17 . Si ritiene che un eccesso o di Zn possa essere legato allo sviluppo delle PCD. che causa una diminuizione nella produzione dell’emoglobina. ` fra le quali citiamo: l’atassia di Friedrich in cui vi e un accumulo di Fe nei mito` condri delle cellule del sistema nervoso. mioglobina) ed e indispensabile per alcuni enzimi coinvolti nella respirazione cellulare (citocromo c ossidasi). per` o una carenza che si manifesta in giovane et` . Questo ione e componente essenu ziale del gruppo prostetico eme.1. anche se in molti casi lo troviamo con numeri di coordinazione minori. Lo Zn e presente anche nelle RNA polimerasi. e nella superossido dismutasi che e una proteina antiossidante presente nel mitocondrio. come 5 o 4. esso constringe la proteina in una particolare ` forma. presente nelle proteine di trasporto delle molecole ` d’ossigeno (emoglobina.3 Ruolo biologico dei metalli ` di coordinazione pi` alti. Nelle cosiddette proteine a dita di zinco (zinc finger). u Non esistono patologie gravi legate alla carenza di Zn nell’organismo. ` Il secondo metallo di transizione per abbondanza e lo ione Zn. ` Lo Zn e normalmente esacoordinato. Questo ione non partecipa a reazioni redox. pu` causare ritardo dell’accrescimento [18]. e proprio lo ione Fe ad agire da catalizzatore delle reazioni redox. In alcuni enzimi. ad esempio 5 e 6. che si legano al DNA. come la ` catalasi.

se non adeguatamente trattata. a ` In ogni caso quando vi e un accumulo di un metallo di transizione le terapie da adottare sono quelle legate ai farmaci chelanti. prende il posto del Fe come trasportatore di ossigeno. che possiedono gruppi che legano i metalli e poi vengono espulsi dall’organismo attraverso le feci e la bile. Una carenza di Cu pu` provocare il morbo o di Menkes [19]. Tutti e tre i metalli di transizione sono possibili protagonisti delle PCD e si ritiene che possano giocare un ruolo sia nel misfolding. E’ presente in solo due stati d’ossidazione a Cu1+ e Cu2+ . per il quale non si conoscono terapie efficaci e che pu` provocare o la morte intorno ai 10 anni di et` . ` L’importanza di questo metallo e legata anche alle patologie che possono sorgere a causa di una sua eccessiva o insufficiente concentrazione nell’organismo. porta alla morte intorno ai 30 anni. in particolare. sia nella formazione delle placche presenti in tali malattie e di cui parleremo successivamente. la superossido dismutasi e la cerulopla` smina. 18 . un eccesso di Cu pu` provocare la malattia di Wilson [19].Le proteine ` Il Cu e fra i tre metalli di transizione il meno abbondante nel nostro organismo con una quantit` media di 110mg. in alcuni animali. che e fondamentale per l’assorbimento del Fe. ed e generalmente tetracoordinato. Partecipa a reazioni redox e. Lega preferenzialmente gli ` amminoacidi istidina e cisteina. basti pensare che fa parte del gruppo prostetico di moltissime proteine. come la citocromo c ossidasi. nella o quale il metallo si accumula a livello del fegato che. Nonostante la sua bassa concentrazione il Cu ` e fondamentale.

.

ma questo dato e considerato u controverso. e altre forme pi` rare. cio` : e • Demenze primarie tra cui la malattia di Alzheimer. u 20 . la malattia di Pick. orientamento spazio-temporale [20]. Le cause della demenza possono essere molteplici e perci` la sua diagnosi non indica di per s` la presenza di una malattia o e ` specifica. ed addirittura il 30% della popolazione sopra gli 85.1 Fisiologia e patologia ` La demenza e una sindrome caratterizzata da disturbi cognitivi acquisiti aventi eziologia organica. Il fattore di rischio principale pare dunque essere l’et` . Esiste una classificazione eziopatogenetica delle demenze. seguita dal sesso (le donne sembrereba ` bero pi` colpite da demenza rispetto agli uomini. linguaggio. Le funzioni cognitive colpite devono comprendere la memoria ed almeno una delle seguenti funzioni: pensiero astratto. non sembrano invece implicate l’etnia o le condizioni socioeconomiche. funzione critica.Capitolo 2 La malattia di Alzheimer 2. l’afasia progressiva primaria. stante la maggiore attesa di vita per le donne). Nel complesso e affetto da demenza oggi circa il 5% della popolazione sopra i 65 anni.

pellagra. sclerosi multipla). il 20% sia associato a demenze vascolari e a corpi di Lewy. • Demenze da prioni. altre forme di sindromi extrapiramidali. ` L’AD e un disordine neurodegenerativo eterogeneo con progressione irreversibile che interessa primariamente le regioni ippocampali e neocorticali del cervello [22]. • Demenza da disturbi endocrino-metabolici (patologie tiroidee. • Demenza da infezioni (AIDS. • Demenza carenziale (sindrome di Korsakoff-Wernicke.2. legate alla crescente aspettativa di vita. deficit di B12 e folati). corea di Huntington. da insufficienza renale). • Demenza da malattie organiche di varia natura (tumori. Questa malattia fu descritta per la prima volta nel 1907 dal neuropsichiatra ` tedesco Alois Alzheimer. il 15% a malattie neurodegenerative quali la corea di Huntington e alla malattia di Parkinson ed il restante sia dovuto ad altre cause. L’AD e la quarta causa di morte in et` adulta .000 in Italia).e colpisce circa 20 milioni di persone nel mondo (oltre 450. malattia di Whipple) [21]. Si stima che circa il 50-60% dei casi di demenza sia dovuto alla malattia di Alzheimer (Alzheimer’s disease . meningiti.dopo le a malattie cardiovascolari. Questa ` patologia e destinata ad aumentare e il numero di pazienti tra vent’anni potrebbe 21 . traumi.AD). • Demenza vascolare. • Demenza da encefalopatie tossiche. epatiche. Per ragioni facilmente intuibili.1 Fisiologia e patologia • Demenze associate a degenerazione neuronale primitiva: malattia di Parkinson. il cancro e l’ictus . le previsioni per il futuro sono catastrofiche.

I costi per lo Stato sono gi` enormi e la scoperta di farmaci in u a grado di ritardare anche soltanto di cinque anni l’esordio della malattia potrebbe far risparmiare al servizio sanitario nazionale un numero cospicuo di milioni di euro e/o dollari. oltre a a a quelli cognitivi con l’ausilio anche di test mentali appropriati. Essendo una malattia degenerativa.La malattia di Alzheimer pi` che raddoppiare. soprattutto MMSE (Mini Mental State Examination) (vedi Appendice A). Al momento non esiste alcuna cura efficace contro di essa e la patogenesi della malattia resta ancora oggetto di molte teorie che coinvolgono fattori genetici ed epigenetici (come fattori metabolici od ambientali). consulto psichiatrico accurato che metta in evidenza i deficit dell’emotivit` . elettroencefalogramma. • esame biofisico completo con esami di sangue e urine. dell’affettivit` . TAC. u ` La diagnosi e molto incerta e cauta. i sintomi aumentano e diventano sempre pi` gravi. Una buona diagnosi pu` essere o presa in considerazione dopo una valutazione clinica che deve tenere conto di quattro aspetti importanti: • accurata anamnesi che includa sintomi e cambiamenti osservati. Non esiste infatti un esame oggettivo che indichi con certezza la presenza della malattia. con il passare del tempo. risonanza magnetica encefalica e PET. 22 . • visita neurologica accompagnata da: radiografia del capo.2 La diagnosi della malattia La diagnosi della malattia I primi sintomi sono sempre lievissimi. 2. difficilmente individuabili e confondibili con comportamenti comuni.

Questi due marcatori neuropatologici derivano entrambi dall’accumulo aberrante di normali proteine cellulari. che interferisce con le normali funzioni neuronali e con la plasticit` sinaptica.2.2.2) sono ammassi intracellulari consistenti di filamenti elicoidali appaiati (PHF) di 10nm di spessore. non e mai sicura e certa. La diagnosi sicura avviene solo dall’autopsia e dalle analisi istologiche del tessuto cerebrale. le placche amiloidi extracellulari e gli aggregati intracellulari neurofibrillari. Queste zone comprendono la corteccia entorinale. una proteina che ` lega i microtubuli. il prosencefalo e l’amigdala (Fig. l’ippocampo.1). diminuisce la sua capaci. con conseguente deposito di materiale insolubile. Il maggior componente ` di questi filamenti e la forma iperfosforilata della proteina Tau.2.t` di a 23 . Quando Tau e iperfosforilata. Figura 2.1: Cervello estratto da un malato di Alzheimer La patologia Nei soggetti affetti dall’AD si osservano due tipi di depositi caratteristici.2 La diagnosi della malattia ` La diagnosi avviene solo con la congiuntura dei suddetti esiti. a Gli aggregati neurofibrillari (Fig. Dall’esame autoptico emerge una riduzione nelle dimensioni delle regioni dell’encefalo coinvolte nei processi implicati nella memorizzazione. nell’apprendimento e nei comportamenti emotivi. ma solo possibile e probabile.

3: Placche amiloidi e sequenziato nel 1984 da George Glenner.2: Neurofibrille Figura 2. derivante dalla proteolisi della proteina di membrana conosciuta come proteina precursore dell’amiloide (APP ` Amyloid precursor protein).3) e organizzato in fibrille di 7 − 10nm di spessore intramezzate con forme non fibrillari. Il peptide Aβ nelle placche (Fig. provocando i sin` tomi tipici dell’AD. Le placche mature inoltre contengono assoni e dendriti degenerati e sono circondate da astrociti reattivi e cellule della microglia. E’ un polipeptide di 40 o 42 amminoacidi chiamato da Glenner stesso β -amiloide o Aβ . fondamentale nel trasferimento di sostanze di natura trofica ed energetica tra corpo cellulare e sinapsi. Il maggior costituente delle placche amiloidi e stato purificato Figura 2. ` L’efficienza di questo trasporto e necessaria per mantenere buone connessioni neuronali.2. L’aggregazione di Tau in filamenti porta al collasso dei microtubuli ad una riduzione del trasporto assonale. indicando quindi la presenza di una componente infiammatoria nel processo neurodegenerativo.La malattia di Alzheimer legare i microtubuli e aggrega quindi in maniera anomala determinando la formazione dei PHF [23. 24 . quando il trasporto viene alterato i neuroni degenerano e la rete neuronale coinvolta nelle varie funzioni cognitive e vitali viene interrotta. 24].

Figura 2. L’Aβ depositato nelle placche funge da stimolo infiammatorio cronico attivando le cellule della microglia e determinando la produzione di sostanze neurotossiche.2. ne e stata formulata recentemente una nuova in cui i due eventi.2 La diagnosi della malattia La spiegazione delle cause del processo di degenerazione neurofibrillare e del` la perdita di sinapsi tipica dell’AD e la variante neuroinfiammatoria dell’ipotesi ` della cascata amiloide (Fig. la formazione delle placche e la formazione delle neurofibrille.4a). 25 . come radicali liberi.4b) [26].2. sono paralleli e sono guidati da un meccanismo comune (Fig.2. La maggior parte dei casi sporadici della malattia ha eziologia ignota. ` Accanto a questa ipotesi. citochine proinfiammatorie.4: Placche amiloidi Il fattore genetico ` La patogenesi dell’AD e complessa e dipende sia da fattori genetici che ambientali. Secondo questa ipotesi Aβ e responsabile indirettamente della fosforilazione di Tau e della conseguente degenerazione neurofibrillare attraverso l’attivazione della microglia. responsabili in ultima analisi della morte neuronale e della demenza [25]. mediatori dell’infiammazione e proteine del complemento.

e che l’et` dell’insorgenza a ` della malattia e anticipata rispetto ai soggetti che presentano gli altri alleli [29]. ε-4. di cui ` si conoscono tre isoforme codificate dagli alleli ε-2. E’ stato dimostrato che anche le mutazioni a carico delle preseniline portano ad un aumento della produzione di Aβ1−42 [28]. E’ stato dimostrato che chi eredita l’allele ε-4 ha una maggiore predisposizione a sviluppare l’AD. PS1 e PS2. Tra questi un ruolo chiave e svolto dal locus del gene dell’Apolipoproteina E (APOE). ε-3. e una molecola coinvolta nel trasporto del colesterolo. Tutte le mutazioni a carico di APP finora conosciute portano ad un aumento nella produzione del peptide β -amilode. rispetto alla variante di 40 residui. Anche i casi di AD sporadici sono a volte associati a polimorfismi genici che si compor` tano come fattori di rischio. L’APOE. e pi` neurotossica per la sua maggiore tendenza ad aggregare [27]. in particolare della sua isoforma pi` lunga. quella costituita da 42 aminoacidi (Aβ1−42 ) u ` u e che. ed in particolare dall’allele e-4. che fanno parte del complesso enzimatico che porta alla generazione del peptide amiloide.1) possono essere chiaramente e direttamente collegate a 3 mutazioni in loci genetici: il locus dell’APP ed i loci di due geni che codificano per le preseniline. CROMOSOMA GENE MUTAZIONI/ALLELI Mutazioni di base singola CONSEGUENZE FAD a insorgenza precoce Aumentata produzione di Aβ FAD a insorgenza precoce Aumentata produzione di Aβ FAD a insorgenza precoce 21 APP Mutazioni di base doppia Trisomia 21 Mutazioni per sostituzioni di basi 14 PS1 Mutazioni del sito di splicing 1 PS2 Mutazioni per sostituzioni di basi Aumentata produzione di Aβ Aumento del rischio di insorgenza di AD 19 APOE Allele ε-4 Et` pi` precoce di insorgenza di AD a u Tabella 2.La malattia di Alzheimer mentre le FAD (Tabella 2.1: Caratteri genetici della malattia di Alzheimer 26 .

2. La perdita di neuroni colinergici nel nucleo basale di Meynert e la diminuita funzionalit` nell’ippocampo dell’acetiltransferasi. e da allora sono stati mossi numerosi passi allo scopo di introdurre una terapia di sostituzione efficace. anche se in una percentuale ridotta di pazienti responders in circa il 30% dei casi e per un periodo relativamente breve che v` dai 6 ai 12 mesi e lia mitatamente alle forme di malattia lievi e moderate.5: Sinapsi colinergica con i principali siti d’azione delle molecole attive sulla trasmissione mediata dall’acetilcolina l’acetilcolina mediante inibizione dell’acetilcolinesterasi si sono ottenuti risultati apprezzabili. ena zima che provvede alla sintesi di acetilcolina.2.2 La diagnosi della malattia La terapia Al momento non esiste cura capace di contenere la malattia conclamata. Circa ` ` 20 anni fa e stato scoperto che nel cervello dei malati di AD vi e un deficit di acetilcolina.5). Finora con farmaci che prevengono la demolizione del- Figura 2. L’attivazione colinergica non arresta la perdita neuronale. non corregge il deficit di altri neurotrasmettitori e non modifica l’accumulo delle placche senili e dei grovigli neurofibrillari nel cervello 27 . hanno costituito il razionale per vari tentativi farmacologici intesi a correggere la carenza della neurotrasmissione colinergica (Fig.

antipsicotici. i polifenoli del vino. la melatonina. Questo trattamento a sembra essere efficace soprattutto nelle prime fasi dello sviluppo del morbo. Molti studi dimostrano che piccole molecole con anelli aromatici sono in grado di influenzare significativamente la cinetica di aggregazione dei peptidi Aβ .2). il fullerene. Ricerche di questo tipo potrebbero rappresentare il punto di partenza per la progettazione di terapie farmacologiche di prevenzione e/o cura e. l’acido rosmarinico. contribuire alla comprensione dei dettagli molecolari che regolano il processo di fibrillogenesi.La malattia di Alzheimer dei pazienti. l’attivit` della β . le tetracicline. 1 Sono studi in cui una serie di individui viene seguita per un certo periodo di tempo. Negli ultimi anni numerosi studi sono stati indirizzati alla ricerca di molecole naturali o di nuova sintesi in grado di inibire l’aggregazione dell’Aβ e ridurne gli effetti citotossici. ecc. Si contrap- pongono agli studi trasversali che sono studi limitati all’analisi di un quadro clinico in un istante ben definito nel tempo.e della γ-secretasi (vedi §2. Gli estrogeni modulano il metabolismo secretorio dell’APP e un polimorfismo del gene alfa del recettore degli estrogeni sembra interagire con l’Apo ε-4 nel determinismo di forme sporadiche di Alzheimer. In prospettiva. ansiolitici e sedativi. Inoltre ai malati di AD vengono somministrati anche farmaci antidepressivi. La somministrazione di inibitori della produzione del peptide Aβ in grado di penetrare nella membrana cerebrale e di diminuire. e particolarmente nei soggetti con disturbi cognitivi minimi o nulli. ma non bloccare del tutto. Queste includono la curcumina. soprattutto nelle fasi terminali della malattia. inoltre. le strategie pi` promettenti per il trattamento dell’AD sembrano u essere tre: 1. 28 . Tre studi longitudinali1 hanno evidenziato un effetto protettivo della terapia di sostituzione con estrogeni sul rischio di Alzheimer [30].

Tuttavia. Si possono infine somministrare molecole che proteggano i neuroni dagli ef` fetti degli accumuli del peptide Aβ . Slovacchia.2 La diagnosi della malattia 2. Grecia. Finlandia. Alle nanoparticelle verranno legate molecole in grado di riconoscere e distruggere le placche amiloidi che si depositano nel cervello in tale malattia. Francia. per evitare che. Portogallo. Un progetto di ricerca multidisciplinare con l’obiettivo di diagnosticare precocemente e contrastare ` la malattia di Alzheimer. e non dovrebbe interferire. Ungheria. per rendere que` sta strada percorribile e necessario comprendere bene il comportamento di Aβ in associazione con tali molecole. Svezia. Il vantaggio di questa strateu gia sta invece nel fatto che ha come bersaglio un evento specificamente patologico. Il problema in questo caso e che i meccanismi mediante i quali Aβ influenza le cellule cerebrali sono molteplici e nel complesso poco chiari. in normali reazioni metaboliche quali sono quelle catalizzate dalla β . Spagna. Olanda.2. Per ultimo vogliamo citare il Progetto NAD (Nanoparticles for therapy and diagnosis of Alzheimer Disease). come fa ad esempio quella precedente. Un approccio alternativo prevede la somministrazione di molecole in grado di legarsi ai monomeri del peptide Aβ in modo tale da prevenire la loro aggregazione in multimeri potenzialmente tossici. 3. Belgio e Inghilterra. pur bloccando la formazione delle fibrille. Il progetto NAD coinvolge diciannove partner tra centri di ricerca e piccole e medie imprese provenienti da Italia. L’obiettivo e quello di realizzare nanoparticelle (NPs) in grado di attraversare la barriera emato-encefalica per raggiungere il cervello. tali molecole causino la formazione di oligomeri metastabili eventualmente ancora pi` dannosi.e dalla γ-secretasi. impegnati in un connubio multidisciplinare 29 . e si rischia quindi di intervenire su alcuni aspetti marginali senza diminuire significativamente i danni causati ai neuroni. partito nel settembre 2008. sede principale della malattia di Alzheimer.

` APP770. APP751. Una frazione minore e costituita dal peptide β -amiloide pi` lungo di due aminoacidi (Iso e Ala). 8 e 15 possono subire splicing alternativo.3 Il peptide β -amiloide Le placche amiloidi sono costituite principalmente da peptidi lunghi 40 ammi` noacidi. In casi rari sono state osservate anche le catene Aβ1−39 ed Aβ1−43 . il rapporto tra il peptide ` Aβ1−42 ed Aβ1−40 e di circa una molecola di Aβ1−42 ogni dieci molecole di Aβ1−42 . il peptide β -amiloide 1-40 (Aβ1−40 ). ` Il gene di APP e localizzato sul cromosoma 21.La malattia di Alzheimer 2. I peptidi Aβ derivano dal taglio sequenziale di una proteina trans membrana. Le APP sono proteine integrali di membrana con un grosso dominio extracellulare N-terminale ed un corto dominio citosolico C-terminale. La presenza di Aβ1−42 sembra accelerare il processo di aggregazione di Aβ1−40 (ipotesi della cascata di amiloidi). u mentre le altre sono ubiquitarie. In condizioni fisiologiche. da parte di due enzimi: la β . Il gene di APP contiene 19 esoni. Nei mammiferi sono ubiquitariamente espresse. nota come APP (Amyloid Precursor Protein). e tra questi gli esoni 7.e la γ-secretasi. L’isoforma pi` corta (APP695) e espressa esclusivamente nei neuroni. dando vita a tre diverse isoforme: APP695. e ci` d` ragione del fatto o a che nella sindrome di Down. Questi peptidi pi` “lunghi” sono pi` idrofobici e particolarmente u u propensi all’aggregazione. dei segni anatomo-patologici della malattia di Alzheimer [31]. l’eccessivo dosaggio genico porta all’aumentata espressione della proteina APP. caratterizzata dalla trisomia di questo cromosoma. dopo i 40 anni. che coincide con la localizzazione dei geni responsabili della sindrome di Down. il peptide β -amiloide u 1-42 (Aβ1−42 ). ` Il dominio extracellulare di APP e sede di modificazioni post-traduzionali che ne aumentano notevolmente la complessit` e che avvengono durante la sua maa 30 . ` che da solo e capace di indurre l’accumulo di Aβ e la comparsa.

di fosforilazione. solubile.2. Alcuni esperimenti effettuati su topi hanno permesso di ipotizzare una funzione per l’APP nel trasporto assonale.3 Il peptide β -amiloide turazione nel reticolo endoplasmatico (ER) e nel Golgi. ed infine i siti di legame per i metalli come Cu2+ e Zn2+ .2. che include tutto il tratto trasmembrana ed ` il corto dominio citosolico. 33]. denominate a α. non aggregante e non neurotossico. avviene il rilascio di un grande frammento ammino-terminale che include tutto il dominio extracellulare di APP (sAPPα). che per` sembrano avere principalmente una funzione struto ` ` turale (anche se e stato dimostrato che APP e in grado di catalizzare la riduzione del Cu2+ a Cu1+ ) [34].6). Capire il meccanismo che ne regola la maturazione potrebbe far luce sulle basi molecolari della malattia di Alzheimer e potrebbe portare allo sviluppo di nuove strategie terapeutiche per la cura della malattia. In seguito al taglio α-secretasico. di legame di metalli (Cu2+ ) e di legame dell’eparina. Il taglio dell’α-secretasi avviene tra la Lys-16 e la Leu17 della sequenza del peptide β -amiloide. ` APP e substrato dell’attivit` proteolitica di tre differenti proteasi. nell’assogenesi e nel processo di arborizzazione dendritica [32. ed un corto frammento carbossiterminale (C83) legato alla membrana.ed N-glicosilazione. che genera il peptide p3. β e γ secretasi. impedendo in tal modo la generazione ` dello stesso. ed un frammento AICD (APP intracellu31 . Le funzioni di APP sono ancora sconosciute. che sembra essere responsabile della funzione neurotrofica attribuita ai prodotti extracellulari della maturazione proteolitica di APP. i due siti di legame per l’eparina. di sulfatazione. in conseguenza della fatto loro azione vengono liberate tre forme di peptidi (Fig. responsabili del legame delle molecole di glipicano. Per questo motivo la maturazione di APP promossa dall’α-secretasi e stata denominata non-amiloidogenica. C83 e substrato della γ-secretasi. il dominio extracellulare presenta siti di O. Diversi sottodomini funzionali sono stati identificati nel dominio extracellulare di APP: la sequenza RERMS.

Il taglio operato dalla γ-secretasi che produce l’Aβ1−40 . infatti.6: Schema della struttura di APP e della sua maturazione proteolitica ` e stato dimostrato che il peptide β -amiloide viene normalmente prodotto anche ` in condizioni fisiologiche. sempre operato dalla γ-secretasi. avviene a livello della Val-40. Questa per` e risultata essere una semplificazione del problema. l’isoforma di Aβ pi` abbondante. sAPPβ ed un frammento di 99 residui (C99). Un altro taglio due u amminoacidi pi` a valle. ritrovato nel fluido cerebrospinale e nel plasma di soggetti sani. detto Aβ1−42 . Diversi studi hanno mostrato un potenziale ruolo 32 .La malattia di Alzheimer lar domain). di 57 residui. Il pathway amiloidogenico prevede che la β -secretasi tagli APP all’estremit` ammino-terminale del peptide Aβ . Esso e stato. Tale u frammento diviene substrato della γ-secretasi liberando il peptide β -amiloide ed il frammento AICD. in quanto o` Figura 2. produce un frammento u Aβ di 42 residui. generando una forma a solubile di APP pi` corta. Inizialmente si credeva che il taglio α-secretasico fosse quello fisiologico in quanto era in grado di prevenire l’amiloidogenesi dell’AD.

correlato alla plasticit` e alla sopravvivenza neuronale [35]. 13 e 14). Studiando il profilo di idropaticit` del a Figura 2. e di una regione altamente idrofobica nella parte carbossi-terminale del peptide (residui 29-42).2. 33 . che sono amminoacidi spesso coinvolti nel legame con i metalli.2. Il metallo si lega generalmente all’istidina attraverso uno dei due atomi di azoto che fanno parte dell’anello imidazolico.7)2 si nota la presenza di due regioni idrofiliche. La a ` sequenza del peptide Aβ e: DAEFRHDSGY EVHHQKLVFF AEDVGSNKGA IIGLMVGGVV IA Notiamo che il peptide contiene 3 istidine (residui 6. 2 La scala utilizzata e quella di Doolittle & Kyte. quando la sua concentrazione e dell’ordine del picomolare o del nanomolare.7: Profilo di idropaticit` del β -amiloide a peptide (Fig.3 Il peptide β -amiloide ` fisiologico dell’Aβ .3. una nell’amminoterminale (residui 1-16) ed una nella parte centrale del peptide (residui 22-28). ` Valori negativi indicano amminoacidi idrofilici e valori positivi amminoacidi idrofobici [36]. come evidenziato nel §1.

Una conformazione di questo tipo e pi` flessibile e. che sono necessari per l’oligomerizzazione e la fibrillogenesi (Fig. in cui sono favorite le interazioni intermolecolari tra gli scheletri di proteine diverse. piuttosto che quelle intramolecolari [38]. probabilmente. come le interazioni idrofobiche ed elettrostatiche o i legami idrogeno. Figura 2. quindi. rende possibili specifiche interazioni intermolecolari. E’ stato ipotizzato che l’aggregazione proteica sia una via alternativa al ripiegamento fisiologico delle proteine.9). e stato visto che le proteine all’interno delle fibrille assumono struttura secondaria a β -foglietto (Fig.2.8). I processi molecolari e termodinamici alla base del processo di fibrillogenesi sono ancora molto dibattuti. Attraverso studi effettuati usando tecniche NMR [37]. I peptidi Aβ non possiedono una conformazione nativa strutturata e.La malattia di Alzheimer ` Come abbiamo detto in precedenza Aβ e il componente fondamentale delle ` fibrille amiloidi. presentano un’alta per34 . in opportune a condizione.8: Struttura 3D delle fibrille amiloidi Alcuni autori sostengono che la capacit` di formare fibrille sia. una caratteristica comune alla maggior parte delle proteine (probabilmente tutte) e non solo propria di quelle ritrovate negli aggregati amiloidi.2. in cui lo scheletro di ciascun polipeptide disposto perpendicolarmente all’asse maggiore della fibrilla stessa (struttura β -cross). Una tappa fondamentale del processo sembra essere rappresentata dalla destabilizzazione della struttura nativa della proteina (misfolding). con conseguente raggiungimento di una conformazione parzialmente ` u denaturata (intermedio amiloidogenico).

favoriscono il processo di aggregazione. una volta formati. Figura 2.2. e rappresentato da un parziale folding durante il quale la struttura secondaria passa da una struttura prevalentemente random coil a prevalentemente β -sheet. Le protofibrille appaiono leggermente ricurve quando vengono osservate al microscopio elettronico. 35 . 3I “nuclei” sono delle forme oligomeriche pre-fibrillari che.9: Oligomerizzazione e fibrillogenesi Studi cinetici e strutturali hanno dimostrato l’esistenza di un intermedio relativamente stabile che si origina dai “nuclei”3 : la protofibrilla. hanno un diametro di 4-10 nm e una lunghezza che raggiunge i 200 nm circa [39].3 Il peptide β -amiloide ` centuale di random coil. Il primo passo verso la fibrillogenesi. Alcune misure hanno permesso di rivelare che il processo di aggregazione dell’Aβ avvenga attraverso la formazione di una serie di intermedi oligomerici a breve tempo di vita che si formano nel periodo in cui il livello dei monomeri decresce parallelamente alla comparsa delle protofibrille.10).2. in questo caso. Queste agiscono poi da fulcro per la formazione delle fibrille mature caratteristiche delle placche senili (Fig.

Vi sono almeno due generiche reazioni con i metalli che devono essere prese ` in considerazione. Questa o reazione coinvolge solo metalli redox. la presenza di radicali liberi e anche da modificazioni chimiche del peptide stesso (per esempio ossidazioni) (Fig.4 Ioni metallici e Aβ peptide ` Il processo di fibrillogenesi dell’Aβ e modulato da diversi fattori tra cui la presenza di ioni metallici.La malattia di Alzheimer Figura 2. il pH.10: Processo di formazione delle fibrille 2. e che essi sono in grado di indurre l’aggregazione in vitro del peptide Aβ e la conseguente formazione di fibrille. 36 .11).11: Schema del processo che porta alla formazione delle fibrille che metalli come zinco. La prima e relativa all’associazione di un metallo ad una proteina che porta a misfolding e/o ad aggregazione proteica. rame e ferro sono presenti nei depositi amiloidi della malattia di Alzheimer.2. E’ noto Figura 2. o metallo redox attivi come il ` Cu2+ e il Fe3+ [40]. pu` dar luogo ad un danno proteico o alla denaturazione. catalizzata dai metalli. Questa reazione pu` o coinvolgere ioni metallici non redox come lo Zn2+ . La seconda e relativa all’ossidazione proteica che.

e tale ipotesi e avvalorata dal fatto che il peptide ha dei siti con alta affinit` per gli ioni Zn2+ e Cu2+ . Studi recenti [43] hanno identificato il frammento minimo coinvolto nel lega` me col metallo.2.12). Sono stati condotti numerosi studi usando varie tecniche sperimentali. Nδ1 (His-14).13) una significativa correlazione tra il livello di zinco nel sangue e il ritmo di peggio37 .2. la cui sequenza e: DAEF RHDS GYEV HHQL Studi NMR [44] hanno permesso di costruire un possibile modello strutturale ` per il complesso Zn2+ -Aβ1−16 (Fig.2. I model` li proposti hanno mostrato che lo Zn2+ e alternativamente coinvolto in legami intermolecolari [42] e intramolecolari [43]. Alcuni di essi hanno mostrato un possibile coinvolgimento dello ione Zn2+ nel processo di polimerizzazione. ed Oε1 (Glu-11). iii) siti di legame e ambienti di coordinazione. Alcuni studi hanno suggerito come possibile ligando dello ione metallico l’amminoacido Tyr-10. che risulta essere il frammento Aβ1−16 . ed in misura minore per Fe3+ . Questo motivo strutturale e stato gi` a identificato precedentemente su piccoli peptidi. hanno evidenziato (Fig. in cui lo ione metallico e tetracoordinato da quattro atomi appartenenti a quattro amminoacidi differenti: Nδ1 (His-6). Si suppone che l’aggregazione del peptide Aβ sia mediata dall’interazione ` con i metalli. ii) costanti di stabilit` . Alcuni risultati sperimentali. ` Nε2 (His-13).4 Ioni metallici e Aβ peptide Sono stati riportati risultati contradditori su: i) speciazione. a E’ stato mostrato che lo Zn2+ ha una capacit` di promuovere l’aggregazione a maggiore rispetto a tutti gli altri metalli [41]. in cui si vede come lo ione metallico assume un ruolo fondamentale per la struttura proteica. iv) strutture conformazionali a di metalli del gruppo d con le proteine o con loro frammenti peptidici coinvolti nell’AD. effettuati monitorando il grado di avanzamento della malattia utilizzando come indicatore il MMSE.

hanno portato alla luce il fatto che quest’ultimo. nella facilit` con a cui questo metallo induce in vitro l’aggregazione del peptide amiloide. pur presentando una sequenza identica tranne che per tre amminoacidi (Arg-5→ Gly.La malattia di Alzheimer Figura 2.12: Struttura del complesso Zn2+ -Aβ1−16 ramento dell’AD. His-13→ Arg) mostra propriet` diverse. Figura 2. Tyr-10→ Phe. inoltre nel ratto non si sviluppano depositi amiloidi cerebrali.13: Andamento temporale dello stato cognitivo di 33 pazienti con diagnosi di probabile AD 38 . che ha trovato corrispondenza. effettuati confrontando il peptide umano e quello di ratto. e spiegazione. Infatti l’Aβ del ratto lega lo zinco con affinit` a a ` molto minore di quello umano ed e meno soggetto ad aggregazione. Studi recenti [45].

.

l’approccio quantistico ` u non e pi` computazionalmente praticabile. che a rigore dovrebbe essere trattata in modo quantistico che permetta di determinarne tutte le propriet` chimico-fisiche. 40 . e deve pertanto poter essere analizzato con gli strumenti della fisica. In particolare. e si ricorre a tecniche alternative. composto da atomi. che ` e un insieme di decine di migliaia di atomi.Capitolo 3 Dinamica molecolare ` Anche il pi` complesso dei sistemi biologici non e altro che un sistema fisiu co. il sistema deve essere descritto da una Hamiltoniana. come la dinamica molecolare classica. Tutto a ` questo e a maggior ragione vero per un sistema biologico come una proteina. Tuttavia la soluzione esatta dela ` l’equazione di Schr¨ edinger e impensabile gi` per sistemi molto semplici come o a ` le piccole molecole e in genere e sempre necessario adottare approssimazioni empiriche. giustificate a posteriori solo dalla bont` dei risultati raggiunti. Questa tecnica permette di esplorare lo spazio delle fasi di un sistema nell’ensemble microcanonico. Quindi nel caso in cui si abbia a che fare con sistemi composti da un numero elevato di atomi.

3.1 Teoria

3.1

Teoria

Lo stato all’istante tn di un sistema composto da N atomi pu` essere rappreo sentata da un vettore dello spazio delle fasi a 6N dimensioni: Γ(r1 (tn ), r2 (tn ), . . . , rN (tn ); p1 (tn ), p2 (tn ), . . . , pN (tn )) Il sistema sar` descritto dalla Hamiltoniana: a
N

(3.1)

H({ri } , {pi }) = ∑

i=1

p2 i +V (ri ) 2mi

(3.2)

e la sua evoluzione sar` governata dalle equazioni di Hamilton per i vettori poa sizione e momento: d ∂ H({ri } , {pi }) d ∂ H({ri } , {pi }) ri = , pi = ;i = 1...N dt pi dt ri (3.3)

Le 3.3 sono 2N equazioni differenziali che, fissate le posizioni e le velocit` iniziali a possono essere integrate per ottenere le posizioni e le velocit` del sistema per ogni a tempo t. ` Per poter simulare il moto del sistema su un computer e inevitabile discretiz` zare la variabile temporale, pertanto e necessario decidere a priori un passo ∆t (timestep) che scandisce la simulazione. E’ chiaro che per avere una dinamica accettabile il timestep deve essere inferiore al pi` piccolo tempo caratteristico del u ` sistema. Durante l’evoluzione temporale, il sistema e soggetto a moti periodici che si svolgono con frequenze differenti, per esempio i moti vibrazionali degli atomi nelle molecole, i moti rotazionali nelle molecole, ecc. Le frequenze pi` veu loci sono quelle dovute alle oscillazioni di un legame tra atomi leggeri (per esempio l’idrogeno), ed i tempi di oscillazione sono dell’ordine di ∆t1 ∼ 10−15 sec. Per ottenere risposte ragionevoli, per esempio nel caso delle proteine osservare possibili cambiamenti conformazionali, dobbiamo anche poter integrare sulle fre` quenze pi` lente, che sono quelle inter-molecolari, il cui tempo caratteristico e u 41

Dinamica molecolare dell’ordine di ∆t0 ∼ 10−9 sec. Supponiamo di avere a disposizione un algoritmo che ad ogni passo integri le equazioni di Hamilton per un intervallo temporale ∆t1 . ` Per poter integrare ragionevolmente bene i moti lenti, e necessario considerare un tempo totale d’evoluzione almeno dell’ordine di ∆t ∼ 102 ∆t0 = 108 ∆t1 . Questo richiederebbe lo svolgimento di 108 passi e ciascun passo richiede circa 102 operazioni in doppia precisione per ogni atomo. Inoltre il numero totale di operazioni cresce come il quadrato del numero di atomi a causa della presenza del potenziale inter-molecolare. Considerando un sistema composto da 104 atomi, otteniamo che il budget computazionale richiesto per ottenere una soluzione del problema su ` tempi dell’ordine di t e: budget computazionale = 102 · (104 )2 · 108 = 1018 operazioni (3.4)

` E’ chiaro che non e possibile procedere in questo modo, poich´ il numero di opee ` razioni richiesto e eccessivo per qualunque calcolatore. Esistono vari approcci ` alla risoluzione di tale problema, il pi` raffinato e l’algoritmo di Multiple Time u Step [46], che permette di disaccoppiare i moti veloci da quelli lenti, consentendo di integrare, con passi differenti, gradi di libert` che corrispondono a frequenze a differenti, permettendoci cos` di velocizzare i tempi di calcolo integrando in modo ı appropriato le varie componenti del potenziale. Per prima cosa osserviamo che, formalmente, la soluzione delle equazioni di Hamilton pu` scriversi nella forma: o Γ(t) = U(t)Γ(0) ` dove U(t) e l’ operatore di evoluzione temporale, definito dall’equazione: U(t) = eiL t ≡ e dove:
N

(3.5)

k=0

∑ k! (iL t)k

1

(3.6)

iL = ∑

i=1

d ∂ ∂V ∂ ri − dt ∂ ri ∂ ri ∂ pi 42

(3.7)

3.1 Teoria Introduciamo il propagatore elementare: G(∆t0 ) = eiL ∆t0 (3.8)

in termini del quale possiamo riscrivere l’operatore di evoluzione temporale come: U(t) = [G(∆t0 )] p0 (3.9)

` dove abbiamo posto t = p0 ∆t0 . Dunque p0 e il numero totale dei passi che si devono effettuare per integrare le equazioni del moto, se ciascun passo evolve la dinamica per il tempo caratteristico dei moti lenti. A questo punto conviene suddividere l’operatore differenziale 3.7 in una parte lenta ed una veloce: iL = iLF + iLs (3.10)

Utilizzando la formula di Campbell-Baker-Hausdorff (C.B.H.) nella versione di Trotter [48], possiamo sviluppare il propagatore elementare nel seguente modo: G(∆t0 ) = ei(LF +Ls )∆t0 = ei
∆t0 2 LS

eiLF ∆t0 ei

∆t0 2 LS

3 + O(∆t0 )

(3.11)

Nel termine veloce possiamo separare la parte cinetica da quella potenziale, ed utilizzando nuovamente la formula di Trotter, otteniamo, trascurando i termini di ordini superiore al secondo, la seguente equazione per Γ(t):
p Γ(t) = [G(∆t0 )]0 Γ(0)

e

i

∆t0 2 LS

e

i

∆t1 2 VF

e

iKc ∆t1 i

e

∆t1 2 VF

p1

e

i

∆t0 2 LS

p0

Γ(0) (3.12)

dove abbiamo posto ∆t0 = p1 ∆t1 . La formula 3.11 consente di effettuare l’aggiornamento dei gradi di libert` che corrispondono ai moti veloci tenendo fissi a quelli che invece corrispondono ai moti lenti. Inoltre si vede che per ogni passo che viene effettuato sui moti lenti, se ne effettuano p1 su quelli veloci. In questo ` modo e possibile realizzare concretamente e rigorosamente la separazione tra i moti lenti e quelli veloci ed integrare meno frequentemente quelli che richedono un maggior costo computazionale. 43

Dinamica molecolare Sebbene la 3.12 definisca in modo chiaro la procedura di aggiornamento delle coordinate e dei momenti delle particelle del sistema, essa risulta poco utile dal punto di vista computazionale. Consideriamo l’operatore d’evoluzione s` fatto: ı ei(L1 +L2 )∆t = ei 2 L1 eiL2 ∆t ei 2 L1 + O(∆t 3 )
∆t ∆t

(3.13)

dove: iL1 = F(q) ed in cui abbiamo definito: F(q) = −∇V (q) (3.15) p ∂ ∂ , iL2 = ∂p m ∂q (3.14)

Applichiamo tale operatore su una funzione generica f (q(t), p(t)) servendoci della formula elementare: ec dx f (x) = f (x + c)
d

(3.16)

Applichiamo adesso in successione i tre operatori che compaiono nell’ultimo membro della 3.12, partendo da quello pi` a destra. Otteniamo: u ei 2 L1 f (q(t), p(t)) = f
∆t

q(t), p(t) +

∆t F(q(t)) 2

(3.17) (3.18)

eiL2 ∆ ei 2 L1 f (q(t), p(t)) = f
∆t ∆t ∆t

q(t) +

∆t ∆t ∆t , p(t) + F q(t) + p(t) m 2 m

∆t ∆t p(t) + F(q(t)) , p(t)+ m 2 ∆t ∆t ∆t + F(q(t)) + F q(t) + p(t)+ (3.19) 2 2 m ∆t + F(q(t)) 2 Se effettuiamo l’aggiornamento delle coordinate e degli impulsi secondo le reei 2 L1 eiL2 ∆ ei 2 L1 f (q(t), p(t)) = f q(t) + lazioni: ∆t ∆t p(t) + F(q(t)) m 2 ∆t p(t) → p(t + ∆t) = p(t) + F(q(t)) + F(q(t + ∆t)) m q(t) → q(t + ∆t) = q(t) + 44 (3.20) (3.21)

poich´ nell’ee spansione C.2 Force field Nella 3.20 definiscono o una trasformazione canonica. L’approccio della dinamica molecolare consiste nello studiare sistemi di atomi immaginati come punti materiali soggetti ad un potenziale efficace di interazione da determinare fenomenologicamente. e poich´ i termini coinvolgono solo pochi atomi. gli angoli di legame e gli angoli di torsione. cio` e che non ci sia attrito tra i vari componenti del sistema. Nonostante ci` le formule 3. Il potenziale effettivo espresso in queste variabili ha una forma semplice e i vari termini che lo compongono possono essere facilmente confrontati con gli esperimenti. A partire da questo si costruisce il campo di forze che determina il moto degli atomi (force field (ff)). pose u sono essere utilizzati per tutti i tipi di molecole che coinvolgano lo stesso tipo di 45 . e la cui variazione influisce in maniera consistente sull’energia del sistema: come per esempio le lunghezze di legame.2 abbiamo assunto che il potenziale non dipenda dagli impulsi. e non strutture pi` complesse.19 e 3.16 in una forma assai pi` semplice. Quindi ` l’evoluzione dinamica del sistema fatta secondo l’algoritmo di Verlet e diversa dall’evoluzione newtoniana. che non coincidono con le soluzioni delle equazioni di Hamilton. u Le leggi di trasformazione 3.H.19 e 3.20 definiscono l’algoritmo di Verlet [49].2 Force field possiamo rendere la 3. Limitarsi ai gradi di libert` detti e considerare la struttura interna delle molecole rigida (legami). Per rendere questo processo pi` semplice u si considerano come gradi di libert` quei parametri fisici che sappiamo essere a particolarmente importanti nei legami molecolari. pera mette di descrivere comunque una larga parte dello spazio delle configurazioni. 3.3.B. che come tale conserva l’energia e quindi consente l’esplorazione dello spazio delle fasi nell’ensemble microcanonico [50]. si trascurano i termini di ordine superiore al secondo.

Bisogna per` tenere conto che un atomo di ossigeno in un gruppo carbossile o si comporta in modo differente da un atomo di ossigeno di un gruppo idrossile e perci` ai fini della parametrizzazione vanno considerati come specie differenti o [49].1 e rappresentato il primo dei gradi di libert` a preso in considerazione dall’approccio classico alla dinamica molecolare. . essenzialmente solo H.1: Lunghezza di legame ` • Se la simulazione non coinvolge reazioni chimiche ed e effettuata vicino alla temperatura ambiente allora la distanza interatomica sar` vicina al suo a valore di equilibrio e si potr` approssimare l’energia di stretching di un a legame bi come: Ebi (ri ) = k(2) (ri − b0 )2 + k(3) (ri − b0 ) + . 46 (3. Questo e particolarmente vantaggioso nel caso delle molecole biologiche. C. S. Vediamo ora brevemente quali sono gli aspetti importanti nel parametrizzare l’interazione tra gli atomi delle molecole biologiche. ovvero di interazioni covalenti.3. il legame chimico. sia nel caso di non bonded interactions. interazioni non covalenti. sia nel caso di bonded interactions. N. O. Figura 3. Parametrizzazione delle interazioni covalenti Nell’approccio classico caso i legami chimici sono parametrizzati con i seguen` ti potenziali empirici. che coinvolgono un numero limitato di atomi.Dinamica molecolare ` atomi. e ci` o le rende un sistema non banale da studiare.22) . Inoltre bisogna considerare che le molecole biologiche sono composte da un numero elevato di atomi ed inoltre bisogna studiarle in presenza dell’acqua. . Nella Fig.

Nella maggior parte dei programmi di dinamica molecolare si tronca la serie all’ordine pi` basso (armonico).23) I parametri kb. Questi parametri possono essere calcolati in vari modi. e la lunghezza a riposo del legame stesso. Qualora si volessero considerare oscillazioni di ampiezza particolarmente elevata si possono utilizzare anche i termini anarmonici. Sotto queste ipotesi il potenziale sperimentato da un atomo che si sposta lungo la direzione di un legame chimico ` e dato da: 1 Vb (ri j ) = kb. cio` la distanza di equilibrio tra due atomi legati da un legame covalente.i j rappresentano.3. una costante elastica ` fenomenologica che e un indice della forza del legame.3.24) • Un altro grado di libert` di cui si tiene generalmente conto nei programa ` mi di dinamica molecolare e l’angolo di legame che parametrizza (Fig.i j ) 2 (3.i j )] 2 (3. rispettivamente. ecc.2 Force field ` e dove b0 e la lunghezza di legame. per esempio utilizzando simulazioni ab initio. in quanto u le oscillazioni con alte frequenze (τ 1 f s) sono sostanzialmente disaccop- piate dai movimenti pi` lenti che si vogliono studiare (folding.i j e b0. come ad esempio il potenziale di Morse: VMorse (ri j ) = Di j 1 − exp[−βi j (ri j − b0.).i j (ri j − b0. cambiamenti u conformazionali. nelle stesse ipotesi di sopra a Figura 3. per i quali le distanze di legame restano sostanzialmente vicino ai valori di equilibrio. tuttavia si hanno migliori risultati con forme funzionali differenti.2: Angolo di legame 47 .2) parte della direzionalit` del legame covalente.

Fermandosi nuovamente all’ordine pi` basso si ha un contributo: u 1 Vθ (θi jk ) = kθ .i jk rappresenta una costante fenomenologica che esprime la resistenza che la molecola oppone alla deformazione dell’angolo θ0. muovendosi. . π in quanto per tali valori dell’angolo di torsione i quattro atomi sono coplanari.3: Angolo dietro torsionale sione attorno ad un legame rispetto alla posizione d’equilibrio. D’altra parte per indau ` gare i cambiamenti conformazionali e necessario consentire piena libert` di a rotazione intorno ai legami essenziali per consentire ad esempio il ripiega` mento del backbone o il movimento delle catene laterali. ed e necessario trovare un’altra forma funzionale.3) ovvero della tor- Figura 3.i jk θi jk − θ0. Il potenziale deve essere periodico nell’angolo di torsione Φ con periodo 2π e inoltre deve essere simmetrico intorno ai punti Φ = 0. Si procede pertanto con una espansione in coseni: EΦ ({Φi }) = ∑ dietri kΦ.i (1 − cos Φi ) + kΦ. 48 (1) (2) (3. Non e pertanto pi` possibile troncare l’espansione al primo ordine rilevante nella serie di u ` Taylor.25) ` Questo e il potenziale sperimentato da un atomo che. ed e pertanto possibile sviluppare anche questo termine in serie.Dinamica molecolare si pu` pensare che anche l’angolo di legame rester` vicino al suo valore di o a ` equilibrio.26) .i jk 2 2 (3.i (1 − cos 2Φi ) + . In questo caso le energie in gioco sono molto pi` piccole. deforma l’angolo tra due legami. come fatto in precedenza.3. • Infine si tiene conto anche dell’angolo torsionale (Fig. dove il parametro kθ .i jk che rappresenta il valore a riposo dell’angolo. .

` ` La forma di potenziale pi` usata e nota come Ryckaert-Bellemans ed e la u seguente: VRB (Φi jkl ) = n=0 ∑ Cn[cos(Ψ)]n 5 dove Ψ = Φ − 180 (3.27) Questo potenziale descrive la resistenza della molecola a possibili torsioni. vengono in genere distinte le interazioni coulombiane tra cariche puntiformi e le rimanenti.3. che vengono epresse.3. ` dove Cn e una costante fenomenologica che esprime la resistenza della molecola alla torsione.2 Force field Force field differenti troncano la serie 3. un buon ` compromesso tra accuratezza e pesantezza computazionale e il terzo ordine.28) ove σi j e εi j sono parametri fisici dipendenti dalla coppia di atomi che determinano rispettivamente la distanza di equilibrio tra i due atomi e la pro49 . L’interazione non bonded pu` essere semplicisticamente schematizzata coo me la somma di forze attrattive dipolo indotto-dipolo indotto (che scala come 1/r6 ) e di repulsione delle nuvole elettroniche. Parametrizzazione delle interazioni non covalenti Tra le interazioni che coinvolgono coppie di atomi a distanza maggiore di tre legami covalenti. per semplicit` coma putazionale si assume per tutti gli atomi un’interazione di tipo Van der Waals.4): σi j ri j 12 VLJ (ri j ) = 4εi j − σi j ri j 6 (3. ovvero la stessa che ha luogo tra due atomi di un gas nobile. da un unico termine. e si parametrizza in genere tramite il potenziale di Lennard-Jones (LJ) (Fig. siano esse di natura elettrostatica o provenienti da fenomeni quantomeccanici.25 ad ordini differenti.

Ci` che si fa in genere e mettere una carica puntiforme su o ciascun atomo. Questo e genera situazioni non fisiche. Si parte da un insieme 50 . Il poten` ziale alla LJ e per` il pi` usato. cio` trascurando le interazioni al di sopra di una certa distanza. Essendo questo un potenziale empirico a sono possibili altre espressioni del termine che scala come 1/r12 .4: Potenziale di Lennard-Jones fondit` della buca di potenziale. Questo problema pu` essere affrontato aggiungendo un cut-off sferio co. Il potenziale di interazione e allora: VC (ri j ) = 1 qi q j 4πε0 εr ri j (3.29) Come si vede il computo delle interazioni coulombiane scala come N 2 . ed e perci` computazionalmente molto peo sante. una in particolare e la somma di Ewald [51]. La natura diffusa della nuvola elettronica rende difficile una trattazione esaustiva della componente ` coulombiana. accurato e computazionalmente non molto o u pesante. e pertanto si preferisce adottare soluzioni pi` u ` raffinate. con ` N numero di atomi del sistema. riscalata in modo da tenere conto della presenza della nuvola ` elettronica. il che richiederebbe di far interagire tutte le possibili coppie di atomi. ` L’interazione coulombiana e invece molto pi` difficile da trattare: le forze u elettrostatiche sono infatti a lungo raggio (∝ 1/r).Dinamica molecolare Figura 3.

nz ) e il simbolo ∗ indica che il termine con i = j deve essere ` omesso quando n = 0. La situazione sarebbe molto pi` semplice se invece di cariche puntiforu mi avessimo cariche schermate. E’ possibile simulare questa situazione riscrivendo: 1 er f c(β r) 1 − er f c(β r) = + r r r (3. a causa del lungo range delle interazioni coulombiane tra cariche puntiformi.3. che rappresenta il contributo della nuvola Figura 3. ny . Tuttavia non e facile valutare questa somma.5: Decadimento esponenziale della er f c(β r) 51 .31) La funzione er f c(β r) (complementare dell’integrale di una gaussiana) fornisce un taglio al potenziale sulla lunga distanza determinato dal parametro β e permette cos` di separare la parte a corto range del potenziale da quella ı ` a lungo range (Fig.5).n 4πε0 2 n∗ i j (3.30) dove n = (nx . con condizioni periodiche al contorno (vedi Appendice B).3. Il potenziale a questo punto e scritto come somma di due parti. La somma v` dunque riscritta tenendo conto a delle cariche ripetute: N N qq 1 1 i j V= ∑ ∑ ∑ ri j. e il secondo addendo. ovvero circondate da una nuvola di carica di segno opposto che riduce il range delle interazioni (ad esempio schermando il contributo di monopolo).2 Force field di cariche puntiformi in una scatola di lato L.

che raggiungono un’efficienza O(N log N). esistono metodi pi` efficienti. p(t) su cui misurare una media temporale: 1 ¯ A ≡ lim T →∞ T T A({q(t)} . {p}) e calcolata integrando su tutto lo spazio delle fasi accessibile Ω: A = Ω A({q} . Lo scopo dell’algoritmo di dinamica molecolare e a ottenere una sequenza temporale di configurazioni q(t). {p(t)})dt 0 (3. {p})dt (3. come il Particle Mesh Ewald (PME) [52. ` A priori non e assicurato che le due medie (3.3 Gli ensemble statistici ` Un ensemble statistico e determinato una volta che sia stata assegnata una densit` di probabilit` ρ(q. e pu` essere sommata facilmente in o ` trasformata di Fourier. p) nello spazio delle fasi. L’efficienza del metodo e O(N 3/2 ). La media di ensemble di a a ` una osservabile A({q} .33) converge asintoticamente alla o o 52 . 3.33) siano uguali. {p})ρ({q} . Si potrebbe pensare che il problema e stato ` solo spostato su questo secondo addendo. Si pu` per` verificare che la media temporale (3. Ovviamente con tempo infinito si intende un tempo molto maggiore dei tempi di rilassamento tipici del fenomeno che si sta studiando. tuttavia la nuvola di carica che e ` stata aggiunta e una funzione liscia (al contrario della distribuzione iniziale di cariche puntiformi) e periodica.Dinamica molecolare elettronica con cui abbiamo schermato le cariche. contiene la componente ` a lungo range del potenziale.33) ` dove T e il tempo totale della simulazione. 53] che discretizu za le cariche su una griglia e sfrutta la Fast Fourier Transform (FFT).32) e (3.32) e corrisponde al valor medio calcolato su un numero molto grande di sistemi ` estratti con probabilit` ρ [54].

{p}) − E (3. perci` questo ensemble e detto anche NV E.35) ` che corrisponde a un sistema in cui l’energia E e costante e tutte le configurazioni ` con tale energia sono equiprobabili.34) Questo significa che la dinamica va costruita ad hoc per riprodurre le giuste probabilit` . Il numero delle particelle N e fisso e il volume ` ` V e costante. L’ensemble microcanonico ` L’ensemble microcanonico e definito da: ρ({q} . a ` 2.32) per t → ∞.3. Integrare le equazioni del moto con l’algoritmo di Verlet. ovvero c’` una probabilit` non nulla di e a raggiungere qualunque configurazione accessibile dello spazio delle configurazioni in un tempo finito. p})) ˙ =−∑ =0 ∂t ∂ qi i=1 (3. e costituiscono due osservabili del sistema. La dinamica del sistema e ergodica. Le distribuzioni di equilibrio sono corrette e stazionarie. Questa condizione va verificata caso per caso ` ed e in genere molto difficile da dimostrare. Una volta soddisfatte queste due condizioni possiamo simulare un sistema tramite una opportuna dinamica e misurare le propriet` medie lungo la simulazione.3 Gli ensemble statistici ` (3. 53 . La temperatura e la o pressione sono invece libere di variare. cio` deve valere il e teorema di Liouville: N ∂ ({q(t)} . Perch` ci` avvenga e necessario che siano verificate due ipotesi e o fondamentali: 1. {p(t)}) ∂ (qi ρ({q. Vea diamo ora quali dinamiche sono state sviluppate per riprodurre ensemble di particolare interesse. visto in precedenza. {p}) ∝ δ H({q} .

I termostati I termostati in dinamica molecolare sono tecniche che cercano di imporre correttamente le condizioni termodinamiche al sistema simulato. L’ensemble canonico ` L’ensemble canonico riproduce la condizione di temperatura costante ed e definito dalla densit` di probabilit` : a a ρ(q. le velocit` scalano in accora do alla seguente formula: pi → 54 T0 pi T (3. Come a visto. e l’insieme e anche ` detto NV T . p) ∝ exp − β H(q. Nel primo metodo. Vedremo qui di seguito alcuni degli algoritmi che sono stati sviluppati a tal scopo.36) ` Il numero delle particelle e il volume sono mantenuti costanti. e dunque e necessario sviluppare una nuova dinamica che descriva l’interazione del sistema con il reservoir termodinamico. come si e visto) l’energia e pu` o dunque essere utilizzato per campionare questo insieme statistico. p) ove β = (kB T )−1 (3. introdotto da Woodcock [55]. e se si vuole studiare il funzionamento di una molecola biologica in un organismo si avr` temperatura circa costante.Dinamica molecolare ` consente di conservare (approssimativamente. ` L’ensemble microcanonico descrive solo sistemi isolati e non e perci` molto o interessante. se non come base per altri ensemble. Questo insieme statistico e per noi di fondamentale importanza in ` quanto nei sistemi biologici la temperatura e nella maggior parte dei casi la variabile principale su cui si ha un controllo.37) . integrando le equazioni del moto tramite l’algoritmo di Verlet si ottiene un ` ensemble microcanonico.

Il termostato a debole accoppiamento minimizza i disturbi locali di un termostato stocastico. [56].38) 1 2 (3. che provano a correggere le deviazioni della temperatura reale T dalla temperatura di riferimento T0 moltiplicando le velocit` per un fattore λ allo scopo di muovere il sistema dinamico a ` verso la corrispondente T0 . calcolata per mezzo delle velocit` delle particelle. Questo metodo pu` essere simulato per mezzo di un equazione differenziale o stocastica di Langevin che descrive il moto di una particella dovuto all’agitazione 55 . Questo metodo porta a discontinuit` nella parte a legata al momento della traiettoria nello spazio delle fasi dovuta alla procedura di riscalamento. La differenza rispetto a quelli differenziali e che il metodo tiene conto delle fluttuazioni della temperatura. E’ semplice mostrare che il termostato proporzionale ha una distribuzione maxwelliana. mantenendo invariati gli effetti globali. che non viene quindi fis` sata ad un valore costante. che hanno introdotto il metodo del debole accoppiamento ad una riserva esterna. Un termostato di questo tipo e stato proposto u da Berendsen et al. Un’altra categoria di termostati sono quelli stocastici.3. che vedremo tra poco. Un altro tipo di termostati sono quelli proporzionali. In ogni step di integrazione e assicurato che la T viene ` corretta ad un valore pi` vicino a T0 .39) ` La costante τT e la costante di accoppiamento temporale che determina la scala ` temporale entro la quale la temperatura desiderata e raggiunta. Questo porta ad una modifica del momento: pi → λ pi dove: δt λ = 1+ τT T0 −1 T (3. in cui tutti o un sottoinsieme di gradi di libert` del sistema sono soggetti a collisioni con particelle vira tuali. Questo tipo di termostati prendono il a nome di termostati differenziali.3 Gli ensemble statistici ` dove T0 e la temperatura di riferimento e T la temperatura effettiva.

e di ridurre l’effetto di un sistema esterno. i termostati integrali. L’idea di ` questo metodo. proposto da Nos´ [57]. qi = ρi (3. Le e variabili virtuali sono derivate in modo consistente attraverso una trasformazione ` ` di Sundman dτ/dt = s. Nos´ introdusse due set di variabili: reali e virtuali. L’Hamiltoniana risultante. L’ampiezza di ` F + e determinata dal teorema di fluttuazione e dissipazione: Fi+ (t1 )Fj+ (t2 ) = 2γkB T δi j δ (t1 − t2 ) (3. espressa in coordinate virtuali a 56 . che ` e trattato come una variabile dinamica. connette anche un momento all’addizionale grado di libert` . Queste nuove equazioni sono integrate in linea con le equazioni per le coordinate spaziali e i momenti.Dinamica molecolare termica di un bagno termico. E’ stato dimostrato che il termostato stocastico genera una funzione di distribuzione canonica. e che agisce come bagno termico per mantenere la temperatura del sistema costante. mentre γ = 0 u a porta all’ensemble microcanonico. πs . Ms . delle velocit` e a delle particelle nel sistema. che introducono un grado di libert` aggiuntivo nei sistemi di Hamilton che a deriviamo per ricavare la dinamica del sistema. dove τ e un tempo virtuale e s e un fattore di scala. che sono spesso chiamati metodo dei sistemi estesi. Le interazioni termiche tra un bagno termico a e il sistema risultano in un cambiamento dell’energia cinetica.42) L’introduzione della massa effettiva. cio` : e ∂ pi ∂U =− − γ pi + F + ∂t ∂ qi (3.40) ` dove γ e una costante d’attrito ed F + una forza gaussiana random. cio` . La trasformazione da variabili virtuali a ` reali e allora effettuata cos`: ı pi = πi s .41) Un valore pi` grande di γ incrementer` le fluttuazioni termiche. Infine. ad aggiungere un grado di libert` .

ottenendo: ∂ qi pi = ∂t mi ∂U(q) ∂ pi =− − ζ pi ∂t ∂ qi ∂ ln s =ζ ∂t ∂ζ 1 = ∂t Ms p2 ∑ mii − gkBT i=1 N (3. si trova [58] che possono essere semplificate introducendo la nuova variabile ζ = ∂ s/∂t = sps /Ms (dove ps ` e il momento reale connesso alla riserva di calore).45) (3.3 Gli ensemble statistici ` e: H∗ = ∑ πi2 π2 +U(ρ) + s + gkB T ln s 2 2Ms i=1 2mi s N (3.3.51) Queste equazioni descrivono i cosiddetti termostati di Nos´ -Hoover.43) ` dove g = 3N + 1 e il numero di gradi di libert` (sistema di N particelle libere). a L’Hamiltoniana su scritta conduce ad una densit` di probabilit` nello spazio delle a a fasi.48) (3. e 57 .47) Se si trasformano queste equazioni in variabili reali.50) (3. Le equazioni del moto estratte da questa hamiltoniana sono: ∂ ρi πi = 2 ∂τ s ∂ πi ∂U(ρ) = ∂τ ∂ ρi πs ∂s = ∂τ Ms ∂ πs 1 N πi2 gkB T = 3∑ − ∂τ s i=1 mi s (3. corrispondente all’ensemble canonico.49) (3.44) (3.46) (3.

54) (3. ` ` Il barostato proporzionale.3. che e associato alla cinetica delle particelle. stocastici. Come gi` visto per i termostati.56) (3.52) . e stato introdotto come un estensione per l’equazione sui momenti. tuttavia. ` non sar` discusso perch´ il suo utilizzo e impedito da problemi legati alla corretta a e definizione della pressione iniziale.Dinamica molecolare I barostati In una simulazione di dinamica molecolare per mantenere sotto controllo la ` pressione e necessario che siano consentite variazioni di volume.53) (3.52 pu` essere scritta: o ∂ qi pi κT = − (P0 − P) ∂t mi 3τP 58 (3. Poich´ il barostae to agisce sui cambiamenti di volume. proporzionali e integrali. Un semplice modello per un sistema a pressione costante potrebbe essere rappresentato da un box le cui pareti sono accoppiate ad un pistone che controlla la pressione.55) (3. anche per i barostati esistono quattro tipologie: a differenziali. Il metodo differenziale. un’estensione fenomenologica per l’equazione dell’evoluzione delle coordinate pu` essere formulata in questo modo o [56]: ∂ qi pi = + αqi ∂t mi ` Mentre il cambiamento in volume e postulato come: ˙ V = 3αV ` Un cambiamento nella pressione e legato alla compressibilit` isoterma κT : a dP 1 ∂V 3α =− =− dt κT V ∂t κT espressione che pu` essere approssimata dalla: o (P − P0 ) 3α =− τP κT e l’eq. che possono essere espressi attraverso un riscalamento delle posizioni delle particelle.

L’idea e quella di considerare il volume come un grado di libert` aggiuntivo e scrivere a l’Hamiltoniana in una forma scalata. introducono un nuovo grado di libert` nel sistema di Hamilton che controlla le fluttuazioni associate al volume. a ` Quest’ultimo metodo fu proposto per la prima volta da Andersen [59]. a I barostati integrali come nel caso dei termostati. quindi: L = V 3 cio` qi = Lρi e pi = Lπi e 1 (3. Per i barostati stocastici il metodo e le equazioni ottenute sono del tutto simili a quelle gi` viste nel caso dei termostati stocastici. il momento non e legato in modo semplice alla e ` a derivata temporale delle coordinate ma ∂ qi ∂ ρi ∂L =L + ρi ∂t ∂t ∂t L’Hamiltoniana estesa del sistema sar` allora data da: a H∗ = π2 πi +U(V 1/3 ρ) + PexV + V ∑ 2MV V 2/3 i=1 2mi 1 N (3.3. Esso controlla anche l’intensit` dell’accoppiamento al barostato e quindi l’ampiezza delle a fluttuazioni volume/pressione.57) ` La costante di tempo τP e un tempo di scala caratteristico legato al modo con il quale la pressione del sistema si avvicina alla pressione imposta P0 .60) ` dove Pex e la pressione esterna imposta e πV ed MV sono un momento ed una massa associate alle fluttuazioni del volume.3 Gli ensemble statistici che corrisponde ad un riscalamento della lunghezza del box L → sL e delle coordinate q → sq con: s = 1− κT δt (P0 − P) 3τP (3. dove le lunghezze sono espresse in unit` di a lunghezza del box.61) .60) sono ∂ ρi 1 πi = 2/3 ∂t V mi 59 (3. Le equazioni del moto derivate dalla Hamiltoniana (3.59) (3.58) ` Poich´ L e una quantit` dinamica.

68) ∑ mii − qi V 2/3 i=1 1 N p2 Queste ultime equazioni sono state ricavate utilizzando il metodo di ParrinelloRahman [60].6 prima di tutto vengono lette le condizioni iniziali ovvero il ff e le posizioni di tutti gli atomi del sistema.62) (3.63) ∂U(q) ∂ qi (3.64) ∑ mi −V 1/3ρi πi Una trasformazione a variabili reali dar` a pi 1 ∂V ∂ qi = + qi ∂t mi 3V ∂t ∂ pi ∂U(q) 1 ∂V = − pi ∂t ∂ qi 3V ∂t pV ∂V = ∂t MV ∂ pV 1 = ∂t 3v (3. Vengono poi calcolate l’energia cinetica media (quindi la temperatura) e la pressione. considerando anche i possibili vincoli o “constraint” geometrici (vedi Appendice C) presenti.65) (3. Come si vede dalla Fig. Quindi vengono generate le velocit` iniziali per ogni atomo utilizzando una distribuzione di tipo gaussiana a in modo che l’energia cinetica corrisponda ad una data temperatura.66) (3.4 Schematizzazione dell’algoritmo di dinamica molecolare classica Concludiamo questo capitolo proponendo uno schema dell’algoritmo di dinamica molecolare.Dinamica molecolare ∂ πi ∂U(V 1/3 ρi ) = ∂t ∂ ρi ∂V πV = ∂t MV ∂ πV 1 = ∂t 3V 1 V 2/3 N i=1 (3. 3. che assicura che il sistema esplori un ensemble canonico.3.67) ∂U(q) ∂ qi − Pex (3. Una volta 60 .

Se abbiamo applicato a vincoli geometrici. L’algoritmo termina dopo che ha compiuto a un certo numero di passi. A questo punto l’algoritmo calcola le forze su ogni atomo del sistema risolvendo le equazioni del moto ed aggiorna prima le velocit` e poi le coordinate del sistema.4 Schematizzazione dell’algoritmo di dinamica molecolare classica noti temperatura e pressione iniziale vengono calcolati i fattori di riscalamento e/o di attrito associati al termostato e al barostato. e prima le coordinate e poi le velocit` vengono corrette e salvate.3. Figura 3. vengono a questo punto calcolati.6: Schema globale dell’algoritmo di dinamica molecolare 61 .

.

A partire dall’approssimazione di o Born-Oppenheimer. e conseguentemente un suo studio teorico a partire da principi primi. nuclei ed elettroni. Questo moo ` do esatto di procedere e per` impraticabile. non pu` evitare l’utilizo zo di approssimazioni. Infatti. esploreremo alcuni approcci utili allo studio dell’evoluzione dinamica di sistemi a molti corpi. ossia. in linea di principio. senza alcuna parametrizzazione delle equazioni. 4.1 Approssimazione di Born-Oppenheimer Per un sistema costituito da M nuclei e da n elettroni mutuamente interagenti l’Hamiltoniana totale del sistema include: termini di energia cinetica dovuti 63 . dovremmo risolvere l’equazione di Schr¨ dinger per nuclei ed elettroni simultaneamente. secondo la quale possiamo assumere i nuclei fissi in una data configurazione (generalmente quella di equilibrio) per poi focalizzare la nostra attenzione al problema elettronico.Capitolo 4 Studio quantistico dei sistemi a molti corpi ` Una proteina e composta da un grandissimo numero di particelle.

pu` ı o 64 . nella nostra immaginazione.2) sono variabili multidi` mensionali: R e una notazione abbreviata per le 3M coordinate nucleari e simil` mente r e una notazione abbreviata per tutte le coordinate spaziali e di spin degli ` elettroni. R) (4. elettrone-nucleo (VeN ) e infine nucleo-nucleo (VNN ). j si riferiscono agli elettroni e gli indici I. tutte le interazioni elettrone-elettrone (Vee ). TN nella (4. R) = TN (R) + Te (r) +V (r. R) = W Ψ(r. Se consideriamo solo forze coulombiane l’espressione dell’Hhamiltoniana (nel limite non relativistico) sar` : a Htot = TN + Te +Vee +VeN +VNN = = −∑ I h∇2 1 h∇2 e2 ¯ I ¯ −∑ I + ∑ + 2MI 2 i= j |ri − r j | I 2m zI e2 zI zJ e2 +∑ |ri − Ri | I=J |Ri − R j | (4. Le variabili che compaiono nell’equazione (4. Sapendo ` che la massa nucleare e molto pi` grande di quella elettronica possiamo trattaru la come infinita. l’operatore cinetico nucleare. R) (4.Studio quantistico dei sistemi a molti corpi ai nuclei (TN ) e agli elettroni (Te ). Questa visione pittoresca della fisica atomica ci permette di poter fare intuitivamente un’assunzione molto importante. R) Ψ(r. Classicamente possiamo visualizzare. gli elettroni come minuscole particelle leggere che si muovono rapidamente attorno ai pesanti nuclei.3) del sistema combinato elettroni-nuclei sono detti rispettivamente “energie vibroniche” e “funzioni d’onda vibroniche” [61].1) −∑ i. L’equazione di Schr¨ dinger del sistema e: o TN (R) + Te (r)V (r.2) dove il termine V (r. R) della (4.I dove gli indici i. R) rappresenta tutte le possibili interazioni tra le particelle del sistema.2). Cos` facendo.3) Gli autovalori W e le autofunzioni Ψ(r. E’ conveniente separare l’Hamiltoniana nei seguenti termini Htot (r. J ai nuclei.

che va sotto il nome di approssimazione di Born-Oppenheimer [61]. Al variare di R gli autovalori En (R) definiscono la cos` ı chiamata superficie potenziale adiabatica ed i set φn (r. Nell’approssimazione di reticolo “fisso” arriviamo a scrivere la cosiddetta Hamiltoniana elettronica adiabatica He (r. L’e` quazione agli autovalori per i soli elettroni e: He (r : R)φn (r. l’energia cinetica media dei nuclei e dell’ordine m/M ≈ 10−3 pi` piccola che u l’energia cinetica media degli elettroni.4) qui sia le funzioni φn (r. pu` essere trattato sia classicamente che quantisticamente. Supponendo o una superficie adiabatica En (R) non degenere (ben separata in energia da tutte le altre).1 Approssimazione di Born-Oppenheimer essere trascurato e i nuclei possono essere pensati come “congelati” in qualche assegnata configurazione R. una volta “congelati” i gradi di libert` nuclee a ari possiamo risolvere il problema elettronico come se i nuclei fossero fermi. R) (4. R) che gli autovalori En (R) dipendono parametricamente dalle posizioni nucleari. Il moto nucleare. R) le funzioni d’onda adiabatiche elettroniche. cio` . il sistema esplora il fondamentale foglio adiabatico E0 (R) e l’equazione classica del moto nucleare pu` essere scritta come: o MI d 2 RI ∂VN ∂ E0 =− − 2 dt ∂ RI ∂ RI 65 (4. ` In questo caso la dipendenza dalle coordinate nucleari e solo parametrica. R). Consideriamo il caso di una funzione vibronica costruita a partire da funzioni del tipo φ (r − R) che rappresentano un elettrone legato ad un nucleo posto in R. Il valore di aspettazione degli operatori ∇2 e ∇2 e ovviamente identico. quinr ` R ` di. a seconda dei casi. Con la presente approssimazione. In un secondo momento si riconsidera il problema nucleare e si vede l’evoluzione del sistema in base alle nuove energie elettroniche.4.5) . Possiamo dare una stima dell’errore commesso avendo trascurato il termine cinetico nucleare. R) = En (R)ψn (r. siamo riusciti a separare il problema elettronico da quello nucleare.

trascureremo i nuclei che supporremo in una configurazione di equilibrio. La derivazione rigorosa della (4.Studio quantistico dei sistemi a molti corpi Nella (4. rispettivamente per gli elettroni e per i nuclei. 4. guardiamo al caso pi` semplice di N elettroni u 66 . invece.7) Trovare e descrivere soluzioni approssimate all’equazione di Schr¨ dinger per gli o ` elettroni e un problema molto complesso. l’originario problema accoppiato aveva dimensioni 3(M + n). Come possiamo apprezzare.2 Problema elettronico Prima di considerare la forma dell’esatta funzione d’onda per un sistema di elettroni completamente interagenti. Da questo momento. Ci troviamo di fronte ad un nuovo problema a molti corpi: n fermioni interagenti.5) la forza agente su ciascun nucleo risulta costituita da due termini. Nel caso in cui si e obbligati a fare una trattazione quantistica del moto nucleare otteniamo: h2 ∂ 2 ¯ − + En (R) χ(R) = W χ(R) 2M ∂ R2 (4.5) nel limite classico costituisce il contenuto del teorema della ` forza o di Hellmann-Feynmann [62].6) L’approssimazione di Born-Oppenheimer ci permette di ridurre notevolmente lo sforzo computazionale per risolvere un problema a molti corpi. e faremo uno studio dettagliato del solo sistema elettronico: He (r)ψn (r) = En ψn (r) (4. l’altro legato alla variazione del contributo adiabatico elettronico con le posizioni nucleari. la forza di e “trascinamento” attraverso la quale agisce la “colla elettronica”. uno proveniente dal potenziale inter-ionico. cio` se si vuole. separando il moto elettronico da quello nucleare si riduce a due problemi indipendenti di dimensione 3n e 3M.

χ j (x2 ). Qualora trascurassimo l’interazione elettrone-elettrone. . . in cui il primo elettrone e descritto dallo spin orbitale χi . tenga conto dell’effetto di repulsione tra elettroni.12) (4. . l’operatore h(i) potrebbe rappresentare un’Hamiltoniana effettiva one-electron che. ı 67 . . χk (xN ) (4. il secondo elettrone da χ j e cos` via.9) ` Poich´ H e la somma di hamiltoniane one-electron.11) Una tale funzione d’onda many-electron per la descrizione di un sistema di elet` ` troni non interagenti e chiamata prodotto di Hartree. che ` e la somma delle energie dei singoli spin orbitali che compaiono in Φ. .10) ` La (4. cio` : e HΦ = EΦ dove E = εi + ε j + . x2 . . . dove la variabile xi indica in modo abbreviato le coordinate spaziali e di spin dell’i-esimo elettrone. l’Hamiltoniana dell’intero sistema avrebbe esattamente la forma (4.4. . . In questo modo l’operatore h(i) avr` un set ortonormale di autofunzioni che a potremmo considerare un set ortonormale di spin orbitali χ j (xi ) . + εk (4. associata all’autovalore E. .10) e un’autofunzione dell’Hamiltoniana H. la funzione d’onda e il risule ` tato di un semplice prodotto di spin orbitali dei singoli elettroni. in qualche modo.2 Problema elettronico non interagenti aventi un’Hamiltoniana: N H = ∑ h(i) i=1 (4.8).8) dove l’operatore h(i) rappresenta l’energia cinetica e l’energia potenziale dell’i-esimo elettrone. cio` : e Φ(x1 . xN ) = χi (x1 ). soluzione dell’equazione agli autovalori: h(i)χ j (xi ) = ε j χ j (xi ) (4. In caso contrario.

. . . . . . χ j (x1 ) . . χk (xN )} (4. . . . . . x2 . .14) ` ` dove N! e un fattore di normalizzazione. . x j . . . . . xN ) (4. . . . x2 . χk (x2 ) . . La funzione d’onda di un sistema di fermioni deve obbedire al principio di antisimmetria. . .13). .Studio quantistico dei sistemi a molti corpi L’Hamiltoniana elettronica dipende esclusivamente dalle coordinate spaziali ` degli elettroni ma. 2. suggerita da Slater. . χk (xN ) Come si pu` facilmente verificare. ottenendo: χi (x1 ) Φ(x1 . . per descrivere la funzione d’onda di un sistema di N fermioni usando gli ` spin orbitali χ j . la funzione d’onda deve essere antisimmetrica rispetto ad uno scambio delle coordinate spaziali e di spin di due elettroni. . . (4. . . . Pn e un operatore che genera l’n-esima permutazione degli elettroni indicizzati con 1.13) ` questo principio e l’espressione pi` generale del familiare principio di esclusione u di Pauli. xi . viene rispettato il principio di indistinguibilit` o a per gli elettroni ed. . xi . . . Il prodotto di Hartree non soddisfa il principio di antisimmetria. x j . e di scrivere il prodotto di Hartree in una forma correttamente antisimmetrizzata: N! Φ(x1 . . come e noto..15) χi (xN ) χ j (xN ) . inoltre. uno scambio di coordinate spaziali e di spin tra due 68 . . . . . . . . N e pn il numero di semplici scambi richiesto per ottenere tale permutazione. . xN ) = −Φ(x1 . . . . χ j (x2). Il modo corretto. . . . Una maniera formalmente pi` u ` elegante di scrivere la (4. xN ) = (N!)−1/2 χi (x2 ) . . e quella di usare una notazione sotto forma di determinante. xN ) = (N!) 1/2 n=1 ∑ (−1) pn Pn{χi(x1). χk (x1 ) χ j (x2 ) . . ossia. una giusta descrizione di sistemi fermionici implica una corretta descrizione anche dello spin. cio` : e Φ(x1 . . . .

Oltre alla sua importanza storica. per formare questo stato. data l’ortonormalit` degli spin orbitali. tutt’oggi. con il quale sia possibile scrivere l’equazione agli autovalori (4.16) dove hi rappresenta l’energia cinetica e l’energia potenziale dovuta all’interazione ` con i nuclei dell’i-esimo elettrone. Si consideri un sistema di N elettroni interagenti u descritti dall’Hamiltoniana: N H = ∑ hi (ri ) + i=1 1 N e2 ∑ 2 i= j ri j (4. Adesso descriveremo quali sono le approssimazioni e i metodi usati per la determinazione dell’operatore h(i). un determinante di Slater e una soluzione esatta dell’equazione di Schr¨ dinger per un sistema di elettroni non ino teragenti. Lo scopo e quello di descrivere lo stato fondamentale del sistema many-electron con un singolo determinante di Slater. Ovviamente. Infatti. cam` biare il segno del determinante. per cui l’esatta funzione d’onda pu` essere descritta da o ` una loro combinazione lineare.3 L’approssimazione di Hartree-Fock ` Un primo esempio per la risoluzione del problema many-electron e l’approssimazione di Hartree-Fock. Il formalismo fin qui descritto e relativo ad una formulazione di tipo one-electron per il sistema elettronico. questa approssimazione rappresenta. 4.4. i determinanti o a di Slater formano una base completa anche per lo spazio di Hilbert per un sistema di elettroni interagenti. sia per i fisici che per i chimici un primo passo verso pi` accurate approssimazioni. Ci` nonostante. La ` migliore scelta possibile per gli spin orbitali. se 69 .9). ossia. e ottenuta minimizzando l’energia elettronica sfruttando il principio variazionale.3 L’approssimazione di Hartree-Fock elettroni corrisponde a scambiare due righe del determinante di Slater.

17) ` dove Φ e una funzione di prova. La condizione di ortonormalit` sugli spin a orbitali presenti nella (4. q2 . .20) (4. . (4. qN ) = χi (q1 )χ j (q2 ). che assumiamo essere normalizzata ad uno.22) dove Ii rappresenta il valor medio dell’Hamiltoniana h(ri ) sull’orbitale elettronico χi . . q2 . . l. (4.17). rappresenta il valor medio dell’interazione e2 /ri j nello stato 70 . j rappresentano un insieme di quattro numeri quantici (n.20).15) si esprime in tal modo: χi |χ j = δi j (4. . che prende il nome di termine diretto. χk (qN ) (4. .21) e sfruttando le propriet` dell’operatore A. . otteniamo: a E[Φ] = ∑ Ii + i 1 [ℑi j − Ki j ] 2 ∑∑ i j (4. . descritta attraverso un determinante di Slater. Riscriviamo il determinante di Slater in una forma pi` compatta. .21) Scegliamo quest’operatore in modo tale che esso sia hermitiano per cui vale A = A2 (operatore proiettivo). (4. Calcolando adesso E[Φ] utilizzando le (4. . ed inoltre che commuti con l’Hamiltoniana. Il primo termine all’interno della parentesi quadra. cio` : u e Φ(q1 .Studio quantistico dei sistemi a molti corpi ` Ψ0 e l’esatta funzione d’onda di stato fondamentale per il sistema si ha: E0 = Ψ0 |H|Ψ0 Φ|H|Φ ≤ E[Φ] = Ψ0 |Ψ0 Φ|Φ (4.19). ml . . ms ). .19) ` L’operatore A che appare nella (4. qN ) = (N!)1/2 AΦH ` dove ΦH e il prodotto degli orbitali elettronici: ΦH (q1 .19) e l’operatore di antisimmetrizzazione: A= 1 N ∑ (−1) pn Pn N! n=1 (4.18) dove gli indici i.

Quindi. possiamo o scegliere U in maniera tale che la matrice degli εi j moltiplicatori di Lagrange diventi diagonale in seguito alla trasformazione unitaria sugli orbitali elettronici.23) si vede che i moltiplicatori di Lagrange possono essere considerati come gli elementi di una matrice Hermitiana.22) e chiaramente e lasciato invariato da questa trasformazione unitaria. imponiamo cio` : e δ E − ∑ ∑ εi j δ χi |χ j = 0 i j (4. Il nuovo determinate di Slater Φ formato con gli orbitali (4.22) introduciamo N 2 moltiplicatori di Lagrange che denotiamo con εi j . quando siano imposti gli N 2 vincoli di ortonormalit` (4.3 L’approssimazione di Hartree-Fock χi (q)χ j (q ). dove l’elettrone i-esimo si trova nell’orbitale χi e l’elettrone j-esimo si trova nell’orbitale χ j . che consiste nell’imporre che E[Φ] sia stazionario rispetto a variazioni degli orbitali elettronici χi . Infine il secondo termine in parentesi quadra.24) differir` da quello precedente per un a fattore di fase: Φ = (det U)Φ (4. che prende il nome di termine di scambio.25) ` ` e poich´ U e unitaria. Per vincoa lare il funzionale (4. Applichiamo adesso il principio variazionale.23) Osservando la (4. 71 . |det U| = 1. ottenuti l’uno dall’altro scambiando gli elettroni i e j. Inoltre. Sia il termine diretto che di scambio sono reali e simmetrici in i e j.24) dove Ui j sono gli elementi di una matrice unitaria N × N. Effettuiamo una trasformazione unitaria sugli orbitali elettronici: χi = ∑ Ui j χ j j (4.18) sugli orbitali elettronici. poich´ ogni matrice e Hermitiana pu` essere diagonalizzata da una trasformazione unitaria. rappresenta l’elemento di matrice dell’interazione e2 /ri j tra due stati χi (q)χ j (q ) e χi (q )χ j (q). il funzionale (4.4.

se introduciamo u ` l’operatore diretto.31) . l’equazione (4.27) sono note come equazioni di Hartree-Fock (HF).28) Definiamo inoltre l’operatore di scambio in modo tale che quando agisce sugli orbitali elettronici. otteniamo un sistema di equazioni integro-differenziali per gli orbitali elettronici: 1 Ze2 − ∇2 − χi (q) + 2 r r −∑ j ∑ j χi∗ (q ) e2 χ j (q )dq χi (q)+ |r − r |2 (4.Studio quantistico dei sistemi a molti corpi Effettuata la diagonalizzazione. che e semplicemente il potenziale di repulsione elettrostatica dovuto al j-esimo elettrone.26) Effettuando esplicitamente la variazione rispetto agli orbitali elettronici.29) Definendo infine il potenziale di HF. la cui espressione e: V jd (q) = χ ∗ (q ) j e2 χ j (q )dq |r − r |2 (4.23) si trasforma: δ E − ∑ Ei δ χi |χi = 0 i (4. si ottenga: V jex (q)χi (q) = χ ∗ (q j e2 χ j (q )dq χ j (q) ) |r − r |2 (4.30) Le equazioni di HF (4. quando la posizione di questo elettrone sia mediata ` nell’orbitale χ j .27) assumono la forma: 1 − ∇2 + V (q) χ(q) = Ei χi (q) 2 r 72 (4. e possiamo definirle in maniera pi` compatta. Le equazioni (4.27) χ ∗ (q j ) e2 |r − r |2 χi (q )dq = Ei χi (q) Dove il simbolo di dq implica una integrazione sulle coordinate spaziali r e una somma sulla coordinata di spin. come: V (q) = − Ze2 + ∑ V jd (q) + ∑ V jex (q) r j j (4.

Ci` e dovuto al fatto che. Si risolvono numericamente le equazioni di HF ottenendo nuovi orbitali che a loro volta determinano un nuovo potenziale di HF. sommando le energie dei singoli elettroni. poich´ lo stesso potenziale di HF dipende dagli orbitali elettronici. Si parte da orbitali elettronici approssimati (scelta del “basis set” vedi Appendice D) e si calcola il potenziale di HF corrispondente. vediamo che la ` differenza tra l’energia totale dei due sistemi e: EN − EN−1 = Ei 73 (4. Il potenziale di HF ot` tenuto in questo modo e noto come il campo self-consistent dell’atomo (dello ione) [50]. La procedura viene ripetuta finch´ gli orbitali e ` elettronici producono un potenziale di HF che e identico (nell’approssimazione desiderata) al potenziale ottenuto nel passo precedente.32). sommando su i e considerando la (4. ciascuna o` energia cinetica e ciascuna energia di interazione con il nucleo viene contata una volta. una per ogni orbitale elettronico.31) verrebbe spontaneo interpretare Ei come l’autovalore dell’energia del singolo elettrone. si procede per iterazione.32) ` Si vede dunque che l’energia totale dell’atomo non e la somma delle singole energie.22) otteniamo: E[Φ] = ∑ Ei − Φ| i 1 e2 ∑ |Φ 2 i= j ri j (4. e Per risolvere il sistema di equazioni integro-differenziali di HF. e contata due volte.28) o con χi . usando le definizioni di Ii .3 L’approssimazione di Hartree-Fock Le (4.33) . del termine di scambio e del termine diretto. Supponiamo adesso di rimuovere l’i-esimo elettrone dal sistema. Osservando la (4.4. che ha come valor medio il secondo ` membro della parte destra della (4. per` prendendo il prodotto scalare della (4. mentre l’energia d’interazione mutua.31) non sono semplici equazioni agli autovalori. ed assumiamo che gli orbitali del sistema con N − 1 elettroni rimangano invariati dopo la rimozione.

o. Nella DFT i calcoli delle propriet` atomiche e molecolari sono basati esclusivamente sulla a densit` elettronica. 4. i quali usano la complicata funzione d’onda ad N elettroni ` con la sua dipendenza da 3N coordinate spaziali pi` N variabili di spin. Gi` dalla prima met` del 20-esimo secolo Thomas e Fermi posero le basi per a a metodi di calcoli quanto-chimici formulando una teoria basata sulla sola densit` a elettronica. Nel 1930 il modello di Thomas-Fermi veniva ulteriormente migliorato da quello di Thomas-Fermi-Dirac che rappresentava una sua naturale estensione includendo un contributo di scambio. La DFT e u un potente strumento per descrivere le propriet` strutturali ed elettroniche di una a vasta classe di materiali. Queste rappresentano le prime forme di funzionale densit` . La consacrazione o 74 . Questo risultato e noto come teorema di Koopman [63]. derivarono un’espressione per l’energia cinetica di un gas uniforme di elettroni e per l’energia di un atomo. molecole. in altre parole. a primo passo verso la DFT. Ci` e completamente innovativo e in contrasto con altri metoa o` di quanto-meccanici. l’energia di ionizzazione ` dell’elettrone i-esimo.4 Teoria del funzionale densit` a La Density Functional Theory (DFT) introduce una importante semplificazione al problema quanto-meccanico. cos` come presentato nell’equazione di Schr¨ ı o dinger. Seguirono ulteriori contributi in questo ambito.Studio quantistico dei sistemi a molti corpi Quindi la quantit` Ei rappresenta approssimativamente l’energia richiesta per rimuoa vere un elettrone dall’orbitale χi . In particolare. tra i quali. La novit` concettuale di questo lavoro stava a a nel fatto che l’energia era data esclusivamente in termini della densit` elettronica. cristalli semplici e sistemi complessi (inclusi vetri e liquidi). atomi. pur non compromettendo una descrizione da principi primi. uno dei pi` importanti. fu quello di Slater che u present` un’approssimazione locale dell’energia di scambio.

4).4. che supporremmo coin` cidere con il potenziale coulombiano e W e il potenziale esterno. r j ) (4. in corrispondenza del valore della densit` elettronica nello stato a fondamentale. cio` : e N W = ∑ w(ri ) i=1 (4.35) ` ed e un termine relativo all’interazione fra i fermioni. Vee e dato da N N (4. 4. In particolare l’energia totale del sistema definisce un a funzionale universale che assume il suo valore minimo.4 Teoria del funzionale densit` a della DFT arriva nel 1964 con i teoremi di Hohenberg e Kohn [64] i quali posero ` le basi per una rigorosa formulazione della DFT come oggi e conosciuta.4.36) Nel nostro caso l’Hamiltoniana (4. questi ultimi considerati “congelati” in una configurazione assegnata. a cui e associato l’operatore Hamiltoniana: H = T +Vee +W ` ` dove T e la somma dei termini cinetici. 75 . Teorema. In un sistema costituito da molti elettroni interagenti il valore di aspettazione nello stato fondamentale di qualunque osservabile fisica e un funzionale unico ` della densit` elettronica. pari all’energia dello stato fondamentale.1 Teorema di Hohenberg e Kohn ` Consideriamo un sistema di N fermioni interagenti. vista nel §4. Il teorema di Hohenberg e Kohn d` accesso ad alcuni risultati esatti che riguardano a lo stato fondamentale di un sistema di molti elettroni interagenti.1 ed il ` termine di potenziale esterno non e altro che il potenziale di interazione elettroninuclei.34) coincide con la (4.34) Vee = ∑ i=1 j=1 ∑ v(ri.

essendo il potenziale elettrone-elettrone assegnato. 2 Un’applicazione si dice iniettiva se associa ad un elemento del codominio un solo elemento del dominio. e suriettiva1 .41) 1 Un’applicazione si dice suriettiva (o surgettiva. Questo ci consentir` di definire una relazione pienamente a invertibile: (C ◦ D) : W → N. quindi. (C ◦ D)−1 : N → W (4. tra Φ e l’insieme di tutte le densit` elettroniche N: a C :W →Ψ (4. biunivoche. per definizione ancora suriettiva.34) o conduce ad uno stato fondamentale non degenere per un sistema di N elettroni: H|φs f = Es f |φs f (4. in quanto non esiste alcun elemento di Ψ che non sia associato ad un elemento di W .38) ` che. 76 .37) Se consideriamo l’insieme W di tutti i possibili potenziali esterni e l’insieme Ψ di tutte le possibili funzioni d’onda nello stato fondamentale. o una suriezione) quando l’immagine coincide ` con il codominio.39) questa definisce una nuova relazione.Studio quantistico dei sistemi a molti corpi Dimostrazione. l’equazione di Schr¨ dinger stabilisce una relazione: o C :W →Ψ (4. Se adesso consideriamo le densit` elettroniche corrispondenti allo stato fona damentale: n(r) = φs f |φs f = φs∗f (r)φs f (r) (4.40) Dimostriamo adesso che le relazioni C e D sono anche iniettive2 (purch´ si cone siderino equivalenti potenziali che differiscano solo per una costante additiva) e. ovvero quando ogni elemento del codominio e immagine di almeno un punto del dominio. La soluzione dell’equazione di Schr¨ dinger associata all’Hamiltoniana (4. per costruzione.

oltre che suriettiva.44) (4.4 Teoria del funzionale densit` a In particolare la relazione (C ◦ D)−1 ci consente di associare a ciascuna densit` a di carica n(r) uno e un solo potenziale esterno.45) (4. ovvero di asserire: φs f |O|φs f = O[n] (4. a ı ` Cominciamo con il dimostrare che la relazione C e iniettiva. sottraendo membro a membro le (4. Poich´ inoltre il termine cinetico e ed il potenziale di interazione tra gli elettroni sono specificati. cio` : e (T +W +V )|φs f = Es f |φs f (T +W +V )|φs f = Es f |φs f Adesso immaginiamo che.42) cio` che a qualunque osservabile fisica corrisponde un funzionale unico della e densit` . otteniamo: e (W −W ) = (Es f − Es f ) = costante (4.43). di conseguenza. e.43) e quindi. sarebbero equivalenti contro l’ipotesi che avevamo assunto. Abbiamo quindi dimostrato che C associa funzioni d’onda differenti a potenziali ` esterni differenti ed e pertanto iniettiva. le 4. cio` che: e |φs f = |φs f In questo caso. 77 . Consideriamo. poich´ gli operatori W e W sono puramente moltiplicativi. e quindi biunivoca. dimostrando cos` la prima parte del teorema. questo ci consente di determinare. le equazioni di Schr¨ dinger corrispondenti a due diversi o potenziali esterni. per assurdo. otterremmo: (W −W )|φs f = (Es f − Es f )|φs f (4.46) I due potenziali esterni differirebbero quindi soltanto per una costante additiva.43 siano soddisfatte dalla stessa funzione d’onda. l’intera Hamiltoniana e quindi il a valore di aspettazione sullo stato fondamentale di qualunque osservabile.4. per lo stato fondamentale. essendo nota la densit` di carica.

poich´ come abbiamo gi` dimostrato C e biunia e a voca.52) (4. il quale afferma che il valore ` d’aspettazione dell’Hamiltoniana sullo stato fondamentale e minore di quello su qualunque altro stato appartenente allo stesso spazio di Hilbert.47) quindi i secondi addendi delle equazioni (4. sottraendo membro a a membro le due equazioni (4.51) .49) dr[w(r − w (r))]n(r) = φs f |(W −W )|φs f (4. Allora. con: H = H +W −W Dall’equazione di Schr¨ dinger e dalla (4. dovremmo avere contemporaneamente: φs f |H|φs f − φs f |H|φs f > 0 e φs f |H |φs f − φs f |H |φs f > 0 78 (4.45) ricaviamo: o φs f |H|φs f = φs f |H |φs f + φs f |(W −W )|φs f φs f |H|φs f = φs f |H |φs f + φs f |(W −W )|φs f dove: φs f |(W −W )|φs f = = drφs∗f [w(r) − w (r)]φs f (r) = (4. Analogamente a quanto fatto sopra.Studio quantistico dei sistemi a molti corpi ` Dimostriamo adesso che anche D e iniettiva.48) (4.48) sono identici se le due funzioni d’onda conducono ad uguali densit` elettroniche. In questo caso.48) otteniamo l’uguaglianza: φs f |H|φs f − φs f |H|φs f = −[ φs f |H |φs f − φs f |H |φs f ] (4. immaginiamo che due funzioni d’onda differenti conducano ad una identica ` densit` di carica. le due funzioni d’onda devono corrispondere a due potenziali esterni diversi e quindi a due hamiltoniane differenti. ed avendo supposto che le funzioni d’onda di stato fondamentale sono differenti.50) Sfruttando il principio di Ritz (vedi Appendice E). H e H .

51) e ` (4. In a questo modo abbiamo dimostrato la prima parte del teorema che schematizziamo in Fig.52) ed e quindi dimostrato che funzioni d’onda differenti debbano comportare ` differenti densit` di carica.4. per la 79 . A questo punto dimostriamo la seconda parte del teorema. Il funzionale definito nella (4. Conside- Figura 4.1. riamo il valore d’aspettazione dell’Hamiltoniana. Si dimostra che le relazioni C e D. questo definisce un funzionale della densit` di carica elettronica: a EW [n] = ψ|H|ψ (4.53) essendo specificata n(r) l’invertibilit` della relazione D ci consente di individuare a ` la funzione d’onda corrispondente.1: Illustrazione grafica di alcuni aspetti del teorema di Hohenberg e Kohn.4.53) e. E’ e evidente come l’equazione (4.4 Teoria del funzionale densit` a ` rispettivamente perch´ |φs f e lo stato fondamentale di H e |φs f quello di H . ossia la relazione D e iniettiva e quindi invertibile.50) sia incompatibile con le disequazioni (4. definite in maniera da garantirne la suriettivit` (in alto) sono a anche iniettive e quindi biettive e pienamente invertibili.

56) e quindi costruire il funzionale (4. un funzionale unico della densit` elettronica.54) ψ∈Ψ dunque.56) Purtroppo non si conosce la soluzione generale se non nel limite in cui la ` densit` elettronica e costante. per la (4.53).55) ` Una conseguenza immediata del teorema di Hohenberg e Kohn e che il funzionale ` corrispondente a campo esterno nullo. cio` : a e FHK [n] = ψ|(T +V )|ψ Analizziamo alcune conseguenze di questo teorema: 1.57) (4.55) attraverso la relazione: EW [n] = FHK [n] + ψ|W |ψ = FHK [n] + drw(r)n(r) (4. il funzionale E[n] assumer` il suo valore minimo in cora rispondenza della densit` di carica ns f (r) e tale valore sar` appunto l’energia dello a a stato fondamentale.Studio quantistico dei sistemi a molti corpi prima parte del teorema. Il teorema di Hohenberg e Kohn si limita ad asserire l’esistenza di un funzionale universale della densit` elettronica ma non lo determina affatto. Riscritto in formule otteniamo: min EW [n] = Es f n∈N (4. Questo 80 . e un funzionale universale della ` densit` elettronica. W = 0. nel senso che e indipendente dal potenziale esterno. D’altra a parte il principio di Ritz garantisce che: min ψ|H|ψ = φs f |H|φs f = Es f (4. In a linea di principio occorrerebbe conoscere la soluzione generale (ovvero per qualunque campo di densit` elettronica n(r)) di almeno un problema moa dello per determinare completamente il funzionale (4. Il teorema di Hohenberg e Kohn riguarda soltanto le propriet` di stato fona ` damentale di sistemi stazionari: non e possibile quindi trarre da esso informazioni su stati eccitati o su transizioni dipendenti dal tempo. a 2.

sia uguale a quella del sistema a 81 . La riformulazione variazionale del problema proposta da Kohn e Sham [67]. ed un sistema ausiliario di N particelle non interagenti in un campo esterno. descritto quindi dall’Hamiltoniana: H = T +W (4. costituito da N a fermioni interagenti e descritto dall’Hamiltoniana (4.58) ` Lo schema di Kohn e Sham e basato sull’assunzione che.34).54). Una simile formulazione e spes` so poco conveniente dal punto di vista numerico e. per il quale per` non si conosce una semplice o approssimazione in termini della sola densit` elettronica. la conoscenza del funzionale dell’energia cinetica. Inoltre la ricerca della densit` a di carica che minimizza il funzionale dell’energia.2 Lo schema di Kohn e Sham Lo schema di calcolo suggerito dal teorema di Hohenberg e Kohn richiede la ` minimizzazione diretta di un funzionale ed e quindi computazionalmente difficile. Il risultato centrale della teoria di Hohenberg e Kohn richiederebbe la mini` mizzazione diretta di un funzionale (4.4. anche. n(r). nella pratica. esista un opportuno potenziale esterno locale W tale che la densit` elettronica del sistema interagente. che per semplicit` chiamiamo reale. implica. Lo schema di Kohn e a Sham reintroducendo qualche informazione sulla funzione d’onda elettronica ci permette di approssimare questo termine. per ciascun sistema di fermioni interagenti. Consideriamo un sistema. permette u anche di chiarire ulteriormente il contenuto fisico. oltre a consentire una pi` semplice implementazione numerica della teoria. 3. e stata raramente implementata [66].4.4 Teoria del funzionale densit` a genere di problemi pu` essere trattato con successo in maniera perturbativa o a partire dai risultati della teoria di Hohenberg e Kohn [65]. 4.

` quest’ultima condizione non e necessaria.59) comporta che la densit` di carica di entrambi i sistemi a a possa essere espressa come la somma di densit` di carica a particella singola. La validit` della (4.Studio quantistico dei sistemi a molti corpi non interagente. cio` : e n(r) = n (r) (4.60) dove la somma comprende le autofunzioni corrispondenti agli N autovalori pi` u bassi ottenuti risolvendo l’equazione di Schr¨ dinger a particella singola: o − h ∂2 ¯ + w (r) φi (r) = εi φi (r) 2m ∂ r2 dove (ε1 < ε2 < . < εN ) ` Il funzionale di Hohenberg e Kohn associato al sistema ausiliario e: E [n] = T [n] + drw (r)n(r) (4. ma ci permette di rendere pi` semplice u la discussione. E’ ora chiaro che se esiste un sistema non interagente con le caratteristiche richieste.62) ` dove T [n] e il funzionale associato all’energia cinetica.63) (4. ed inoltre assumiamo che tanto il sistema reale quanto quello ausiliario posseggano uno stato fondamentale non degenere.61) (4.64) . cio` : a e N n(r) = n (r) = ∑ |φi (r)|2 i=1 (4. . Per costruzione E [n] assume valori identici al funzionale di Hohenberg e Kohn associato al sistema reale: E[n] = FHK [n] + 82 drw(r)n(r) (4. dal teorema di Hohenberg e Kohn segue che esso debba anche essere unico (altrimenti. .59) in particolare l’equazione di Kohn e Sham consente di determinate W . Assumiamo u che tale sistema non interagente esista. esisterebbero pi` di un funzionale per il sistema reale).

66) Adesso riscriviamo il funzionale di Hohenberg e Kohn per il sistema reale.67) otteniamo: δ T [n] + drδ n(r) w(r) + dr n(r )v(r.4 Teoria del funzionale densit` a Poich´ il sistema “non interagente” deve essere unico. essere un funzionale unico della densit` a a n(r). ciascuna autofunzione e soluzione della (4. r )n(r ) + EXC [n] L’equazione (4.4.70) (4.67) dr n(r)v(r. a sua volta. a Allo scopo di trovare il potenziale esterno cercato per il sistema ausiliario. cio` : e φi (r) = φi ([n].68) Da questa definizione possiamo evincere che. anche il funzionale di scambio e correlazione e un funzionale unico della densit` di carica. r) = 0 83 (4. aggiungendo e sottraendo opportune quantit` . come il funzionale di Hohenberg e ` Kohn. W .69) . r ) + vXC ([n].65) ed in conseguenza della (4. r )n(r ) − T [n] (4. r) (4.61) dovr` . come segue: a E[n] = T [n] + 1 + 2 dr drw(r)n(r)+ (4.67) definiscono il funzionale di scambio e correlazione: EXC [n] = FHK [n] − 1 2 dr n(r)v(r.64) insieme alla (4.63) anche l’energia cinetica “non interagente” sar` un a funzionale unico della densit` : a N T [n] = ∑ drφi∗ (r) − i=1 h2 ∂ 2 ¯ φi (r) 2m ∂ r2 (4. imponiamo che (come deve essere in prossimit` di un minimo) la variazione a prima di E[n] sia nulla: δ E[n] = 0 usando la (4.

in conseguenza della normalizzazione delle ` funzioni d’onda di particella singola. Osserviamo che.73) i=1 Inserendo quest’ultima relazione nella (4. il primo termine dell’ultima uguaglianza e nullo.70) e tenendo conto del fatto che le variazioni δ n(r) sono arbitrarie. r) = δ EXC [n] δ (r) (4.71) Calcoliamo la variazione prima del termine cinetico: δ T [n] = − =− N h2 N ¯ ∑ 2m i=1 h2 N ¯ ∑ 2m i=1 dr δ φ ∗ (r) dr δ φ ∗ (r) ∂ 2 φi (r) ∂ 2 δ φ (r) +φ∗ r ∂ r2 ∂ r2 ∂ 2 φi (r) ∂ 2 φ ∗ (r) + δ φ (r) ∂ r2 ∂ r2 = = =∑ N dr δ φ ∗ (r)(εi − w (r))φi (r) + δ φi (r)(εi − w (r))φi∗ (r) = dr εi − w (r) δ |φi (r)|2 = N i=1 =∑ i=1 N i=1 = ∑ εi δ dr|φi (r)|2 − ∑ drw (r)δ |φi (r)|2 (4.60). r) 84 (4. otteniamo finalmente l’equazione che ci fornisce il potenziale esterno cercato per il sistema non interagente: w (r) = w(r) + dr v(r. troviamo che la variazione del termine cinetico ı si riduce a: N δ T [n] = − ∑ drw (r)δ n(r) (4. Cos`.69) o nella (4.72) abbiamo fatto uso del secondo teorema di Green e nella sceonda abbiamo sostituito l’equazione (4. r )n(r ) + vXC ([n].61) e la sua complessa coniugata.Studio quantistico dei sistemi a molti corpi dove abbiamo introdotto il potenziale di scambio e correlazione definito come: vXC ([n]. utilizzando la (4.74) .72) i=1 Per la prima uguaglianza nella (4.

71) e (4. Infatti.75) ` L’equazione (4. Inoltre l’energia di scambio e correlazione (4. deve possedere anche una dipendenza funzionale dal campo della densit` . in quanto ci consente di ottenere le propriet` di un sistema interagente attraverso un’equazione di a Schr¨ dinger a particella singola. otteniamo un’equazione one-electron per gli orbitali a singola particella detta equazione di Kohn e Sham [68]: 1 − ∇2 + w (r) φi (r) = εi φi (r) 2 i (4. In altre parole w contiene.75) e un’equazione agli autovalori per un operatore non lineare. Lo schema di Kohn e Sham consiste nel risolvere l’equazione (4. che pure dipende localmente da r.68) contiene la differenza tra l’energia cinetica del sistema vero e quella del sistema non interagente (presumibilmente piccola) [66]. tutta l’ino formazione relativa alle complicate interazioni a molti corpi presenti nel sistema ` reale. risommata. si ha nuovamente un problema self-consistent agli 85 . l’operatore Schr¨ dino o ger-like dipende esso stesso dalle soluzioni.61) per una particella singola con la prescrizione (4.60). in modo da poter incorporare l’effetto delle interazioni a con tutti gli altri fermioni del sistema.4 Teoria del funzionale densit` a in termini del potenziale esterno e del potenziale colombiano per il sistema reale oltre che del potenziale di scambio e correlazione.74) risulta evidente ` a che il potenziale w e esso stesso un funzionale della densit` elettronica. Dalla minimizzazione del funzionale dell’energia. Il risultato di questa risomma e che il potenziale w relativo all’interazione di un elettrone con i nuclei viene indebolito.74). come si pu` vedere dalle espressioni (4. Dalla (4. e imponendo che la densit` sia ottenuta attraverso un sistema a a associato di elettroni non interagenti. Quindi in modo analogo all’approssimazione di Hartree-Fock.74) per w . tenendo conto del vincolo sulla densit` (4. Per questa ragione w . Questa quantit` pu` quindi esa o sere interpretata come un potenziale efficace a particella singola. dalla presenza della carica negativa di tutti gli altri elettroni del sistema.4. schermato.

4.75). Si determina il set degli N singoli orbitali elettronici che soddisfano l’equazione (4. la teoria del funzionale densit` continua ad essere una teoria ı a esatta. Se |w1 − w0 | e pi` grande di un pre-assegnato (piccolo) valore si torna al secondo passo e cos` via fino alla convergenza. ı Bisogna evidenziare un aspetto molto importante. Si parte da una densit` di carica iniziale o.60). ` u 5. Si costruisce il nuovo potenziale efficace w1 .75) sono quegli stati che serviranno per la costruzione del determinante di Slater relativo alla descrizione dello stato fondamentale del sistema di riferimento. Gli stati di Kohn e Sham che si ottengono risolvendo l’equazione (4.Studio quantistico dei sistemi a molti corpi autovalori risolto con la seguente procedura: 1. 2. Quest’ultimo condivide con il sistema vero soltanto la densit` di carica dello stato fondamentale e nient’altro. Cos` facendo. 86 . Si costruisce la nuova densit` a partire dall’equazione (4.4. 3. viene trasferito e risommato nella grandezza EXC . Ci` premesso a volte essi vengono o interpretati come stati a singola particella in un campo medio. da un potena ziale efficace di Kohn e Sham w0 . l’errore commesso nella valutazione del funzionale dell’energia cinetica. equivalentemente. Tutto ci` a o ci impedisce di dare un significato fisico ai singoli stati di Kohn e Sham che possono essere visti esclusivamente come uno strumento matematico di ausilio per la risoluzione del problema originario. a 4.3 Il funzionale di scambio e correlazione Come abbiamo visto nella precedente sezione lo schema di Kohn e Sham non introduce alcuna approssimazione in quanto.

La a qualit` dei calcoli DFT dipende esclusivamente dalla qualit` dell’approssimazione a a del funzionale di scambio e correlazione e la risultante energia di scambio e correlazione. L’esatta forma del funzionale di scambio e cor` relazione. a εXC [n(r)]. Il risultato ottenuto con il funzionale esatto. coinciderebbe con la corretta soluzione per lo stato fondamentale dell’equazione di Schr¨ dinger per il o sistema di elettroni interagenti. probabilmente sarebbe molto o complessa e soprattutto avremmo una dipendenza non-locale dalla densit` . le regole di somma per le buche di scambio e correlazione (una buca di scambio e correlazione descrive lo svuotamento rinormalizzato della densit` elettronica nello spazio quando. Qui il funzionale EXC viene calcolato assumendo che. l’energia di scambio e correlazione di un punto dello spazio ` con una data densit` elettronica e uguale all’energia di scambio e correlazione. Integrando nello a spazio si ha EXC = = εXC [n(r)]n(r)dr = (4. non e nota ma. piuttosto che elettroni indipendenti.76) εX [n(r)]n(r)dr + 87 εc [n(r)]n(r)dr .4. si a considerano elettroni interagenti).4 Teoria del funzionale densit` a ` Adesso e possibile distinguere due casi: un primo caso in cui viene fatta l’ipotesi che il funzionale di scambio e correlazione sia esatto e corrispondente alla situazione reale in cui si dispone soltanto di un’approssimazione di tale funzione. Tra queste ricordiamo. di un gas omogeneo di elettroni alla stessa densit` . anche se lo fosse. EXC . per` . Sfortunatamente non esistono delle strategie da seguire per ottenere e migliorare la forma del funzionale EXC . comunque. Una delle approssimazioni pi` usate per il potenziale di scambio e correlazione u ` e la Local Density Approximation (LDA) [68]. Queste regole possono essere usate come a linee guida per lo sviluppo del funzionale di scambio e correlazione. ci sono alcuni vincoli fisici che un funzionale della densit` deve rispettare. ad esempio.

portano a risultati in buon accordo con gli esperimenti. metallici e ionici ad esempio) tali errori risultano poco importanti per cui.Studio quantistico dei sistemi a molti corpi La parte di scambio εX [n(r)] viene espressa sulla base del risultato teorico di Bloch e Dirac: εX [n(r)] = 3 4 3 3n(r) π (4. In altri sistemi (sistemi debolmente legati in cui si hanno legami ad idrogeno e/o di Van der Waals) questi errori sono molto importanti. Infine. In particolare. In alcuni sistemi (covalenti. angoli e lunghezze sono calcolati con un errore di pochi punti percentuali. invece. il modulo di bulk e le frequenze fononiche sono in accordo con gli esperimenti con un errore di pochi punti percentuali. Sono state sviluppate nuove approssimazioni per EXC che migliorano l’informazione sulla densit` locale contenuta in LDA con una misura dell’inomogeneit` a a locale del sistema data da s(r) = |∇n(r)| n(r)4/3 (4. usando LDA per il funzionale di scambio e correlazione. le propriet` a strutturali e vibrazionali dei solidi sono accuratamente descritte: si trova che la ` corretta struttura cristallina e quella con la pi` bassa energia. Nonostante ci` . ma il suo valore viene ricavato di volta in volta fittando i risultati di calcoli energetici per gas omogenei di elettroni. Per i semiconduttori si sottostima il gap energetico tra la banda di valenza e la banda di conduzione. Si sovrastima (di ∼ 20% e anche pi` ) l’energia di coesione u e conseguentemente si ha una sottostima della lunghezza di legame rispetto al valore sperimentale. Per il termine di correlazione. Calcoli DFT.77) e viene chiamato scambio di Slater data la somiglianza con l’approssimazione di Slater per lo scambio in Hartree-Fock. la densit` elettronica del sistema risulta essere pi` a u omogenea rispetto a quella effettiva. La lunghezza di u legame. non esistono espressioni esplicite. LDA presenta o anche degli svantaggi.78) 88 .

Yang e Parr [70]. Uno dei primi funzionali di scambio. il legame idrogeno. fu proposto da Becke [69] e prende il nome di B88. energia di ionizzazione. noto come LYP. un funzionale ibrido di scambio e correlazione costruito come una combinazione di pi` termini: u B3LY LDA exact B88 LDA LY EXC P = (1 − a)Ex + aEX + b∆EX + (1 − c)EC + cEC P (4. a. s(r))dr (4. per lo studio di sistemi composti da ioni 89 .79) Funzionali GC portano ad una migliore valutazione per le energie atomiche ed energie di legame rispetto a LDA con un modesto addizionale sforzo computazionale.4. Analisi comparative hanno mostrato che per sistemi di media-piccola grandez` za il funzionale B3LYP e il pi` efficiente nel descrivere le propriet` fisiche e u a chimiche quali entalpia di formazione. b e c. b = 0.20.80) I tre parametri.5 Dinamica molecolare ab initio Queste nuove approssimazioni dette Gradient Corrected (GC) hanno la forma generale: GC LDA EXC = EXC + f (n(r). detto dinamica molecolare ab initio.72. appartenente alla famiglia dei GC. Della stessa famiglia fa parte il funzionale di correlazione proposto da Lee. Un ulteriore perfezionamento del BLYP e il B3LYP [71] (o BLYP a 3 parametri). energia di protonazione e geometrie ottimizzate [51]. vengono ottenuti fittando dati sperimentali di gas nobili e sono a = 0.5 Dinamica molecolare ab initio Nel 1985 Car e Parrinello [72] proposero un approccio radicalmente innovativo. che viene spesso utilizzato in combinazione con il funzionale B88. In particolare portano ad una buona descrizione dei legami deboli come. ad esempio. dando luogo ` al funzionale BLYP.81. c = 0. 4.

{αv })] con {RI } sono indicate le coordinate nucleari e {αv } sono tutti i possibili vincoli esterni imposti sul sistema. che include i nuclei esterni e i contributi di scambio e correlazione. {RI } . Nella CP vengono assunte la validit` dell’approssimazione di Born-Oppenheimer a e la possibilit` di descrivere in maniera classica i gradi di libert` relativi ai nua a clei. Il metodo di Car e Parrinello (CP) e. Abbiamo gi` visto che la MD richiede un modello per il potenziale relativo ala ` l’interazione efficace classica tra gli atomi. Il funzionale U contiene la repulsione internucleare coulombiana e l’energia potenziale elettronica efficace.82) 2 I v ` dove µ e una massa fittizia associata ai gradi di libert` elettronici. quanto a sulla dinamica molecolare classica (MD). {αv}] (4. {RI }. ovvero a partire da una descrizione microscopica in termini di interazioni fondamentali. mentre E e uguale a: E[{ψi }. {αv }] = ∑ i h2 2 ¯ ψ (r)d r − ∇ ψi (r)+ 2m ∗ 3 (4.83) +U[n(r). Di conseguenza si ottengono equazioni classiche per il moto dei nuclei che contengono l’accoppiamento con gli elettroni attraverso un termine di forza di Hellmann-Feynmann. come il volume.81) ` La descrizione del sistema ioni ed elettroni interagenti e fatta introducendo una pseudodinamica generata dalla lagrangiana fittizia: 1 L= µ∑ 2 i ˙ |ψi |2 d 3 r + 1 ˙I 1 ˙ ∑ MI R2 + 2 ∑ µvαv2 − E[{ψi} . con la densit` a di carica fornita dalla 4.Studio quantistico dei sistemi a molti corpi ed elettroni e fondato tanto sulla teoria del funzionale della densit` (DFT). 90 . vengono descritti nello schema di Kohn e Sham in termini di funzioni d’onda a particella singola. Gli elettroni. MI sono le a ` masse ioniche. {RI }. invece. ψi . in grado di determinare ab initio.60: N n(r) = ∑ |ψi (r)|2 i=1 (4. al contrario. le interazioni atomiche efficaci. etc.

Una volta a raggiunta T = 0.t) = − δE + Λik ψk (r.4.t)d 3 r = δi j (4. E’ allora possibile fissare un temperatura fittizia iniziale T > 0 e assegnare le posizioni iniziali degli ioni.t) ∑ k (4.82) genera una dinamica per {ψi }.85) e (4.85-4. La dinamica ionica (4.84).87) sono fittizie e non hanno nulla a che vedere con la dinamica reale dei gradi di libert` a elettronici e dei vincoli. cio` variamo le vee locit` del sistema.5 Dinamica molecolare ab initio Le ψi sono soggette ai vincoli olonomi (cio` indipendenti dal tempo): e ψi∗ (r.t)ψ j (r. {RI } e {αv } le cui equazioni del moto sono ¨ µ ψ(r. l’energia cinetica sar` nulla e si avr` contemporaneamente: a a ¨ ¨ ψ i = 0 e RI = 0 91 (4.85) e (4.88) Possiamo calcolare il valore d’equilibrio dell’energia cinetica classica come una media temporale sulle traiettorie generate dall’equazioni del moto (4.86) descrive realmente il moto ionico nell’approssimazione di Born-Oppenheimer. a questo punto integriamo passo dopo passo le equazioni (4.84) La lagrangiana (4.87) e collegarle alla temperatura del sistema attraverso un’adatta normalizzazione.t) δ ψi∗ (r. e facciamo tendere a zero la temperatura fittizia.87) ¨ MI RI = −∇RI E ¨ µv αv = − ∂E ∂ αv dove Λik sono moltiplicatori di Lagrange introdotti per soddisfare i vincoli (4.89) . mentre le dinamiche associate con le (4.86) (4.86) e “raffreddiamo” progressivamente il sistema. La lagrangiana CP definisce un’energia potenziale E e un energia cinetica classica K data da: 1 K = Kel + Kion = µ ∑ 2 i ˙ |ψi |2 d 3 r + 1 ˙I 1 ˙ ∑ MI R2 + 2 ∑ µvαv2 2 I v (4.85) (4.

Tel e Tion . ionica ed elettronica. all’equazione di Kohn e Sham (4. in cui ` una funzione oggetto O({β }) e minimizzata rispetto al parametro {β }.85) e identica.85) e (4. e le posizioni ioniche e/o le {αv }. In pratica il sistema viene condotto per mezzo di una tecnica detta di Dynamical Simuleated Annealing (DSA) verso il minimo assoluto dell’energia totale. consentendo la determinazione simultanea delle posizioni di equilibrio per gli ioni e delle propriet` elettroniche a T = 0. Un’ulteriore evoluzione del metodo CP prevede l’accoppiamento di elettroni e ioni a due differenti termostati di Nos´ -Hoover. Inoltre quest’approccio permette di studiare le propriet` a del sistema anche ad una temperatura finita. del sistema. Per T → 0 lo stato con il pi` basso O({β }) viene raggiunto senza che il sistema resti intrappolato u all’interno di uno stato metastabile. Car e Parrinello hanno visto che il Simulated Annealing basato su MD. scelta una base conveniente. che mantengono i due sottoe sistemi a due temperature differenti. piuttosto che sul metodo Monte Carlo.75). All’equilibrio la (4. entro una trasformazione unitaria. esplora lo spazio delle fasi in modo pi` efficiente nel caso del funu zionale di Kohn e Sham. generando una successione di configurazioni {β } con una distribuzione di probabilit` con a peso alla Boltzmann attraverso una procedura Monte Carlo. e gli autovalori della matrice Λ coincidono con gli autovalori di Kohn e Sham degli orbitali occupati. a ` La DSA e una delle possibili realizzazioni del cosidetto metodo del Simuleated Annealing che serve per risolvere problemi complessi di minimizzazione.Studio quantistico dei sistemi a molti corpi cos` che le equazioni (4. ` Nel caso della CP la funzione O e il funzionale energia totale e i parametri variazionali sono i coefficienti dell’espansione di Kohn e Sham sugli orbitali.86) garantiranno il raggiungimento del minimo ı per il funzionale elettronico e il raggiungimento delle posizioni di equilibrio per ` gli ioni. Poich´ l’accoppiamento tra i due e 92 . Solo quando queste condizioni sono soddisfatte la lagrangiana CP descrive un sistema fisico reale.

ed escludendo il resto. mantenendo. adoperando un modello ridotto dello stesso. In questo caso il sistema e troppo grande perch` e si possa trattare con un approccio quantomeccanico. che ha inizio con gli studi di Warshel e Levitt [73] e di Singh e Kollman [74]. Spesso si tenta di simulare il sistema. ma. per esempio simulando esclusivamente il sito catalitico o di legame ad un metallo. come abbiamo visto. pur lasciando finita Tion . Inoltre con i metodi classici non siamo in grado di descrivere neppure in maniera approssimata la rottura e la formazione di un legame chimico. Per questo motivo negli ultimi anni sono stati sviluppati metodi ibridi detti QM/MM (Quantum Mechanics/Molecular Mechanics) che suddividono il sistema in due parti trattando una parte mediante metodi QM e una parte mediante una metodologia classica MM. ad ogni istante di tempo nel corso della simulazione. o tra proteine e solvente. Questo consente. il sottosistema elettronico in prossimit` del minimo del funzionale a della densit` corrispondente alla posizione degli ioni allo stesso tempo. segue come linea generale l’idea che un si93 .6 Metodi ibridi QM/MM ` ` sottosistemi e adiabatico. di simulare l’evoluzione dinamica degli ioni a temperatura finita.4. a 4. Lo sviluppo dei metodi ibridi QM/MM. e possibile mantenere Tel sempre piccola. Potremmo pensare di utilizzare la dinamica molecolare classica per studiare tali sistemi nella loro interezza. in pratica. questi metodi si basano sulla conoscenza e sulla giusta parametrizzazione del ff. Ci` per` non tiene in considerazione le interazioni con il resto del sistema che o o possono determinare cambiamenti strutturali importanti.6 Metodi ibridi QM/MM ` Spesso quando il sistema che vogliamo studiare e una molecola biologica co` me un peptide e necessario tener conto anche dell’interazione con il solvente o ` con altre molecole biologiche. per esempio quando c’` e una interazione con il substrato.

La situazione pi` semplice e quando le due regioni u 94 .Studio quantistico dei sistemi a molti corpi stema composto da centinaia o migliaia di atomi possa essere suddiviso (Fig. la partizione pu` essere fatta dividendo l’Hamiltoniana e le risultanti o energie in tre parti: Htot = HQM + HMM + HQM/MM Etot = EQM + EMM + EQM/MM (4.2) in una regione elettronicamente “importante” che richiede un trattamento quantomeccanico e che la parte rimanente agisce sulla prima in modo perturbativo e ammetta una descrizione classica. Formalmente.91) Il problema principale con lo schema QM/MM deriva dal termine d’interazione ` fra le due regioni (HQM/MM ). In teoria la divisione tra le due regioni potrebbe ` sembrare piuttosto semplice e netta ma raramente e possibile scrivere l’Hamiltoniana totale del sistema in termini di due sottosistemi non interagenti. Molto spesso infatti le interazioni tra i due sottosistemi sono abbastanza forti da rendere necessari dei trattamenti particolari nella zona di confine tra la QM e la MM.4. La perturbazione pu` essere sia meccanica. e includere effetti elettronici come interazione elettrostatica e polarizzazione. ad o Figura 4.90) (4.2: Schematizzazione della partizione esempio quando le forze della regione classica costringono la regione quantistica in una particolare geometria.

Ad ogni atomo QM sono associati dei parametri di Van der Waals che sono utilizzati in un’espressione simile a quella gi` vista nel caso della dinamica a molecolare classica. j agli atomi della regione ` ` MM. cio` . mentre nel caso in cui le due regioni siano connesse da legami covalenti la situazione si complica notevolmente. In questo u caso. e vice versa.4. (modellizzata attraverso un potenziale di tipo LJ). Ri e il vettore posizione associato all’i-esimo nucleo QM ed r j e il vettore posizione associato al j-esimo atomo MM. cio` : e N M 12 6 HQM/MM = ∑ ∑ 4εi j i j σi j |Ri − r j | − σi j |Ri − r j | (4. dove gli atomi nella regione MM possono polarizzare la regione QM. Il modello di accoppiamento meccanico e un utile livello di approssimazione quando le funzioni d’onda della regione QM non sono modificate dai cambiamenti nella regione MM. Le cariche parziali sugli atomi MM possono essere inserite nell’Hamiltoniana QM e gli atomi QM sentono il potenziale elettrico dovuto a tutti gli atomi MM. Questo livello di approssimazione tiene conto di quei cambiamenti geometrici nel95 .6 Metodi ibridi QM/MM non sono connesse da legami covalenti. cio` : e N M qj Zi q j HQM/MM = − ∑ ∑ +∑∑ i j |Ri − r j | l j |xl − r j | n M (4.92) ` dove l’indice i e associato ai nuclei della regione QM. Se le due regioni sono unite da legami chimici ci sono dei termini aggiuntivi corrispondenti alle interazioni di stretching ` e bending. ma non c’` nessuna interazione tra le parti elettroniche delle e due regioni. xl e il vettore posizione as` sociato all’l-esimo elettrone QM e Zi e la carica associata all’i-esimo nucleo QM. ` Il livello pi` basso d’interazione e detto mechanical embedding.93) ` ` dove q j e la carica parziale associata agli atomi MM. gli atomi QM sentono forze aggiuntive generate dalla struttura e MM. ` Il livello successivo di approssimazione e detto electronic embedding. solo le energie steriche e di bond delle due regioni sono incluse nei termini d’interazione.

Studio quantistico dei sistemi a molti corpi la regione MM che hanno effetto sulla regione QM. dato che necessita di una procedura doppiamente iterativa dovuta al fatto che tanto il campo elettrico della regione QM quanto quello MM devono essere determinati in maniera auto consistente.4.3: Schema delle regioni QM e MM divise da un legame covalente ` La Fig. Un ulteriore termine pu` essere incluso assumendo che gli atomi QM polaro izzano anche la regione MM. l’unica eccezione e il metodo dei frammenti effettivi. e richiede naturalmente uno sforzo computazionale aggiuntivo. cio` il campo elettrico generato dalla regione QM e influenzi il momento elettrico MM. dove sia il momento di quadrupolo che le polarizzabilit` sono incluse per a gli atomi MM [51].3 presenta schematicamente la situazione in cui e presente un legame ad esempio di tipo covalente tra gli atomi delle regione QM e quelli nella regione MM. Questo termine prende il nome di polarizable embedding. Figura 4. cio` accoppiano la funzione e d’onda QM alla geometria MM. In generale deve essere conservata sia la valenza della regione QM che la 96 . La maggior parte dei metodi QM/MM implementati a tutt’oggi utilizzano l’ap` prossimazione electronic embedding.

Nei casi in cui ci sono legami o forti interazioni ioniche tra i sot` tosistemi e necessario introdurre particolari accorgimenti per i calcoli QM come ad esempio i link atoms o particolari condizioni per la boundary region (regione di confine). In questo metodo vengono introdotti atomi fittizi che formano un legame Figura 4.4. Questi atomi legati soddisfano la valenza degli atomi QM. In generale si tenter` di scegliere la regione di cona ` nessione in modo che non ci siano legami covalenti tra i due sottosistemi. 97 . La prima descrizione della rappresentazione di legame covalente tra un atomo nella regione QM e uno nella regione MM venne effettuata da Warshel e Levitt che utilizzarono degli orbitali ibridi sull’atomo MM [73].4. L’approccio pi` comunemente utilizzato per trattare la terminazione di siti che u ` presentano legami covalenti e il metodo dei link atoms [73] schematizzato nella Fig. il metodo EFP [76] e il metodo GHO [77].4.4: Schema del link atoms covalente interno alla regione QM in modo da mimare il legame con la regione MM.6 Metodi ibridi QM/MM geometria del sistema MM. Oltre a queste metodologie pi` comunemente utilizzate sono stati u sviluppati altri metodi come il metodo EVB [75]. ma e facile immaginare che la maggior parte dei sistemi organici non siano riducibili a questa categoria.

` Il metodo LSCF e un modo piuttosto elegante per terminare la distribuzione di carica nella regione QM senza introdurre atomi aggiuntivi nel sistema. L’energia con LSCF e pi` sensibile a fattori come le dimensioni della parte QM. l’energia di interazione elettrostatica e ottenuta da calcoli quantomeccanici sugli atomi QM insieme ai link atoms in presenza di tutte le cariche parziali MM escluse quelle prodotte dai link atoms. il valore delle cariche MM sull’atomo di frontiera MM e la 98 . l’energia e le forze e risultano dai termini energetici di legame. Chiaramente il metodo rappresenta solo un approccio approssimato perch´ e viene introdotta una perturbazione nel sistema. Possono essere utilizzati anche altri atomi o gruppi funzionali come gli alogeni o i gruppi metile. ma si dimostra particolarmente utile quando i link atoms sono relativamente lontani rispetto agli atomi che partecipano a reazioni chimiche e/o a legami con substrati. Un altro tipo di approccio molto utilizzato tratta i legami costringendo la soluzione a tener conto dei legami che precedentemente sono stati omessi.Studio quantistico dei sistemi a molti corpi ` L’atomo di idrogeno e il pi` utilizzato a questo scopo che viene inserito lungo u ` il legame QM/MM che e stato rotto. I link atoms sono trattati ` in maniera esatta nei calcoli QM ma non e permesso loro di interagire con gli atomi MM (` come se risultassero invisibili agli atomi MM). le interazioni di Van der Waals nella regione tra QM e MM sono determinati come se l’intero sistema fosse classico. I termini elettrostatici e di Van der Waals che si considerano di non-legame sono trattati separatamente: 1.4. ` 2. ma i calcoli ` [79] sull’energia dimostrano che questo metodo e meno robusto rispetto a quello ` u degli atomi legati.5). Un ` primo metodo di questo tipo e il cosiddetto local self-consistent field (LSCF) [78] che utilizza orbitali di legame localizzati o (frozen orbital) ottenuti attraverso un’adeguata parametrizzazione degli orbitali lungo il legame QM/MM (Fig.

I vari contributi energetici vengono calcolati per mezzo di appropriate correzioni ottenute semplicemente aggiungendo e sottraendo alcuni termini.6. In questo caso i calcoli fatti su varie regioni della molecola sono trattati con vari livelli di approssimazione. Il metodo permette per` la delocalizzazione elettronica su un numero pi` piccolo di orbitali o u ` molecolari. se il legame di ` frontiera e lontano dal sito che subisce modificazioni chimiche i due metodi sono ` u ` equivalenti. Gli orbitali ibridi attivi sono ottimizzati con calcoli quantomeccanici mentre la ` densit` di carica degli orbitali ausiliari e definita dal potenziale MM.5: Schematizzazione del frozen orbital scelta della popolazione elettronica sugli orbitali di legame localizzati. 4.4.6 Metodi ibridi QM/MM Figura 4. Se il frammento quantico e piccolo o se la densit` di carica sull’atomo a ` di frontiera e alta conviene utilizzare il metodo degli atomi legati. ma l’LSCF e pi` semplice perch´ non e necessario introdurre vincoli e negli orbitali di frontiera per mantenere le propriet` geometriche.1 Il metodo a “strati di cipolla” ONIOM ` Una formulazione alternativa della QM/MM e il metodo di estrapolazione o sottrazione dell’energia. Rispetto al a ` metodo LSCF non e necessario riparametrizzare ogni volta il sistema. a Nel metodo generalized hybrid orbital (GHO) gli orbitali ibridi sugli atomi tra le regione QM e la regione MM vengono divisi in orbitali attivi e orbitali ausiliari. 99 .

Lo scopo e quello di descrivere il sistema reale al livello pi` alto u Figura 4. In un secondo metodo sono combinate due tecniche differenti basate su un approccio quantistico a vari livelli (IMOMO) [81].6: Rappresentazione schematica di un partizionamento ONIOM Su questa linea sono stati proposti vari metodi il primo dei quali combina una tecnica basata su un approccio orbitale (quantistico) con una tecnica MM (IMOMM) [80].7 fornisce uno schema del metodo di estrapolazione ` dell’energia.7: Schema di estrapolazione per un sistema partizionato in due e tre strati 100 .4.4. La Fig.6). La tecnica ` ONIOM (Our OwN n-layered Integrated MO and MM) [82] e una combinazione ` di queste tecniche in cui il sistema e suddiviso in due o pi` strati trattati a vari u livelli di approssimazione (Fig.Studio quantistico dei sistemi a molti corpi Figura 4. L’idea base [83] di questa tecnica pu` essere o spiegata in modo semplice considerando il caso in cui il sistema viene diviso in due e tre regioni.

intermediate + + Emedium.96) (4.small ` Una caratteristica importante di questo schema e legata al trattamento dei link atoms (Fig.model (4. descritto da R1 e dai link atoms R2 .4. R3 ) 101 (4.4.95) Per generare il sistema modello. rispettivamente. R3 . Per un sistema suddiviso in tre strati. Nel sistema reale sono sostituiti dagli atomi descritti dal vettore R3 . Gli atomi che appartengono allo strato esterno e non sono sostituiti dai link atoms sono contenuti nel set 4 e sono descritti dal vettore R4 .real − Elow. Gli atomi presenti sia nel sistema modello che nel sistema reale costituiscono il set 1 e le loro coordinate sono rappresentate attraverso il vettore R1 .97) . si definisce R2 in funzione di R1 ed R3 : R2 = f (R1 . R4 ) (4. R3 .6 Metodi ibridi QM/MM della teoria (quantistico). R4 che sono variabili indipendenti per l’energia ONIOM: EONIOM = EONIOM (R1 . Il set 2 include gli atomi che vengono introdotti artificialmente attraverso i link atoms. cio` il punto 4 nel caso che il sistema sia suddiviso in e ` due strati oppure il punto 9 se il sistema e suddiviso in tre strati. Nel caso di due ` strati.real − Elow. ` La geometria del sistema reale e quindi descritta dai vettori R1 .94) ` u dove E3 e l’energia dell’intero sistema (real) calcolata al livello pi` basso (MM) ed E1 e E2 sono le energie del sistema modello determinate al livello basso (MM) e al livello alto (QM).intermediate − Emedium. ` l’espressione per l’energia EONIOM e data da: EONIOM =E6 − E3 + E5 − E2 + E4 = Elow.8). l’energia totale estrapolata EONIOM e definita come: EONIOM = E3 − E1 + E2 = Elow.model + Ehigh. Questi ultimi sono presenti solo nel sistema modello e le loro coordinate sono descritte dal vettore R2 .small + Ehigh.

Quindi. Lo ` schema d’accoppiamento e il seguente: sia A un atomo appartenente al set 1 e B un atomo appartenente al set 3. In termini delle coordinate interne scegliamo le stesse coordinate di bond e gli stessi angoli e diedri per gli atomi del set 2 equivalenti a quelli del set 3.4. ottenendo: r2 = r1 + g(r3 − r1 ) (4. ed H un atomo appartenente al set 2 (Fig.8) posto lungo l’asse di legame A-B. anche la distanza di legame A-H |r2 − r1 | cambier` .98) In questo modo se la distanza di legame A-B |r3 − r1 | cambia durante la simulazione.Studio quantistico dei sistemi a molti corpi Figura 4. considerando il fatto che i link atoms vengono introdotti per mimare i corrispondenti legami covalenti del sistema reale. dobbiamo in qualche modo simulare i movimenti degli atomi che vengono sostituiti.8: Definizione dei differenti set di atomi La forma funzionale esplicita della dipendenza di R2 pu` essere scelta in maniera o del tutto arbitraria. La scelta del parametro a g dipende in maniera cruciale dalla natura del legame spezzato. e pu` dipendere o anche dal livello di teoria usato per descrivere i due strati che sono connessi dal legame tagliato. si introduce un fattore di scala fisso g. Per l’esatta posizione r2 di un singolo atomo H lungo un bond A-B (r3 − r1 ). nel sistema modello i link atoms sono sempre allineati al vettore di bond del sistema reale. Tuttavia. 102 .

.

43]. viste le alte concentrazioni di Cu2+ . sembrano essere un “serbatoio metallico”. presenti nelle cellule dei malati di AD. Nel caso dell’Aβ gli ioni Zn2+ e Cu2+ sembrano avere un ruolo nel processo di misfolding e nella formazione delle fibrille. Focalizzeremo la nostra attenzione esclusivamente sull’interazione tra Zn2+ e Aβ . identificato come il minimo ` frammento coinvolto nel legame con il metallo [43]. ` L’obiettivo e quello di analizzare la coordinazione dello ione Zn2+ . l’interazione con il frammento peptidico Aβ1−16 .2 le placche. Alcuni sembrano indicare un possibile ruolo dello ione Zn2+ nella formazione degli aggregati iniziali [42. la cui sequenza e: NH3+ -DAEFRHDSGYEVHHQL-COO− ` Lo studio in silico di questo sistema e stato suddiviso in due fasi: 104 . in quanto i dati sperimentali attualmente disponibili non forniscono una chiara interpretazione del suo ruolo. mentre altri nel processo del misfolding [44]. e Fe3+ . in particolare.Capitolo 5 Simulazioni di dinamica molecolare classica Come abbiamo visto nel Cap. Zn2+ .

5.1 Operazioni preliminari 1.15 2.3.10 2.10 2. servendoci del programma GaussView.1 Operazioni preliminari Sistema Zn2+ -Aβ1−16 ` Il nostro primo passo e stato quello di simulare il sistema Zn2+ -Aβ1−16 senza solvatare il sistema utilizzando l’algoritmo di dinamica molecolare classica implementato nel programma open source Gromacs 3. sulla base di dati precedentemente ottenuti attraverso un ottimizzazione geometrica DFT. ` 2. Per la modelliz` zazione del sistema e stata usata la struttura NMR [44]. generando la sfera di Atomi Nδ (His-6) O1(Glu-11) O2(Glu-11) Nε(His-13) Nδ (His-14) ˚ ri (A) 2.11 2. Simulazioni ONIOM in cui la regione quantistica e trattata con DFT. Inoltre.1: Distanza dallo Zn2+ degli atomi che si trovano inizialmente nella sfera di coordinazione del metallo 105 . abbiamo modificato il sito di coordinazione metallico. In questo capitolo mostriamo i risultati sperimentali ottenuti attraverso simulazioni di dinamica molecolare classica. 5.3 [84]. Simulazioni di dinamica molecolare classica nell’ensemble NVT. disponibile sul Protein Data Bank (PDB) (ID: 1ZE9).29 Tabella 5.

ssa Marino presso l’Universit` della Calabria. 2 I numeri accanto al nome dell’amminoacido cui l’atomo appartiene indicano la posizione lungo la sequenza di Aβ . basandoci su dati sug` geriti dalla referenza [89]. a • Infine. accoppiandolo ad termostato di Nos´ e ˚ ` sfera di coordinazione si intende una sfera di raggio 2.3) per gli atomi che noi riteniamo “legati” allo ione metallico. per verificare quali di questi meglio simulasse l’interazione ione-peptide. come OPLS [85] e Gromos96 [86] oltre a CHARMM27 [87] ` che non e presente nel pacchetto.5Aal cui centro e posto lo Zn2+ . suggeriti da calcoli quantomeccanici DFT.3. 1 Con 106 .2) ed angles (Tabella 5. A questo punto il sistema e stato termalizzato. • Nel secondo set abbiamo inserito invece i legami chimici (nel file di topologia (. prima di effettuare la dinamica.4) per lo ione metallico. alcuni gi` presenti nel paccheta to di Gromacs 3. il sistema e stato sottoposto ad una minimizzazione classica usando la tecnica del Conjugate Gra` dient (CG) (Appendice F). 3 σ si ottiene attraverso una media aritmetica dei σ dei singoli atomi. effettuati in precedenza dalla dott. A questo punto abbiamo testato vari force field. ed ε si ottiene ij ii ij attraverso una media geometrica degli εii . e dalla referenza [88].12 . abbiamo modificato i parametri di LJ (Tabella 5. I parametri di bond (Tabella 5. ` In tutti i casi in studio.Simulazioni di dinamica molecolare classica coordinazione1 iniziale del metallo riassunta nella Tabella 5. oltre ad aggiungere i parametri di bond ed angle. Per ogni force field abbiamo inserito gradualmente le interazioni tra ione metallico e leganti: • Nel primo set di simulazioni non abbiamo inserito i legami chimici dello ione metallico con i liganti quindi l’unica interazione tra lo Zn2+ e il peptide ` e data dalle interazioni nonbonded (Van der Walls ed elettrostatiche). aumentando in modo graduale la temperatura.3.top)). Il calcolo dei parametri di LJ e stato effettuato utilizzando la regola di Lorentz-Bertelot [90]3 .

0 112.0 110.3 48.8.0 126.0 110.0 126.766 Tabella 5.0 126.3 48.0 110.0 112.157 ε(kJ · mol −1 ) 0.0 110.0 110.196 0.4: Parametri di LJ per lo Zn2+ 107 .8.0 Kϑ (kJ · mol −1 · rad −2 ) 414.3: Valori dell’angolo d’equilibrio e costante di forza angolare per gli atomi legati allo Zn2+ σ (nm) Zn2+ 0.2: Valori della distanza d’equilibrio e costante elastica per gli atomi legati allo Zn2+ Atomi Nδ (His-6)-Zn2+ -Nε(His-13) Nδ (His-6)-Zn2+ -Nδ (His-14) Nε(His-13)-Zn2+ -Nδ (His-14) Cε(His-6)-Nδ (His-6)-Zn2+ Cγ(His-6)-Nε(His-6)-Zn2+ Cε(His-13)-Nδ (His-13)-Zn2+ Cδ (His-13)-Nε(His-13)-Zn2+ Cγ(His-14)-Nδ (His-14)-Zn2+ Cε(His-14)-Nδ (His-6)-Zn2+ O1(Glu-11)-Zn2+ -Nδ (His-6) O1(Glu-11)-Zn2+ -Nε(His-13) O1(Glu-11)-Zn2+ -Nδ (His-14) ϑ0 (deg) 110.8.0 414.0 48.0 112.205 Kb (kJ · mol −1 · nm−2 ) 41402 55202 41402 41402 Tabella 5.205 0.205 0.0 126.3 Tabella 5.0 126.0 414.0 110.0 110.1 Operazioni preliminari Atomi Nδ (His-6) O1(Glu-11) Nε(His-13) Nδ (His-14) b0 (nm) 0.8.0 126.5.0 110.8.8.

108 .5.◦ atomi Passo di integrazione (dt) Numero di passi Long Range Coulomb Long Range VdW Termostato Constraint Dimensioni Box 257 0. angle (Tabella 5.2ps) e LINCS (h-bonds) (6. Fourierspacing = 0. Inoltre abbiamo applicato restrizioni geometriche esclusivamente sui legami idrogeno presenti nel sistema utilizzando l’algoritmo di LINCS.18 × 6. imponendo lo stesso raggio di cutoff dei LJ. Le intera` zioni di LJ a lungo range sono state trattate imponendo un raggio di cutoff.Simulazioni di dinamica molecolare classica Hoover.18)nm3 Tabella 5.18 × 6.12nm) Cut-Off (r = 2.5: Condizioni simulative utilizzate per la dinamica molecolare in assenza di solvente Sistema Zn2+ -Aβ1−16 + H2 O ` Il secondo passo e stato quello di simulare. il sistema Zn2+ -Aβ1−16 in presenza di acqua. Per quanto riguarda le interazioni elettrostatiche a lungo range abbiamo utilizzato il metodo di Particle-mesh Ewald (PME).9nm) Nos´ -Hoover (τ = 0.2). In tutte le prove.9nm. sulla base dei dati raccolti in precedenza.0015ps 500000 PME (r = 2.3) ed i parametri di LJ (Tabella 5. che e minore del lato del box4 . 4I box utilizzati sono di forma cubica. utilizzando il force field CHARMM27. Inoltre abbiamo modificato il force field aggiungendo i potenziali di bond (Tabella 5.4). N. una dinamica molecolare nell’ensemble NVT di 750ps del ` complesso Zn2+ -Aβ1−16 e stata effettuata ed i parametri di simulazione sono riassunti nella Tabella 5. Il ` sistema e stato solvatato in un box cubico con 2517 molecole d’acqua TIP3P [91].

1 Operazioni preliminari ` Prima di effettuare la dinamica.6.27 × 4.0nm. N. ` Il sistema e stato termalizzato.2ps) e LINCS (h-bonds) TIP3P (4.0nm) Nos´ -Hoover (τ = 0.6: Condizioni simulative utilizzate per la dinamica molecolare in presenza di solvente 109 .5.◦ atomi solvente N. lo ione metallico e il solvente ad un termostato di Nos´ -Hoover.27)nm3 Passo di integrazione (dt) Numero di passi Long Range Coulomb Long Range VdW Termostato Constraint Solvente Dimensioni Box Tabella 5.0020ps 4500000 PME (r = 2.27 × 4. aumentando in modo graduale la temperatura.12nm) Cut-Off (r = 2.◦ molecole solvente 7808 7551 2517 0.◦ atomi N. il sistema e stato sottoposto ad una minimizzazione usando la tecnica dello Steepest Descent (SD) scelto per la sua maggior efficienza di calcolo in presenza di solvente (Appendice 6). accoppiando separatamente il peptide. Per le rimanenti condizioni simulative (constraint. ` A questo punto una dinamica molecolare di 9ns e stata effettuata e le condizioni simulative sono riassunte nella Tabella 5. LJ a e lungo range e interazione elettrostatica) abbiamo usato le stesse parametrizzazioni viste in precedenza. Fourierspacing = 0.

durante tutta la fase di termalizzazione e durante la dinamica a 300K.5. Abbiamo testato i tre force field: Gromos96. Prova 1: Nella prima serie di prove abbiamo escluso legami chimici con lo ione metallico considerando solo interazioni elettrostatiche e LJ fra lo ione metallico e atomi del peptide.Simulazioni di dinamica molecolare classica 5. Gromos96: Abbiamo monitorato gli atomi presenti nella sfera di coordinazione del metallo (Fig. con tecniche differenti. oltre che con vari force a field. delimita la sfera di coordinazione dello Zn2+ 110 . Si vede che lo ione metallico rimane nella coordinazione iniziale (Tabella 5.1). OPLS e CHARMM27.2 Risultati Sistema Zn2+ -Aβ1−16 Come gi` visto abbiamo provato a simulare il sistema.2: Grafico dell’energia totale in funzione del tempo (Prova 1 Gromos96) linea orizzontale. di colore rosa. per quasi tutta la durata della simulazione a 200K.Gromos96) a La Figura 5.1).1: Grafico delle distanze di vari atomi dallo Zn2+ in funzione del tempo (Prova 1 . Verso la a Figura 5.

5.2 Risultati fine di quest’intervallo l’atomo di O appartenente allo scheletro peptidico (backbone) dell’amminoacido His-6 entra dentro la sfera di coordinazione del metallo. Contemporaneamente si osserva (Fig.5.2) una diminuzione dell’energia totale del sistema. Questa situazione si stabilizza a 300K dove la distanza tra l’atomo di O (His-6) e lo ione metallico assume un valore compatibile con una distanza di legame e la deviazione standard, calcolata dalle oscillazioni attorno al valore medio, diminuisce sensibilmente. In conclusione lo ione metallico diventa stabilmente esa-coordinato essendo partito da una coordinazione penta. ` OPLS: Identica procedura e stata attuata per il force field OPLS. Durante la dinamica a 200K, a ∼ 1090ps l’amminoacido Lys-16 si avvicina allo Zn2+ , portando l’atomo O1, facente parte della coda carbossilica, dentro la sfera di coordinazione del metallo (Fig.5.3), e, contemporaneamente, l’amminoacido His13 si allontana dallo Zn2+ . Inoltre a ∼1220ps anche l’altro atomo di ossigeno

Figura 5.3: Grafico delle distanze di vari atomi dallo Zn2+ in funzione del tempo (Prova 1 - OPLS)

Figura 5.4: Grafico dell’energia totale in funzione del tempo (Prova 1 OPLS)

O2 (Fig.5.3), appartenente alla coda carbossilica (Lys-16) si porta ad una distan˚ za inferiore di 2.5Adallo ione metallico. Questi cambiamenti si riflettono anche sull’andamento dell’energia totale del sistema (Fig.5.4), che diminuisce in corrispondenza di questi eventi. A 300K lo Zn2+ diventa stabilmente esa-coordinato 111

Simulazioni di dinamica molecolare classica essendo partito da una coordinazione penta. Si noti che i due atomi Nδ appartenenti agli amminoacidi His-6 e His-14 si allontanano dallo ione metallico, e in certi momenti sono (Fig.5.3) al di l` della sfera di coordinazione. a CHARMM27: Prendendo spunto dal lavoro di Sakharov et al. [87] abbiamo provato a simulare classicamente il sistema Zn2+ -Aβ1−16 usando il programma ` Gromacs 3.3.3 abbinato al force field CHARMM27. CHARMM27 non e presente nel pacchetto del programma Gromacs 3.3.3. La versione da noi utilizza` ta e stata scaricata dal sito di uno degli autori. Per prima cosa abbiamo dovuto modificare CHARMM27 in modo da renderlo consistente con il programma Gromacs 3.3.3. Utilizzando uno script scritto in PERL, abbiamo generato, a partire da un file di parametri di CHARMM (par all27 lipid.prm), i due file ffcharmmbon.itp e ffcharmmnb.itp che verrano utilizzati dal programma Gromacs come nuovi force field. Una volta generato il file.top attraverso il comando pdb2gmx, e dopo aver scelto come force field CHARMM27, bisogna utilizzare un programma che modifica il file.top ottenuto in precedenza, aggiungendo alcuni parametri. Ottenuto un nuovo file.top, siamo pronti a lanciare la nostra simula-

Figura 5.5: Grafico

delle

distanze Zn2+

di in

Figura 5.6: Grafico dell’energia totale in funzione del tempo (Prova 1 CHARMM27)

vari atomi dallo

funzione del tempo (Prova 1 CHARMM27)

112

5.2 Risultati zione. Notiamo (Fig.5.5) come in questo caso lo ione metallico tenda a rimanere penta-coordinato e l’energia totale oscilli attorno ad un valore costante alle varie temperature (Fig.5.6). Si fa notare che in tutti e tre i casi, nonostante non siano imposti legami chimici per lo ione metallico, la coordinazione del metallo non tende mai a diminuire, anzi in due casi aumenta. E’ possibile che questo sia dovuto ad una sovrastima della carica netta “classica” (+2) dello ione. Inoltre in tutti e tre i force field la parametrizzazione dello ione metallico (nonbonded) viene effettuata su modelli ` Zn2+ -H2 O dove lo ione metallico e sempre esacoordinato. La Fig.5.7 mostra le deviazioni quadratiche medie (RMSD) [92] del complesso Zn2+ -Aβ1−16 rispetto alla struttura di partenza. Notiamo nella Fig.5.7b due brusche variazioni fra i 1000ps e i 1200ps, in coincidenza dell’avvicinamento della coda carbossilica (Lys-16). Questo repentino avvicinamento provoca un profondo mutamento di tutta la struttura del complesso, messo in evidenza dalle RMSD. Anche la Fig.5.7a mostra un cambiamento, meno brusco del precedente, in coincidenza dell’entrata all’interno della sfera di coordinazione dell’atomo di O (His-6), che avviene a ∼ 1400ps. Notiamo che CHARMM27 ha una RMSD

Figura 5.7: RMSD del sistema Zn2+ -Aβ1−16 rispetto alla struttura di partenza, dove con il simbolo indichiamo la media e con σ la sua deviazione standard. Prova 1: (a) Gromos96;

(b) OPLS; (c) CHARMM27

113

Simulazioni di dinamica molecolare classica pi` bassa rispetto agli altri force field. Ci` potrebbe indicarci che la parametrizu o zazione di CHARMM27 sia pi` idonea rispetto agli altri, almeno nel caso preso u in esame (metallo-proteina). Infine, nella Tabella 5.7, riportiamo le distanze medie r lungo la traiettoria e le deviazioni standard σ degli atomi che si trovano all’interno della sfera di coordinazione dello Zn2+ al termine della simulazione.

Atomi

˚ r(A) Gromos96

˚ σ (A)

Nδ (His-6) O1(Glu-11) O2(Glu-11) Nε(His-13) Nδ (His-14) O(His-6)

2.09 2.10 2.10 2.10 2.08 2.08 OPLS

0.06 0.05 0.05 0.06 0.06 0.08

Nδ (His-6) O1(Glu-11) O2(Glu-11) Nδ (His-14) O1(Lys-16) O2(Lys-16)

2.27 1.97 1.97 2.34 1.96 1.98 CHARMM27

0.10 0.05 0.04 0.15 0.04 0.05

Nδ (His-6) O1(Glu-11) O2(Glu-11) Nε(His-13) Nδ (His-14)

2.17 1.97 1.99 2.17 2.15

0.05 0.04 0.04 0.06 0.05

Tabella 5.7: Distanze medie e deviazioni standard degli atomi che si trovano all’interno della sfera di coordinazione dello Zn2+ al termine della Prova 1

114

5.8: Grafico delle distanze di in Figura 5. A 300K il sito di legame metallico tende a stabilizzarsi attorno ad una coordinazione esa. che era nella sfera di coordinazione nella configurazione di partenza e vi rimaneva durante tutte la prima serie di prove.5. nonostante l’inserimento dei potenziali di bond ed angles per i quattro atomi indicati nella Tabella 5.9) del sistema diminuisce. esce durante la fase di minimizzazione5 dalla sfera di coordinazione. e le posizioni di tutti gli atomi che legano lo ione metallico non variano in maniera apprezzabile. lo ione metallico passa stabilmente ad una coordinazione esa. Gromos96: Fin dai primi ps di evoluzione l’atomo O1 (Glu-3) entra nella sfera di coordinazione dello Zn2+ e a ∼250ps anche l’atomo O2 (Glu-3) si porta all’interno di tale sfera (Fig. 115 .8). Anche in questo caso.5. come gi` a accaduto nella Prova 1.2-5. In corrispondenza di quest’ultimo evento l’energia totale (Fig.9: Grafico dell’energia totale in funzione del tempo (Prova 2 Gromos96) vari atomi dallo Zn2+ funzione del tempo (Prova 2 Gromos96) 5 Nei ` grafici delle distanze non e mostrata la fase di minimizzazione. Figura 5.2.3). Inoltre l’O2 (Glu-11).2 Risultati Prova 2: In questa serie di prove abbiamo inserito i potenziali di bond ed angles per lo Zn2+ (vedi Tabelle 5.

5.10) che nei primi ps di dinamica gli atomi O1 e O2. si allontana durante la minimizzazione. L’energia totale ha un regolare andamento (Fig.8).5. CHARMM27: Gi` durante la fase di minimizzazione l’atomo O appartenente a al backbone dell’amminoacido Gly-9 entra dentro la sfera di coordinazione dello Zn2+ .10: Grafico delle distanze di vari atomi dallo Zn2+ in funzione Figura 5. Inoltre l’atomo O2 (Glu-11) esce durante la fase di minimizzazione dalla sfera di coordinazione. aumentando in maniera progressiva all’aumentare della temperatura (Tabella 5.11).Simulazioni di dinamica molecolare classica Figura 5. che fanno parte della coda carbossilica (Lys-16). contrariamente a quanto visto nella Prova 1. Contemporaneamente i quattro amminoacidi legati inizialmente allo ione metallico si allontanano.13). le oscillazioni di quest’atomo attorno alla distanza media sono pi` u grandi degli altri atomi. in particolare gli atomi Nδ appartenenti all’His6 e His-14. si portano all’interno della sfera di coordinazione. Il sito di legame metallico raggiunge la coordinazione esa gi` a 200K e la mantiene anche a a 300K.5. Anche in questo caso l’atomo O2 (Glu-11) presente nella configurazione iniziale all’interno della sfera di coordinazione dello ione metallico.5. 116 . L’energia totale ha un regolare andamento (Fig. Lo ione metallico resta stabilmente penta-coordinato (Fig.12) durante tutta la simulazione. Inoltre.OPLS) OPLS: Si vede (Fig.11: Grafico dell’energia totale in funzione del tempo (Prova 2 OPLS) del tempo (Prova 2 .

i “nuovi” atomi.5. Notiamo che i valori medi sono pi` alti rispetto alla prima prova.13: Grafico dell’energia totale in funzione del tempo (Prova 2 CHARMM27) Notiamo che. si portano a distanze inferiori rispetto agli atomi ` presenti nella configurazione iniziale ed anche la loro deviazione standard e mi` nore. in nessun caso siamo riusciti ad ottenere una configurazione in cui lo Zn2+ fosse tetra-coordinato.5. come gi` detto in precedenza. La Fig. ci` e dovuto alla concomitanza di due fattori: il primo e che o` i potenziali di bond ed angle inseriti danno origine a interazioni deboli.5. a parte la prova con CHARMM27. favorendo l’interazione nonbonded.14a mostra l’RMSD u relativo a Gromos96. Inoltre notiamo che. il secondo. cio` quegli atomi non presenti nella configue razione di partenza dello ione metallico e per cui non sono stati inseriti potenziali di bond ed angle esplicitamente.2 Risultati Figura 5. che non sono in grado di parametrizzare in maniera corretta la forza di legame fra lo ione ` metallico e gli atomi del peptide.12: Grafico delle distanze di vari atomi dallo Zn2+ in funzione del tempo (Prova 2 CHARMM27) Figura 5. Questo ha un andamento particolarmente oscillante ed inol117 . e che a la carica dello ione metallico e i parametri di LJ ad esso associati sono molto alti.14 mostra l’RMSD per tutti i force field utilizzati. Probabilmente. nonostante l’inserimento esplicito dei potenziali di bond ed angles per lo ione metallico. La Fig.

Simulazioni di dinamica molecolare classica Figura 5. in cui sono mostrate le distanze medie r e le deviazioni standard σ degli atomi che si trovano all’interno della sfera di coordinazione dello ione metallico al termine della simulazione. Notiamo a che nel caso di OPLS la carica parziale negativa molto alta della coda carbossilica (Lys-16) favorisce l’avvicinamento dei due atomi di O.8. che si portano ad una distanza molto inferiore rispetto a tutti gli altri atomi. (c) CHARMM27 tre a ∼250ps subisce un aumento improvviso in coincidenza dell’entrata dell’atomo O2 all’interno della sfera di coordinazione dello ione metallico. Pi` stabile l’andamento dell’RMSD nel caso di CHARMM27. dove con il simbolo indichiamo la media e con σ la sua deviazione standard. a La Tabella 5. Prova 2: (a) Gromos96. confermando quanto gi` detto. Infine notiamo.5. dove i due atomi O1 e O2 (Glu-3) sono a distanza inferiore rispetto agli altri. u anche se a 300K tende ad aumentare in maniera progressiva. mostrano alcune peculiarit` .14b) notiamo un incremento nelle prime fasi della simulazione. Nel caso di OPLS (Fig. anche se meno evidente. Simile situazione nel caso di Gromos96. ancora una volta.14: RMSD del sistema Zn2+ -Aβ1−16 rispetto alla struttura di partenza. Situazione differente con CHARMM27. dove l’ingresso del “nuovo” atomo O (Gly-9) non altera in modo evidente la distan118 . (b) OPLS. che CHARMM27 mostra un valor medio dell’RMSD pi` basso u rispetto agli altri due force field. proprio in coincidenza dell’ingresso dell’amminoacido Lys-16 all’interno della sfera di coordinazione.

gi` presenti nella configurazione iniziale.07 0.8: Distanze medie e deviazioni standard degli atomi che si trovano all’interno della sfera di coordinazione dello Zn2+ al termine della Prova 2 Prova 3: In questa serie di prove.07 0.06 ˚ σ (A) Tabella 5.14 0.33 2. Concludendo anche in a ` questo caso nessun force field e riuscito a riprodurre una coordinazione tetra per lo ione metallico.47 1.04 0.05 0.04 0.95 1. sono stati modificati i parametri delle interazioni nonbonded per lo ione metallico.23 2.2) ed angles (Tabella 5. Atomi ˚ r(A) Gromos96 Nδ (His-6) O1(Glu-11) Nε(His-13) Nδ (His-14) O1(Glu-3) O2(Glu-3) 2.13 OPLS Nδ (His-6) O1(Glu-11) Nε(His-14) Nδ (His-14) O1(Lys-16) O2(Lys-16) 2. in particolare i 119 .06 0.13 2.13 2.14 2.94 CHARMM27 Nδ (His-6) O1(Glu-11) Nε(His-13) Nδ (His-14) O(Gly-9) 2.05 0.20 2.20 2.42 2.06 0.07 0.5. oltre ad inserire esplicitamente i potenziali di bond (Tabella 5.2 Risultati za degli atomi.06 0.23 2.05 0.07 0.05 0.23 2.05 0.22 2.06 0.19 2.08 0.3) per lo Zn2+ .

Simulazioni di dinamica molecolare classica parametri del termine di LJ (Tabella 5.5. esce durante la fase di minimizzazione da tale sfera.5A.5. in cui lo Zn2+ .16 e mostrato l’andamento dell’energia alle varie temperature. portandosi all’interno della sfera di coordinazione del metallo (Fig. Il sito di legame metallico sia a 200K che a 300K tende a stabilizzarsi attorno ad una configurazione esa. All’aumentare della temperatura le oscillazioni attorno al valore medio di questi due 120 .15: Grafico delle distanze di vari atomi dallo Zn2+ in funzione del tempo (Prova 3 Gromos96) Figura 5.17) tutti gli atomi che nella configurazione iniziale si trovavano all’interno della sfera di coordinazione si allontanano sensibilmente. In particolare i due atomi Nδ delle ˚ (His-6 e -14) oscillano attorno ad una distanza media maggiore di 2. Figura 5. che era nella sfera di coordinazione nella configurazione di partenza e vi rimaneva durante tutta la Prova 1. anche in questo caso l’atomo O2 (Glu-11).4). lega ` i due atomi O1 e O2 (Glu-3). Nella Fig. oltre ad essere legato agli atomi presenti nella configurazione iniziale.15).16: Grafico dell’energia totale in funzione del tempo (Prova 3 Gromos96) OPLS: Osserviamo che fin dalle prime fasi della simulazione (Fig. Gromos96: Notiamo che nei primi picosecondi della simulazione gli atomi O1 e O2 dell’amminoacido Glu-3 si avvicinano allo Zn2+ .5. Come gi` visto nella Prova a 2.

2 Risultati atomi aumentano progressivamente.OPLS) CHARMM27: Notiamo che dopo ∼1ps di simulazione (Fig.5.21a) mostra delle oscillazioni pi` evidenti.18: Grafico dell’energia totale in funzione del tempo (Prova 3 OPLS) del tempo (Prova 3 .21 mostriamo l’RMSD per tutti i force field. Questo potrebbe essere un ul121 .17: Grafico delle distanze di vari atomi dallo Zn2+ in funzione Figura 5. Anche in questo caso l’atomo O2 si porta nella fase di minimizzazione fuori dalla sfera di coordinazione. L’energia totale ha un andamento regolare (Fig. Come nelle altre prove lo ione ` metallico e alla fine penta-coordinato. Solo Gromos96 (Fig.18). O1 (Glu-11) ed Nε (His-13). Figura 5.20) subisce una lieve diminuzione.5. come nella Prova 2 e a differenza di quanto avviene nella Prova 1.5.5. Ancora una volta l’atomo O2 (Glu-11) esce fuori dalla sfera di coordinazione durante la fase di minimizzazione.5. Contemporaneamente l’energia totale del sistema (Fig. Al termine della simulazione solamente due atomi. Ad ogni modo notiamo che sia la media che le oscillazioni dell’RMSD in questa Prova sono inferiori in tutti e tre i casi rispetto alla Prova 2. si trovano all’interno della sfera di coordinazione dello Zn2+ . In particolare notiamo che al u passaggio fra i 100K e i 200K l’RMSD subisce un repentino aumento. ma i valori medi delle distanze non variano di molto. Nella Fig.19) l’atomo O appartenente al backbone dell’amminoacido Gly-9 si porta a distanza molto breve dallo ione metallico.5.

20: Grafico dell’energia totale in funzione del tempo (Prova 3 CHARMM27) teriore segnale che la direzione seguita.8 riportiamo le distanze medie r e le deviazioni standard σ degli atomi che si trovano all’interno della sfera di coordinazione dello ione metallico al termine della simulazione.21: RMSD del sistema Zn2+ -Aβ1−16 rispetto alla struttura di partenza. (b) OPLS.19: Grafico delle distanze di vari atomi dallo Zn2+ in funzione del tempo (Prova 3 CHARMM27) Figura 5. cio` la modifica dei parametri nonbonded. Nella Tabella 5. (c) CHARMM27 122 . dove con il simbolo indichiamo la media e con σ la sua deviazione standard.Simulazioni di dinamica molecolare classica Figura 5. Prova 3: (a) Gromos96. Vediamo prima il caso di OPLS dove Figura 5. e possa essere quella giusta.

06 0.06 0.20 1.07 0.14 2.04 ˚ σ (A) Tabella 5.5.54 CHARMM27 Nδ (His-6) O1(Glu-11) Nε(His-13) Nδ (His-14) O(Gly-9) 2.05 0. 123 . Questo da un lato impedisce ad altri atomi di entrare nella sfera di coordinazione dello Zn2+ .04 0. Possiamo ipotizzare che OPLS sia costruito in maniera fortemente consistente ed un cambiamento in uno dei parametri altera in modo evidente la dinamica generata con questo force field.08 0.55 2.2 Risultati possiamo notare che le distanze medie sono molto grandi e gli atomi Nδ degli amminoacidi His-6 e His-14 sono fuori dalla sfera di coordinazione.9: Distanze medie e deviazioni standard degli atomi che si trovano all’interno della sfera di coordinazione dello Zn2+ al termine della Prova 3 induce a pensare che i nuovi parametri di LJ da noi inseriti siano troppo piccoli.15 2.05 0.69 1.33 1.06 0.32 2.05 0.31 2.05 0.74 0.24 2.33 2.28 2. ma probabilmente tiene lontani quelli presenti nella configurazione di partenza.69 OPLS Nδ (His-6) O1(Glu-11) Nε(His-14) Nδ (His-14) 2.07 0.06 0. rispetto a quelli presenti nel force field OPLS.05 0.07 0. Questo ci Atomi ˚ r(A) Gromos96 Nδ (His-6) O1(Glu-11) Nε(His-13) Nδ (His-14) O1(Glu-3) O2(Glu-3) 2.26 2.

5. utilizzando il ff CHARMM27 (i parametri della simulazione sono riassunti nella Tabella 5.23 mostriamo l’andamento delle distanze durante tutta la dinamica a 100K. ad energia pi` bassa. Nonostante la modifica dei parametri di LJ nessun force field mostra una coordinazione tetra. sono notevolmente pi` vicini degli u ` altri atomi.5. Questa situazione e riprodotta anche nel caso di CHARMM27. Abbiamo inserito i potenziali di bond (Tabella5.3) per lo ione metallico ed abbiamo modificato i parametri di LJ (Tabella5. Con un algori` tmo CG e stata quindi trovata la configurazione di minima energia per ognuna ` delle configurazioni selezionate e quest’ultima e stata utilizzata come partenza per ONIOM.5). Fra ∼16 e ∼17ps anche una molecola di solvente (Sol-774) entra nella sfera di coordinazione.24 si vede come l’energia 124 . Queste configurazioni sono state estratte dalla dinamiu ca effettuata nella Prova 1 e nella Prova 3 con CHARMM27. non presenti nella sfera di coordinazione iniziale. Per questo motivo potrebbe essere interessante eseguire dei calcoli quantomeccanici per definire le cariche parziali di tutti gli atomi coinvolti nel legame con il metallo e del metallo stesso.2) ed angle (Tabella5. Sistema Zn2+ -Aβ1−16 + H2 O Abbiamo simulato il sistema Zn2+ -Aβ1−16 in presenza di acqua.4).5.Simulazioni di dinamica molecolare classica Osservando i risultati relativi a Gromos96 notiamo che O1 e O2 (Glu-3).22) appartenente al backbone dell’amminoacido Gly-9 entra nella sfera di coordinazione. a 300K. Questi test hanno confermato il fatto che la carica ` netta “+2” dello ione metallico e troppo alta. Possiamo notare che dopo pochi picosecondi di simulazione a 100K l’atomo O (Fig. ` Lo step successivo e stato quello di selezionare alcune configurazioni. Dalla Fig. dove ` questa volta e l’O della Gly-9 a trovarsi ad una distanza molto inferiore rispetto agli altri atomi. Nella Fig.

Per questo motivo la ` dinamica e stata leggermente allungata. provocando l’allontanamento dell’atomo Nδ del125 .28 la coordinazione dello ione metallico subisce un cambiamento a ∼4125ps dove una nuova molecola di solvente (Sol 661) entra dalla sfera di coordinazione.26).22: Grafico delle distanze durante i primi 20ps di vari atomi dallo Zn2+ in funzione del tempo a 100K Figura 5.2 Risultati totale del sistema a 100K lentamente tenda a stabilizzarsi.5. Figura 5. Infine a 300K abbiamo lasciato evolvere il sistema per 9000ps.5.24: Grafico dell’energia totale in funzione del tempo a 100K Il sistema non subisce cambiamenti rilevanti a 200K (Figg.25 e 5.5.27 e 5. e come possiamo notare dalle Figg.23: Grafico delle distanze di vari atomi dallo Zn2+ in funzione del tempo a 100K Figura 5.

27: Grafico delle distanze fra 4120 e 4140ps di vari atomi dallo Zn2+ in funzione del tempo a 300K Figura 5.26: Grafico dell’energia totale in funzione del tempo a 200K l’amminoacido His-6 che si porta leggermente al di l` della sfera di coordinazione.28: Grafico delle distanze di vari atomi dallo Zn2+ in funzione del tempo a 300K 126 .30). L’energia ha un andamento regolare (Fig.5. Il valore molto alto evidenzia i notevoli cambiamenti che la Figura 5. a Anche gli altri atomi si allontanano leggermente mentre la molecola di solvente (Sol 774) rimane stabile.5. La Fig.25: Grafico delle distanze di vari atomi dallo Zn2+ in funzione del tempo a 200K Figura 5.30 mostra l’RMSD del sistema Zn2+ -Aβ1−16 durante tutta la dinamica di 9ns a 300K.Simulazioni di dinamica molecolare classica Figura 5.

30: RMSD del sistema Zn2+ Aβ1−16 rispetto alla struttura di partenza durante la dinamica a 300K struttura peptidica subisce a causa dell’influenza del solvente. ` Lo step successivo e stato quello di selezionare alcune configurazioni. Si nota il progressivo allontanamento di tutti gli atomi che si trovavano inizialmente nella sfera di coordinazione. a 300K.29: Grafico dell’energia totale in funzione del tempo a 300K Figura 5. che approfondiremo nel prossimo capitolo. In questo caso le distanze medie sono state calcolate a partire dall’istante in cui la seconda molecola di solvente (Sol 661) entra all’interno della sfera di coordinazione dello ione metallico. 127 . Con un algoritmo SD e stata quindi trovata la configurazione u ` di minima energia per ognuna delle configurazioni selezionate e quest’ultima e stata utilizzata come partenza per ONIOM.2 Risultati Figura 5. ` ad energia pi` bassa. Ancora una volta non siamo riusciti ad ottenere una configurazione in cui lo Zn2+ sia tetra-coordinato. evidenziati anche dal cambiamento sia del numero di coordinazione dello ione metallico che dal cambiamento dei partecipanti al legame. Inoltre l’allontanamento della His-6 potrebbe essere un indizio del possibile ruolo svolto dallo Zn2+ .5.10 riportiamo le distanze medie r e le deviazioni standard σ degli atomi che si trovano all’interno della sfera di coordinazione al termine della simulazione. Nella Tabella 5.

05 Tabella 5.79 ˚ σ (A) 0.Simulazioni di dinamica molecolare classica Atomi Nδ (His-6) O1(Glu-11) Nε(His-13) Nδ (His-14) O(Gly-9) O(Sol-774) O(Sol-661) ˚ r(A) 2.3 Conclusioni Le simulazioni di dinamica molecolare classica descritte in questo capitolo sono state necessarie alla costruzione di modelli da sottoporre all’ottimizzazione geometrica ONIOM e. fatto che determina un bias per le simulazioni quantistiche successive. 128 .26 2.41 1. Analizzando i dati classici abbiamo per` notato che le inteo razioni elettrostatiche sono quelle che hanno maggiormente contribuito a determinare le configurazioni finali dei nostri modelli. in un lavoro successivo a quello presente in questa tesi di laurea. a simulazioni CP.05 0.05 0.05 0.42 2. Abbiamo confrontato tre force field ma non ci siamo preoccupati di fornire dei parametri pi` realistici per le cariche parziali presenti sullo ione metallico u e sui suoi leganti.05 0.79 1.86 1.09 0.04 0.53 2.10: Distanze medie e deviazioni standard degli atomi che si trovano all’interno della sfera di coordinazione dello Zn2+ al termine della simulazione 5.

.

Capitolo 6 Simulazioni QM/MM-ONIOM
Ciascun metodo computazionale ha sia punti di forza sia di debolezza: i metodi quantomeccanici (QM) permettono la stima di numerose propriet` molecolari a e di modellare reazioni chimiche, ma i tempi di calcolo crescono rapidamente all’aumentare delle dimensioni del sistema in studio. I metodi molecular mechanics (MM) possono fornire un numero molto pi` limitato di informazioni e non posu sono essere impiegati per la simulazione di rotture o formazioni di legami, ma permettono di effettuare veloci ottimizzazioni geometriche anche su sistemi di grandi dimensioni nel loro stato fondamentale. I metodi ibridi QM/MM cercano di combinare le caratteristiche pi` utili dei due diversi approcci in un singolo u calcolo. Il caso pi` semplice di metodo ibrido prevede l’impiego di un metodo QM (HF, u DFT, ecc.) solo per una regione limitata della molecola, per la quale sia importante avere un modello accurato della struttura elettronica. Il resto del sistema viene ` invece simulato con un metodo MM. Frequentemente la regione QM e interna al ` sistema (inner), mentre la regione MM e esterna (outer). Esempi di schemi di questo tipo possono essere: • macromolecole biologiche come gli enzimi, il cui sito attivo viene studiato 130

6.1 Operazioni preliminari a livello QM e la restante struttura proteica a livello MM; • soluti immersi in un solvente considerato tramite un modello esplicito, in cui il soluto viene simulato tramite un metodo QM e le numerose molecole di solvente con un metodo MM; • setacci molecolari, in cui la specie inserita in una cavit` e studiata a livello a` ` QM mentre la gabbia circostante e simulata mediante MM. Sfruttando le caratteristiche dei metodi QM/MM abbiamo simulato il sistema Zn2+ -Aβ1−16 con e senza solvente dividendo il sistema in due regioni.

6.1

Operazioni preliminari

Sistema Zn2+ -Aβ1−16
Come gi` detto nel Cap.5, prima di effettuare un’ottimizzazione ONIOM aba biamo estratto alla temperatura di 300K alcune configurazioni a bassa energia ottenute dalle simulazioni di dinamica molecolare classica svolte utilizzando il ff
N.◦ atomi Passo di integrazione (dt) Numero di passi Dimensioni Box Valore di convergenza delle forze (emtol) Grandezza massima dello step (emstep) Frequenza con la quale viene effettuato un passo di SD durante la minimizzazione CG (nstcgsteep) Tabella 6.1: Condizioni simulative utilizzate per la minimizzazione in assenza di solvente 100 257 0.0015ps 5000 (6.18 × 6.18 × 6.18)nm3 10.0 kJ · mol −1 · nm−1 0.01 nm

131

Simulazioni QM/MM-ONIOM
Atomi Nδ (His-6) O(Gly-9) O1(Glu-11) Nε(His-13) Nδ (His-14) ˚ ri (A) 2.26 1.77 2.16 2.16 2.23

Tabella 6.2: Distanza dallo Zn2+ degli atomi che si trovano nella sfera di coordinazione del metallo dopo la fase di minimizzazione classica

CHARMM27 con l’inserimento dei parametri di bond ed angle per lo ione metallico e la modifica dei parametri di LJ. Queste configurazioni sono state minimizzate classicamente utilizzando l’algoritmo CG, i cui parametri simulativi sono riassunti nella Tabella 6.1. ` A questo punto la configurazione ad energia minore (Tabella 6.2) e stata ottimizzata geometricamente utilizzando il metodo ONIOM presente nel software ` Gaussian03 [93]. La regione quantistica e stata trattata utilizzando la DFT con il funzionale di scambio e correlazione B3LYP [69]. Abbiamo usato funzioni di ` base differenziate, nel senso che per il metallo e stato usato uno pseudopotenziale (Appendice G) di tipo SDD [94] ottimale per la descrizione dello ione Zn2+ e, per i restanti atomi C, N, H, O, un set di funzioni di base di tipo 6-31G+(d,p)(DZ). Il numero di primitive utilizzate per una singola contrazione cambia a seconda che gli orbitali atomici siano di core o di valenza. G sta per Gaussian e si riferisce naturalmente alla forma funzionale della primitiva. La base 6-31G sta ad indicare una singola ζ (vedi Appendice D) di quattro primitive per gli orbitali interni ed una doppia ζ con due distinte contrazioni di tre ed una primitiva, rispettivamente per gli orbitali di valenza. Con il simbolo + indichiamo il fatto che vengono scelte funzioni primitive diffuse nello spazio, mentre il termine (d,p) indica che stiamo usando orbitali atomici che non sono occupati negli atomi isolati (per esempio gli 132

6.1 Operazioni preliminari orbitali di tipo d dell’ossigeno e dell’azoto o gli orbitali di tipo p dell’idrogeno). Infine il termine (DZ) indica che usiamo 2 funzioni per ogni orbitale atomico ` occupato: una pi` raccolta e una pi` espansa. La regione MM e stata simulata u u utilizzando il ff Universal Force Field (UFF) [95] presente nel programma Gaus` sian03. L’algoritmo d’ottimizzazione geometrica utilizzato e quello di Berny (Appendice H). I criteri di convergenza utilizzati, in generale, dall’algoritmo di Berny ed implementati in Gaussian sono: • la componente massima delle forze deve essere inferiore ad un valore di soglia di 0.00045; • lo scarto quadratico medio (RMS) delle forze inferiore ad un valore di tolleranza pari a 0.0003; • lo spostamento spaziale fra uno step e quello successivo deve essere pi` u piccolo di un valore di soglia di 0.0018. • l’RMS di questo spostamento deve essere al di sotto di un valore di soglia di 0.0012. ` Come si vede la differenza di energia tra due step successivi non e un esplicito criterio di convergenza. La presenza di quattro distinti criteri di convergenza previene un’identificazione prematura del minimo. Nel caso dell’ottimizzazione ONIOM oltre ai quattro criteri di convergenza appena citati si possono aggiungere due nuovi criteri, relativi alle forze, legati alla convergenza della regione MM. I valori di soglia sono identici a quelli gi` visti in precedenza. Il termine a ` d’interazione HQM/MM e calcolato al livello mechanical embedding. Prima di procedere all’ottimizzazione geometrica abbiamo separato le due regioni utilizzando il software GaussView [93] ed inserito dei link atoms nelle regioni di confine in cui sono stati spezzati dei legami covalenti. Come link atoms 133

Su queste e stata effettuata una minimizzazione classica usando l’algoritmo SD. His-6.6. maggiormente efficiente in presenza d’acqua. le catene laterali degli amminoacidi Glu-11. i cui parametri simulativi sono riassunti nella Tabella 6. La regione QM contiene lo Zn2+ . Nella Fig. Figura 6. utilizzando il ff CHARMM27 con l’inserimento dei parametri di bond ed angle per lo ione ` metallico e la modifica dei parametri di LJ. 134 . His-14 e l’intero amminoacido Gly-9.3. mentre la regione MM e rappresentata attraverso un modello “wireframe”. Tutto il resto viene trattato a livello MM.1 possiamo ` osservare le due regioni.Simulazioni QM/MM-ONIOM abbiamo utilizzato degli atomi di idrogeno.1: Regioni QM (“ball and stick”) e MM (“wireframe”) Sistema Zn2+ -Aβ1−16 + H2 O Come nel caso precedente prima di effettuare un ottimizzazione ONIOM abbiamo estratto alcune configurazioni ad energia pi` bassa ottenute attraverso le u simulazioni di dinamica molecolare classica in presenza del solvente. la regione QM e rappresentata attraverso un modello ` “ball and stick”. His-13.

43 1.521 1.0 kJ · mol −1 · nm−1 0.0020ps 30000 (4.4) un’ot` timizzazione geometrica ONIOM e stata effettuata usando il software Gaussian03 con parametri simulativi identici a quelli gi` visti in precedenza.4: Distanza dallo Zn2+ degli atomi che si trovano nella sfera di coordinazione del metallo dopo la fase di minimizzazione classica A questo punto sulla configurazione ad energia inferiore (Tabella 6. abbiamo considerato nella regione QM le due molecole di acqua che 1 Nonostante l’atomo Nδ si trovi inizialmente al di fuori della sfera di coordinazione del metallo lo indichiamo esplicitamente perch` incluso da noi nella regione quantistica.1 Operazioni preliminari N. Le differenze fra a i due sistemi riguardano la scelta delle regioni (Fig.◦ molecole solvente Solvente Passo di integrazione (dt) Numero di passi Dimensioni Box Valore di convergenza delle forze (emtol) Grandezza massima dello step (emstep) 7808 7551 2517 TIP3P 0. His-13.2). His-6. Oltre allo Zn.78 1.01 nm Tabella 6.6.27 × 4.26 2.6.◦ atomi solvente N.82 2. His-14 e l’intero amminoacido Gly-9.75 Tabella 6. e 135 .27 × 4. alle catene laterali degli amminoacidi Glu-11.3: Condizioni simulative utilizzate per la minimizzazione in presenza del solvente Atomi Nδ (His-6) O(Gly-9) O1(Glu-11) Nε(His-13) Nδ (His-14) O(Sol-661) O(Sol-774) ˚ ri (A) 2.27)nm3 10.◦ atomi N.40 2.

dopo 125 cicli. L’energia del sistema ottimizzato e uguale a -1461.Simulazioni QM/MM-ONIOM si trovano nella sfera di coordinazione del metallo alla fine del calcolo classico.2 Risultati Sistema Zn2+ -Aβ1−16 Come gi` detto per prima cosa abbiamo ottimizzato il sistema Zn2+ -Aβ1−16 in a assenza d’acqua. ha soddisfatto tutti e sei i criteri di con` vergenza. (ii) i tempi di calcolo ONIOM si dilatano notevolmente in presenza di acqua. quindi. Il calcolo.u.. Abbiamo escluso dal sistema le restanti molecole di solvente per due motivi. (i) la maggior parte di esse al termine delle simulazioni di dinamica molecolare classica e della fase di minimizzazione si trovavano molto distanti dal sito metallico e. possiamo supporre non influenzino la coordinazione dello ione metallico.167a.2: Regioni QM (“ball and stick”) e MM (“wireframe”) 6. Figura 6. Abbiamo 136 .

2 Risultati Figura 6.2).5: Ingrandimento del sito metallico 137 .3) degli atomi che si trovavano inizialmente nella sfera di coordinazione del metallo (Tabella 6.6.6. Come possiamo notare durante l’ottimizzazione l’atomo O appartenente all’amminoacido Gly-9 si allontana dallo ione metallico fino a portarsi fuori dalla sfera di coordinazione e l’O2 della catena laterale dell’amminoacido Glu-11 Figura 6.3: Grafico delle distanze di vari atomi dallo Zn2+ durante la fase d’ottimizzazione ONIOM monitorato durante la fase d’ottimizzazione l’andamento delle distanze (Fig.4: Configurazione finale del sistema Zn2+ -Aβ1−16 Figura 6.

6. mentre le Figg.6.5: Angoli di legame al termine dell’ottimizzazione ONIOM La Fig.6.6.20 97.5b-c rappresentano l’RMSD delle regioni QM ed MM rispettivamente.4) e un ingrandimento del sito metallico (Fig. (a) Sistema ONIOM.5). La Fig.57 Tabella 6.6: RMSD del sistema Zn2+ -Aβ1−16 rispetto alla struttura di partenza.5 mostra che la coordinazione dello Zn2+ non ` e perfettamente tetraedrica come si pu` apprezzare meglio osservando gli angoli o riportati nella Tabella 6.6a rappresenta l’RMSD dell’intero sistema. (c) Regione MM Abbiamo effettuato un analisi delle cariche parziali usando la tecnica del Natural Bond Orbital (NBO) (Appendice I) per vedere come queste si sono distribuite 138 .Simulazioni QM/MM-ONIOM entra nella sfera di coordinazione mentre l’O1 ne esce. Atomi Nδ (His-6)-Zn2+ -O2(Glu-11) Nε(His-13)-Zn2+ -O2(Glu-11) Nδ (His-14)-Zn2+ -O2(Glu-11) ϑ (deg) 111. (b) Regione QM.6 mostra l’RMSD del complesso Zn2+ -Aβ1−16 rispetto alla struttura di partenza. Possiamo osservare le struttura finale ottenuta (Fig. La Fig.5.6. Si ` osserva che l’andamento dell’RMSD nelle due regioni e sostanzialmente identico.82 121. Figura 6.6.

6 lo Zn. ha ceduto parte della sua carica agli atomi circostanti.15 2.09 1. Nella Tabella 6.306 -0. che inizialmente aveva una carica pari a +2.822 -0.644 -0. In conclusione possiamo osservare che lo ione metallico.09 Tabella 6.7 riportiamo le distanze finali dallo Zn2+ degli atomi che si trovano all’interno della sfera di coordinazione.655 Tabella 6. Come si vede nella Tabella 6.6.2 Risultati Atomi Zn2+ Nδ (His-6) O1(Glu-11) O2(Glu-11) Nε(His-13) Nδ (His-14) q(e) 1. Atomi Nδ (His-6) O2(Glu-11) Nε(His-13) Nδ (His-14) ˚ r(A) 2. inizialmente pentacoordinato.745 -0. dopo l’ottimizzazione ONIOM ha una struttura di tetraedro distorto. dove nella regione QM abbiamo incluso solo le due molecole d’acqua pi` vicine u 139 .7: Distanze degli atomi che si trovano nella sfera di coordinazione dello Zn2+ al termine dell’ottimizzazione ONIOM Sistema Zn2+ -Aβ1−16 + H2 O ` Il secondo step e stato quello di ottimizzare il sistema Zn2+ -Aβ1−16 + H2 O.630 -0.97 2.6: Cariche parziali dello ione metallico e dei suoi liganti tra i vari atomi presenti nel sito metallico.

7: Grafico delle distanze di vari atomi dallo Zn2+ durante la fase d’ottimizzazione ONIOM 140 .4) che l’atomo Nδ (His-6) gi` dopo la fase di minimizzazione a classica oscillava attorno a distanze lievemente superiori a quella della sfera di coordinazione dello Zn2+ . Per questo motivo possiamo pensare che il sistema si trova in un minimo globale sulla superficie d’ener` gia potenziale (PES). negli ultimi dieci cicli. e questo mostra che da un certo ciclo in poi le variazioni sono molto piccole.7 notiamo che l’amminoacido His-6 si allontana ˚ immediatamente dallo ione metallico e si porta a distanze superiori ai 5A.. Inoltre l’algoritmo implementato in Gaussian03 predice quali saranno le variazioni in energia fra un ciclo e l’altro. sono molto piccole e modificano l’energia alla quarta cifra decimale. dopo 287 cicli. Ricordiamo (Tabella 6. inoltre.6.u. Stesso destino per l’O (Gly-9) che dopo ∼150 cicli si porta leggermente fuori dalla sfera di coordinazio- Figura 6. o sia ottimizzato a pieno. L’energia del sistema ottimizzato e uguale a -1614. Osservando la Fig. Solo due criteri di convergenza (relativi alla parte MM) dei sei sono stati soddisfatti. Come nel caso precedente abbiamo monitorato le distanze degli atomi dallo ione metallico. Nonostante ci` possiamo supporre che il sistema.Simulazioni QM/MM-ONIOM al metallo. Infatti osservando le variazioni dell’energia totale notiamo che. Vediamo. che dopo ∼140 cicli una delle molecole di solvente (Sol-661) esce fuori dalla sfera di coordinazione dello ione metalli˚ co portandosi progressivamente ad una distanza di ∼4A.141a.

52 101.8: Angoli di legame al termine dell’ottimizzazione ONIOM ne per poi allontanarse progressivamente. In contrapposizione notiamo che tutti gli altri atomi. Figura 6.53 Tabella 6.8.43 119. e cio` O1 (Glu-11).8) notiamo che lo Zn2+ rimane in parte esposto all’ambiente esterno. Nε (His-13).2 Risultati Atomi O1(Glu-11)-Zn2+ -Nε(His-13) O1(Glu-11)-Zn2+ -Nδ (His-14) O1(Glu-11)-Zn2+ -O(Sol-774) ϑ (deg) 101. si e ˚ avvicinano lentamente allo ione metallico portandosi a distanze di ∼2A. Nδ (His-14).6.9: Ingrandimento del sito metallico 141 .8: Struttura finale del sistema Zn2+ -Aβ1−16 + H2 O Figura 6.6. Inoltre osservando ` la Fig.6. O (Sol-774). Osservando la struttura ottenuta al termine dell’ottimizzazione (Fig.9 vediamo che la struttura del sito metallico e un tetraedro pi` regolare di u quello visto nel caso precedente e come si evince dalla Tabella 6.

influenzandone la struttura in maniera evidente.10b mostra invece un progressivo aumento dell’RMSD della regione QM.10b-c rappresentano l’RMSD delle regioni QM ed MM rispettivamente. (a) Sistema ONIOM.Simulazioni QM/MM-ONIOM La Fig. Possiamo comunque supporre.6. (b) Regione QM. considerato facente parte della regione QM. Questo aumento improvviso e dovuto probabilmente al fatto che l’amminoacido His-6. La Fig. mentre le Figg. Putroppo dopo 250 cicli il sistema non e giunto a convergenza e quindi non siamo stati in grado di ricavare le cariche parziali.10a) in concomitanza con l’aumento dell’RMSD della sola re` gione MM (Fig.10 mostra l’RMSD del complesso Zn2+ -Aβ1−16 + H2 O rispetto alla struttura di partenza. si porta all’interno della regione MM.6. Infatti. (c) Regione MM Anche in questo caso abbiamo tentato di effettuare un analisi sulle cariche ` parziali usando la tecnica dell’NBO.6.10: RMSD del sistema Zn2+ -Aβ1−16 + H2 O rispetto alla struttura di partenza. La Fig. notiamo che dopo questo repentino aumento l’RMSD della regione MM tende a stabilizzarsi.10c).10a rappresenta l’RMSD dell’intero sistema. sulla base di calcoli gi` precedentemente a 142 . Figura 6.6.6.6. Possiamo immediatamente osservare un aumento repentino dell’RMSD del sistema (Fig. evidenziando i cambiamenti strutturali che avvengono in questa regione in concomitanza con il progressivo allontamento della molecola di solvente (Sol-774) e dell’amminoacido Gly-9.

9: Distanze degli atomi che si trovano nella sfera di coordinazione dello Zn2+ al termine dell’ottimizzazione ONIOM 6. Quest’ul` tima struttura e particolarmente interessante in quanto lo ione metallico potrebbe legare un secondo peptide perdendo la molecola d’acqua. Atomi O2(Glu-11) Nε(His-13) Nδ (His-14) O(Sol-774) ˚ r(A) 1.9 riportiamo le distanze finali degli atomi che si trovano all’interno della sfera di coordinazione del metallo.98 Tabella 6. Conludendo osserviamo che ottimizzando con ONIOM il nostro sistema passa da una struttura esa-coordinata ad una tetra-coordinata. Nella Tabella 6.6. Si osserva infatti che in assenza di solvente tutte e tre le istidine presenti nel peptide Aβ1−16 restano nella sfera di coordinazione del metallo mentre in presenza del solvente una di loro viene sostituita da una molecola d’acqua. 143 . Ci` supporterebbe alcuo ni risultati sperimentali discussi nei capitoli precedenti [96] nei quali veniva evidenziato come lo Zn fosse maggiormente disponibile di altri ioni metallici (Cu) a legami “inter-molecolari” che potrebbero rappresentare l’inizio di processi di aggregazione.05 2.03 1.96 2.3 Conclusioni effettuati su modelli piccoli.3 Conclusioni Le simulazioni ONIOM descritte in questo capitolo mostrano delle notevoli differenze nella coordinazione dello ione metallico in presenza o in assenza di acqua. che l’introduzione del solvente non modifichi notevolmente le cariche degli atomi coinvolti nel legame con lo ione metallico [ref].

144 .Simulazioni QM/MM-ONIOM Ci` che ci proponiamo di fare nel futuro sono delle simulazioni sia classiche o sia quantistiche di un sistema composto da due peptidi entrambi legati al metallo attraverso le due istidine (His-13 e His-14) per verificare la stabilit` di tale a modello.

.

una. esacoordinato. I risultati delle simulazioni di dinamica molecolare classica mostrano. tramite simulazioni di dinamica molecolare classica e ottimizzazioni strutturali quanto-classiche svolte utilizzando il metodo ONIOM. che lo Zn non e mai tetracoordinato come in` vece si osserva sperimentalmente [44].Conclusioni Riassumiamo in breve i principali risultati ottenuti. in presenza di solvente. Non pensiamo che questo abbia invalidato i nostri risultati in quanto lo scopo della dinamica molecolare classica era per noi solo quello di generare delle configurazioni ragionevoli per l’ottimizzazione ONIOM. in cui lo ione Zn2+ e coordinato a 5 atomi. anche sperimentalmente. l’O del ` Glu-11 e l’O della Gly-9. in cui lo Zn2+ e esaco146 . le tre istidine. Ci` non e del tutto imprevisto in quanto i o valori attribuiti ai parametri di LJ dello Zn2+ e alla sua carica nei vari ff utilizzati ` provengono da calcoli quantistici su sistemi in cui lo Zn2+ e immerso in acqua e risulta essere. in as` senza di solvente. la coordinazione dello ione Zn con il peptide Aβ1−16 in presenza e in assenza di solvente. sia in ` presenza sia in assenza di solvente. l’altra. In questa tesi di laurea abbiamo studiato. I risultati delle simulazioni classiche ci hanno fornito due strutture. Ci` che si osserva nelle o ` simulazioni classiche e che le interazioni elettrostatiche piuttosto che il particolare ff scelto sono quelle che hanno maggiormente contribuito a determinare le configurazioni finali dei due sistemi studiati.

6. quando in soluzione con altri peptidi. dobbiamo u a ` infatti ricordare che l’ambiente cellulare e ricco d’acqua quindi qualsiasi proces` so biologico e fortemente influenzato dalla sua presenza. 43. si allontana enormemente dallo Zn2+ . infatti uno degli amminoacidi (His-6). 97] in cui si osserva che lo ione Zn2+ assume. Quest’ultima struttura. Dall’analisi NBO della distribuzione delle cariche sul sito metallico si osserva che lo Zn2+ cede parte della sua carica agli azoti delle istidine e forma con loro un legame ionico. Essendo lo ione metallico in tale struttura piuttosto esposto all’ambiente esterno (non racchiuso all’interno della struttura peptidica) potrebbe facilmente. Entrambe queste strutture sono state sottoposte ad ottimizzazione strutturale ONIOM. In presenza di solvente la situazione muta notevolmente. una struttura in cui lo ione Zn2+ e coordinato alle tre istidine e all’O del Glu-11 in una struttura di tetraedro fortemente distorto. 147 . strutture diverse u tra loro e generalmente in cui si trova a ponte tra pi` peptidi e molto dipendenti u dall’ambiente che lo circonda. Per il sistema in assenza di solvente otteniamo. inoltre. potrebbe indicarci un possibile ruolo svolto dallo ione Zn2+ nel processo di aggregazione. pi` frequentemente di altri ioni metallici. perdere il volatile legame con la molecola d’acqua ed accettare istidine provenienti da peptidi circostanti. Tale supposizione si basa su alcuni dati sperimentali [42. all’ossigeno del Glu-11 e ad una molecola d’acqua in una struttura tetraedrica solo leggermente distorta.3 Conclusioni ordinato ed una delle tre istidine entra ed esce dalla sfera di coordinazione dello ione metallico. dopo l’ottimizzazione QM/MM ` ONIOM. che legava il metallo in assenza d’acqua e che dalle simulazioni classiche si trovava al confine della sfera di coordinazione del metallo. Questo ci induce a supporre che questa struttura sia pi` stabile di u quella in assenza di solvente oltre che pi` vicina alla realt` biologica. Al termine dell’ottimizzazione osserviamo che lo ione ` metallico e coordinato alle due istidine contigue (His-13 e His-14).

per la quale e per` necessario o ridurre il numero di atomi in studio.Simulazioni QM/MM-ONIOM I nostri risultati. oltre a mostrare l’importanza dell’acqua nello studio dei sistemi biologici. Per lo studio di questo modello ci` che riteniamo o ` interessante e confrontare i risultati che si ottengono con tecniche computazio` nali quali la dinamica molecolare Car-Parrinello. con le quali e possibile studiare il sistema completo immerso nel solvente. 148 . quali ONIOM o una tecnica QM/MM in cui la parte QM sia dinamica (Car-Parrinello) invece che statica ` (ottimizzazione ONIOM). costituiscono una base per intraprendere nuovi studi di dinamica molecolare classica e calcoli quantomeccanici su sistemi in cui uno ione Zn2+ sia a ponte tra due peptidi. con tecniche ibride.

.

• Attenzione e calcolo (serie di “7”. comprensione e esecuzione di comandi orali e scritti. ripetizione. valutarne quantitativamente la severit` e documentarne le modificazioni nel tempo. • Memoria immediata (registrazione di tre parole). capacit´ di scrivere una frase). • Orientamento spaziale. 99] e un test di screening ideato per rilevare il deterioramento cognitivo. • Memoria di richiamo (rievocazione delle tre parole). • Linguaggio (denominazione. con 22 prove in parte verbali e in parte di performance. scansione di parola al contrario).Appendice A Mini Mental State Examination ` Il Mini Mental State Examination (MMSE) [98. 7 funzioni cognitive: • Orientamento temporale. E’ costituito da 12 item tramite i a quali vengono esplorate. 150 . a • Prassia visuocostruttiva (copia di pentagoni).

pu` andare da un minimo di 0 (massimo deficit cognitivo) o ad un massimo di 30 (assenza di deficit cognitivo). Il punteggio totale. pertanto il MMSE dovrebbe essere utie lizzato come strumento in grado di suggerire. la sua somministrazione richiede un tempo variabile da 5 a 15 minuti e tale brevit` a lo rende meno impegnativo per le risorse attentive del soggetto. • Decadimento cognitivo grave (0-17) (0%-60% capacit` cognitive integre). In un ampio studio di revisione del MMSE sono stati proposti tre cut-score: • Assenza di decadimento cognitivo (24-30) (80%-100% capacit` cognitive a integre). non e sufficientemente sensibile alle fasi iniziali della demenza (specificit` del 96% e sensibilit` del 63%) ovvero tende a sottostimare a a tali casi. a 151 . dato dalla somma delle risposte corrette che il soggetto ha ottenuto in ciascun item. in caso di punteggi bassi. rispetto ad una batteria completa di test neuropsicologici. e utilizzabile da ` medici o da altro personale dopo breve addestramento ed e di rapido impiego. non consentendo una valutazione completa ` delle funzioni cognitive. • Decadimento cognitivo da lieve a moderato (18-23) (60%-80% capacit` a cognitive integre). ` Il punteggio soglia ai fini della diagnosi di disturbi dell’efficienza intellettiva e 23 e la maggior parte delle persone anziane non dementi ottiene punteggi superiori a tale soglia. cos` da poter essere utilizzato anche ı nelle fasi avanzate della demenza. il ricorso a ulteriori approfondimenti. I punteggi ai test comunque.` ` Il MMSE e una scala largamente diffusa in ambito clinico. non permettono da soli di stabilire una diagnosi di demenza n` di determinarne l’eziologia. Inoltre.

Mini Mental State Examination Studi longitudinali.2 punti. mostrano che i punteggi al MMSE di soggetti dementi. Questo dato a ` e un utile indice del decorso della malattia e dell’eventuale risposta al trattamento. cona a tribuiscono significativamente alle variazioni dei punteggi attesi nella popolazione normale. Fattori come l’et` . il grado di scolarit` e il livello culturale del soggetto. declinano in modo significativo nel tempo. che hanno utilizzato intervalli test-retest variabili da un mese a tre anni. presentando un tasso di decremento annuo medio che varia generalmente tra 1. 152 . Nella pagina seguente alleghiamo una copia di un MMSE.8 e 4. la maggior parte dei quali affetti da Malattia di Alzheimer. espressione di elevata variabilit` interindividuale.

153 .

.

mediante le quali le particelle interagiranno con le proprie copie contenute nei box confinanti. all’interno del quale siano uniformemente distribuiti N atomi. Per questo motivo. ovvero circondando il box di simulazione con delle copie del box stesso. nel caso di N = 106 il 6%.1) Su ognuna delle facce del cubo verranno a trovarsi in media N 2/3 atomi e in totale ` la frazione di particelle che si trovano sulla superficie del cubo e pari a 6N 1/3 . Questo artificio impone per` di prestare attenzione o nella trattazione delle interazioni a lungo raggio quali quelle di Coulomb e di Van der Waals. ovvero nel caso N = 103 il 60% si trova sulla superficie. posta come unit` di misura la distanza media tra le particelle. Al di a 155 . le interazioni di non legame vengono calcolate solo per gli atomi contenuti entro un certo raggio.Appendice B Condizioni periodiche al contorno I sistemi molecolari simulati nel campo biologico constano in genere di un numero di particelle dell’ordine 103 ÷ 105 atomi. le dimensioni del box a saranno: √ √ √ 3 3 3 N× N× N (B. detto di cutoff. Immaginiamo di costruire un box cubico. Questo determina un non trascurabile effetto di superficie che viene curato utilizzando una topologia toroidale. il cui valore non deve superare la met` della dimensione minima del box.

il potenziale e calcolato effettuando uno “shift” che lo porta a zero entro un secondo raggio (detto appunto di “shift”). o non viene calcolato affatto. oppure con metodi di somme su reticolo. 156 .Condizioni periodiche al contorno ` fuori del raggio di cut-off.

.

.5) 158 . alcune implementazioni (come AMBER o GROMACS) applicano dei vincoli geometrici sulla lunghezza o sugli angoli di alcuni legami.3) (C.1) ∂ V − ∑ λ k σk ∂ ri k (C.2) ∂ σh ∂ rl (C. per risolvere il problema dei moti oscillatori rapidi. in genere quelli in cui sono coinvolti gli idrogeni. si continua ad usare un unico passo di integrazione.Appendice C Vincoli geometrici Utilizzando l’algoritmo di Verlet. . . K Le forze di reazione vincolare sono ottenute risolvendo il sistema lineare: fi = − definiamo la matrice Bhl = se i vincoli sono olonomi: dσ ˆ dr =B =0 dt dt 2 ˆ d2σ ˆ d r d B dr = 0 =B 2 + dt 2 dt dt dt (C. .4) (C. Se le K equazioni dei vincoli geometrici sono scritte come: σk (r) = 0 dove k = 1.

10).il sistema pu` essere scritto in maniera compatta: o ˆd r ˆ − M 2 − BT λ + f = 0 dt ˆ ˆ moltiplicando a sinistra per BM −1 si ottiene: ˆ d B dr ˆ ˆ −1 ˆ T ˆ ˆ + BM B λ + BM −1 f = 0 dt dt da cui si ricava: ˆ d B dr ˆ ˆ ˆ ˆ ˆ ˆ ˆ ˆ ˆ ˆ ˆ BT λ = −BT (BM −1 BT )−1 BM −1 f − BT (BM −1 BT )−1 dt dt che sostituito nel sistema lineare (C. applica le formule (C. 159 . la matrice A e ` simmetrica.11) ˆˆ ˆ ˆ ˆ ˆ ˆ ˆ ˆ ˆ (BM −1 BT )−1 = SS−1 (BM −1 BT )−1 S−1 S = S(SBM −1 BT S)−1 S ˆ ˆ ˆ ˆ = S(1 − A)−1 S (C. ˆ Viene costruita la matrice diagonale S tale che: −1 S i j = δi j in questo modo 1 1 + mi m j (C.7) 2 (C. usa un piccolo trucco. quindi e possibile espandere: ˆ ˆ (1 − A)−1 = ∑ Ai i=0 ∞ (C.6) L’algoritmo noto come LINCS [100]. ma per evitare di dover calcolare la matrice inversa tra parentesi.9) (C.12) ˆ ` Nel caso in cui i constraint siano solo sulle distanze di legame.13) Nelle implementazioni pratiche vengono usati i primi 4-8 termini della somma. e ha tutti gli autovalori minori di 1.10) (C.9) e (C.8) (C.6): ˆ d2r ˆˆ ˆ ˆ d B dr = (1 − T B)M −1 f − T dt 2 dt dt ˆ ˆ ˆ ˆ ˆ ˆ ˆ T = M −1 BT (BM −1 BT )−1 B (C.

.

1) ` dove N e una costante di normalizzazione ed Yl.m (r.l. Idealmente il miglior set di funzioni e quello che richiede il minor numero di funzioni di base per ottenere un fissato livello di accuratezza.Appendice D Basis set ` Un elemento decisivo nella implementazione dei metodi ab initio e la scelta dell’insieme di funzioni (basis set) nel quale sviluppare le funzioni d’onda elet` troniche. φ ) = NYl. Ci sono due tipi di funzioni d’onda di base (dette anche Atomic Orbitals (AO). Pi` precisau mente poich´ lo sforzo computazionale scala formalmente come la quarta potenza e ` del numero di basi. Un altro eleu ` mento fondamentale nella scelta del set di basi e il livello di difficolta del calcolo degli integrali quantomeccanici sulle funzioni di base. Gli orbitali di Slater [101] hanno la seguente forma funzionale: χζ . e di primaria importanza che il numero di vettori di base necessario per avere una fissata accuratezza sia il pi` piccolo possibile. nonostante in generale esse non siano soluzione dell’equazione di Schr¨ edinger o atomica) comunemente usate nei calcoli di struttura elettronica: le Slater Type Orbitals (STO) e le Gaussian Type Orbitals (GTO).m sono le armoniche sferiche. φ )rn−1 e−ζ r (D. La dipendenza esponenziale dalla distanza tra i nuclei e gli elettroni riflette gli orbitali 161 .n.m (θ . θ .

Y2.l.Y2. z) = Nxlx yly zlz e−ζ r 2 2 (D. g. in contrasto con le STO che invece hanno una “cuspide” (derivata discontinua). ly e lz determina il tipo di orbitale (per esempio lx + ly + lz = 1 ` e un orbitale p).n. Una GTO di tipo d scritta in termini delle funzioni sferiche possiede cinque componenti (Y2. etc. xz. cio` : e χζ . La dipendenza esponenziale assicura una rapida convergenza all’aumentare del numero di funzioni.n. y2 .2 . yz). Sebbene le GTO appaiano simili nelle due rappresentazioni.−2 ). z2 .Y2. tuttavia i calcoli degli integrali a due elettroni non possono essere svolti analiticamente. φ )r2n−2−l e−ζ r χζ . tuttavia quest’ultime possono essere trasformate in cinque funzioni sferiche d ed un’aggiuntiva funzione s (x2 + y2 + z2 ).3) La somma di lx . i nodi nella parte radiale sono introdotti attraverso una combinazione lineare delle STO stesse. le STO non posseggono tutti i nodi radiali. ci sono delle sottili differenze.Basis set esatti per l’atomo d’idrogeno. I moderni programmi di calcolo per gli integrali a due elettroni sono forniti di coordinate cartesiane e generano funzioni d sferiche trasformando le sei componenti cartesiane in cinque funzioni sferiche.2) (D. θ . ma in coordinate cartesiane possiede sei componenti (x2 . y. e conseguentemente le GTO hanno proprio dei problemi nel rappresentare il comportamento vicino al ` nucleo. Tuttavia.1 . xy. Questo vuol dire che quando nel sistema sono presenti pi` funzioni d per atomo o anche funzioni con u momento angolare superiore (f. φ ) = NYl.l. La dipendenza da r2 nell’esponenziale rende le GTO inferiori alle STO in almeno due aspetti.m (θ . L’altro problema e che le GTO diminuiscono troppo rapidamente lontano 162 .m (r. Sul nucleo una GTO ha pendenza nulla.Y2. h.) si ottiene un sostanziale risparmio nei tempi di calcolo. Gli orbitali di tipo Gaussian [102] possono essere scritti sia in termini di coordinate polari che in termini di coordinate cartesiane.m (x.−1 .0 .

2-D. L’incremento nel numero delle funzioni di base GTO. o dei termini di momento angolare pi` alto detti termini di polarizzazione. ma per quello che abbiamo appena detto le GTO necessitano di pi` funzioni di base per ottenere la stessa accuratezza ottenuta dalle STO con u un numero inferiore di basi. tuttavia.` dal nucleo rispetto alle STO.3). In realt` come componenti del basis set non si prendono direttamente le funa zioni (D. e la “coda” della funzione d’onda e rappresentata in modo scarso. Questo schema permette di modulare l’accuratezza con cui i singoli orbitali vengono costruiti. per questo vengono usate delle contrazioni maggiori per riprodurne gli orbitali molecolari. e pi` che compensato dalla facilit` con la quale si riesce a calcolare gli integrali. Nella contrazione segmentata ogni primitiva χi viene utilizzata nell’espansione di una sola funzione di base χcon . dette “contrazioni”: ı K χcon = ∑ ai χi i=1 (D. usare lo stesso numero per gli elettroni pi` esterni appesantirebbe il calcolo non u apportando migliorie apprezzabili. le GTO sono quindi preferite e sono usate quasi universalmente come funzioni di base nei calcoli di struttura elettroniche. in genere hanno un maggior peso energetico. bens` delle combinazioni lineari di esse. Tuttavia gli elettroni di valenza sono quelli che determinano la chimica della molecola in esame. mentre nella contrazione generale non vi sono limiti all’utilizzo delle primitive. Gli elettroni di core.4) Esistono vari schemi di contrazione. per questo in alcuni casi possono essere aggiunte delle funzioni diffuse (con esponente ζ piccolo). Sia le GTO che le STO possono essere scelte per formare un set completo di basi. si possono usare funzioni che mirano 163 . u Piuttosto che partire con funzioni di base mirate a modellare gli orbitali atomici (STO oppure GTO). ed usare una combinazione lineare di queste per descrivere gli orbitali per l’intero sistema. Delle linee guida generali indicano che ci vogliono circa il triplo di basi GTO per ottenere il medesimo livello di accuratezza ottenuto ` u con le STO. In a termini di efficienza computazionale.

ci` vorrebbe dire che alti valori di k indicano rapide o oscillazioni.7) Si vede come l’energia dipende in modo quadratico dal fattore k. Gli elettroni in u una banda possono essere descritti da orbitali espansi in un basis set di onde piane. il che suggerisce l’idea di usare le soluzioni per gli elettroni liberi come funzioni di base.6) (D. potremmo usare delle funzioni con un range “infinito”. Per modellare sistemi estesi (infiniti).5) (D. cio` : k · t = 2πm. per esempio una cella unitaria con condizioni al contorno periodiche.7). cio` : e φ (x) = Aeikx + Be−ikx φ (x) = A cos(kx) + B sin(kx) 1 E = k2 2 (D. Le soluzioni dell’equazione di Schr¨ edinger per un elettrone libero in una dimensione pu` essere o o scritta sia in termini di un esponenziale complesso che in funzione di seni e coseni. che il numero di onde piane dipende 164 . dove m e un intero positivo.2) ed e relato all’energia attraverso la (D. cio` le onde piane tendono ad essere di gran lunga in numero maggiore rispetto e alle tipiche Gaussiane. che nelle tre dimensioni possono essere scritte attraverso una funzione complessa: χk (r) = eik·r (D. Notiamo.7) k pu` anche essere o pensato come una frequenza. fino ad annullarsi. gli orbitali molecolari si fondono in bande. Come si vede dalla (D. poich` la spaziatura tra i livelli e energetici diventa via via sempre pi` piccola. La grandezza del set e ` di base e unicamente caratterizzata dalla pi` alta energia inclusa nel vettore k.8) ` Il vettore d’onda k gioca lo stesso ruolo dell’esponente ζ in una GTO (D. Per sistemi infiniti. Un u tipico cutoff energetico di 200eV corrisponde ad un basis set di ∼20000 funzioni.Basis set direttamente a descrivere l’intero sistema. tuttavia. Gli elettroni di valenza esterni nei metalli si comportano quasi come elettroni liberi. I valori permessi di k sono dati attraverso il vettore traslazionale della ` cella unitaria t.

solo dalla grandezza della cella periodica. Le onde piane sono ideali per descrivere densit` a elettroniche delocalizzate lentamente variabili. ma negli ultimi anni sono state usate per descrivere specie molecolari senza alcuna periodicit` . non dal sistema che si trova realmente all’interno della cella. come le bande di valenza 165 . dove la a ` molecola e posta in una cella unitaria sufficientemente grande perch` non intee ragisca con la sua immagine. utilizzando l’approccio a supercella [103]. Mentre nel caso delle Gaussiane centrate sul nucleo queste crescono linearmente con le dimensioni del sistema. Inizialmente le onde piane furono usate per descrivere esclusivamente sistemi periodici. cio` le onde piane sono pi` e u efficienti per sistemi di grandi dimensioni.

.

1) e il cui stato fondamentale corrisponde all’autovalore E0 ed all’autovettore | φ0 sia inoltre | ψ =| φ0 un vettore di norma unitaria appartenente allo spazio di Hilbert definito dagli autovettori di H. con autovalori ed autovettori (ortonormalizzati) definiti da: H | φn = En | φn (E.Appendice E Il principio di Ritz Sia H un operatore hermitiano.2) Dimostrazione Poich´ | ψ appartiene allo spazio di Hilbert descritto dagli autovalori di H. e per la propriet` di completezza. Si dimostra che vale la disuguaglianza di Ritz-Rayleigh: φ0 | H | φ0 < ψ | H | ψ (E.3) 167 . esso pu` essere scritto come una combinazione a o lineare degli autovettori di H. cio` : e | ψ = ∑ cn | φ n (E.

6) e maggiore di zero per tutti gli |φ = |φ0 168 .m n (E.5) e quindi: ψ | H|ψ − φ0 | H|φ0 = ∑ |cn|2En n − E0 = ∑ |cn |2 (En − E0 ) n (E.6) vale zero.m n (E. si ha: e 1 = ψ | ψ = ∑ c∗ cn φm | φn = ∑ c∗ cn δn.6) e chiaro che tutti i termini della sommatoria con n = 0 sono positivi (infatti En > E0 ).6) ` ` Nell’ultimo passaggio si e fatto uso della (E. Inoltre. in tal caso c0 = 1. Di conseguenza l’espressione (E. Pertanto risulta dimostrato che ` la (E.m = ∑ |cn |2 m m n.3) si ricava: ψ | H|ψ = ∑ c∗ cn φm | H|φn = ∑ c∗ cn En δn. mentre il ` termine con n = 0 e evidentemente nullo.4) Usando la (E.m n.m n.Il principio di Ritz dove i coefficienti cn sono complessi.6) avr` a il suo minimo assoluto quando tutti i cn con n = 0 sono nulli. ovvero |φ = |φ0 e l’espressione (E. poich` | ψ normalizzato. Nella (E.m = ∑ |cn |2 En m m n.4).

.

minimizza il valore della funzione obiettivo.1) ` ` dove x e il vettore delle variabili decisionali a n componenti e X e il sottoinsieme ` dello spazio vettoriale definito dai vincoli. Un qualsiasi problema di ottimizzazione pu` essere espresso nella seguente o forma:   min f (x) x  x∈X ⊆ℜ (F. L’obiettivo e quindi quello di individuare il vettore x (cio` i valori da assegnare alle n variabili decisionali) che. generalmente. e rispettando i vincoli. in funzione di una qualche variabile. 170 . L’ambito di ricerca privilegiato dell’ottimizzazione e quello dei modelli esprimibili in termini di funzioni a pi` variabili. nei quali i punti stazionari u vengono ricercati ponendo anche vincoli qualitativi espressi in termini di derivate successive. per esempio dell’energia. si prova a localizzare un valore stazionario.Appendice F Algoritmi di ottimizzazione ` L’ottimizzazione e una branca della matematica che studia teoria e metodi per la ricerca dei punti stazionari di un modello che traduce in termini matematici un dato problema (non occupandosi quindi direttamente di come tale modello sia ` stato costruito). Nei problemi di ottimizzazione.

Naturalmente la prima cosa da fare sar` scegliere il punto di partenza x a ` da cui iniziare la ricerca. Naturalmente la scelta di tale punto pu` influenzare la ricerca del minimo. dove x e una variabile sconosciuta. Metodi che usano le derivate prime della funzione nel punto (metodi a gradiente).2) ˆ ˆ dove ik rappresenta la direzione e |λk ik | la grandezza dello spostamento (step). per questo o motivo si cerca sempre questo punto sulla base della conoscenza dell’andamento di f (x). . da cinque a dieci. ` La differenza tra i vari metodi di ottimizzazione e determinata dalla scelta della direzione e dello step. 1. A questo punto dobbiamo decidere due cose: (i) la direzione da seguire nella ricerca del minimo. e di voler trovare un minimo di f . . Possiamo classificare i metodi approssimativamente in questo modo: 1.` Generalmente la ricerca e indirizzata sui minimi o sui punti di sella. cio` dobbiamo scegliere la direzione da seguire e nel cammino dal punto x0 a quello successivo. . Potremmo pensare che per calcolare il minimo di una funzione a pi` u variabili. e cos` facendo raggiungere il minimo dopo un certo numero di passi. . sia globali che locali. 171 . ı Quest’approccio per` suppone che le variabili siano indipendenti fra di loro. (ii) quanto grande deve essere lo spostamento lungo quella direzione. in maniera tale da trovare un valore che non sia troppo distante dal minimo ricercato. Il problema pu` essere schematizzato in questo modo. ed o inoltre diviene impraticabile per funzioni con un numero di variabili relativamente piccole. che ipotizziamo essere un certo x0 in cui la f e nota. (F. Supponiamo di avere o ` una funzione f (x). Avremmo la seguente rappresentazione iterativa: ˆ xk+1 = xk + λk ik k = 0. basti derivare in successione rispetto ad ognuna delle variabili lasciando le altre fisse.

x e b sono due vettori e c e una costante scalare.4) ` Adesso la domanda e: quanto grande dovrebbe essere lo step λk ? Ovviamente vogliamo muoverci verso punti in cui la funzione produce un valore minimo. Per questo motivo i metodi (1) sono una scelta preferibile in molte situazioni. La ricerca parte da un punto arbitrario ` x0 e scorre lungo il gradiente finch` non si e abbastanza vicini alla soluzione. La scelta della direzione u ` e quella secondo cui f diminuisce pi` rapidamente.3) ˆ ` ` dove W e una matrice definita positiva. e cio` nella direzione opposta u e al gradiente di f calcolato in quel punto. Il metodo dello Steepest Descent (SD) ` Il metodo SD e il pi` semplice dei metodi a gradiente. la procedura iterativa e: xk+1 = xk − λk ∇ f (xk ) = xk − λk g(xk ) (F.Algoritmi di ottimizzazione 2. In e ` formule. supponiamo di voler u ottimizzare una funzione quadratica. La derivata direzionale sar` allora data da a d d f (xk+1 ) = ∇ f (xk+1 )T · xk+1 = −∇ f (xk+1 ) · g(xk ) dλk dλk 172 (F. Metodi che richiedono anche la conoscenza delle derivate seconde. I costi computazionali maggiori derivano dal calcolo e dal trattamento delle derivate seconde. ` che e la direzione lungo la quale la derivata direzionale si annulla. della forma: 1 ˆ f (x) = xT · W · x + b · x + c 2 (F. I metodi (2) hanno il vantaggio di generare punti che sono sufficientemente vicini al minimo in un numero di step inferiore.5) . ma ci` o non significa necessariamente con un minor costo computazionale. Allo scopo di illustrare in modo pi` dettagliato questi metodi. Naturalmente la scelta del metodo dipende dall’accuratezza e soprattutto dal costo computazionale richiesto.

viene modificato durante le iterazioni. vediamo quali direzioni scegliere via via e notiamo che sono ortogonali tra loro. Questo sistema porta dei van` taggi nei casi in cui il calcolo usando la ricerca lineare e laborioso. il metodo garantisce e 173 . cio` se il minimo esiste. Quest’iterazione continua fino ad un estremo che viene determinato in base all’accuratezza da noi scelta.4) per differenti valori di λk .dove T sta per trasposto. il metodo SD e semplice.1). Quindi la ricerca del minimo si riduce ad una sequenza di ricerche lineari. che. a ` Come visto. assicurandoci che la funzione diminuisca ad ogni step. ma ad ogni iterazione impiegher` un tempo minore per spostarsi da un punto ad un altro. ` ` Questo e un problema di minimizzazione lungo una linea.F. Figura F. infatti richiede un numero di step maggiore per raggiungere il minimo.1: Illustrazione bidimensionale del metodo SD. Si vede proprio come l’approccio al minimo avviene attraverso una traiettoria a zig-zag. facile da applicare ed ogni iterazione ` e rapida. Ponendo quest’espressione uguale a zero. se necessario. ` Un modo alternativo di implementare questo metodo e quello di partire da una dato valore di λk . dove la linea e data dalla (F. E’ anche molto stabile. Il prossimo pas` so e allora spostarci nel punto che si trova nella direzione negativa del gradiente e dopo n step otterremo un cammino a zig-zag (Fig.

Il metodo CG cerca di risolvere questo problema attraverso un metodo di “apprendimento” dall’esperienza.F. la ragione della lenta convergenza del meotdo SD ` e legata al fatto che ad ogni step cambia la direzione lungo la quale ci muoviamo. sono ortogonali rispetto ad una qualsiasi matrice simmetrica definita positiva. Conjugacy significa che due vettori differenti.Algoritmi di ottimizzazione di localizzarlo dopo un certo numero di step. Quello che accade e che si avvia con una convergenza ragionevole. Il metodo del Conjugate Gradient (CG) Come visto in precedenza. Nel caso in cui gli autovalori dell’Hessiano H calcolate lungo i punti sono Figura F. cio` : e ˆ diT · W · d j = 0 174 (F.6) .2: Convergenza del metodo SD. il metodo pu` richiedere anche un numero o ` infinito di step prima di raggiungere il minimo.3). il metodo SD ha un importante svantaggio legato alla sua lenta converˆ genza. Nonostante tutte queste propriet` a positive. differenti di alcuni ordini di grandezza. di e d j .2 nel caso di una funzione quadratica. Questa situazione e illustrata in Fig. ma la velocit` d’avvicinamento al minimo via a ` via si abbassa fino quasi a fermarsi. ˆ per esempio la matrice W della (F.

La Fig. La Fig. infatti. Il modo migliore di ` visualizzare il metodo CG e il seguente: supponiamo di avere lo spazio in cui stiamo lavorando e uno spazio “allungato” (Fig. dove le linee sono W -ortogonali.F. Figura F. Tutte le direzioni presenti sono ortogonali.6).3: Schema d’ottimizzazione del CG (a). che e ellittica per b = 0.3a) ed effettua uno step lungo ` la direzione d0 e si ferma nel punto x1 .3). Un insieme ˆ ` di tali direzioni di ricerca e detto W -ortogonale o coniugato.F. (b) ˆ Lo stesso problema visto nello spazio “allungato”.5). La differenza essenziale 175 .3b mostra lo stesso contorno in uno spazio che e allungaˆ to lungo gli assi delimitati dagli autovettori della matrice W in modo tale che il ` contorno ellittico diventi circolare. determinato con lo stesso metodo dello SD.F. Una qualsiasi coppia di vettori che e perpenˆ ` dicolare in questo spazio e.` L’ idea e quella di prendere la direzione di dipendente da tutte le altre direzioni possibili per localizzare il minimo di f attraverso l’equazione (F. Qualsiasi coppia di vettori che appare perpendicolare in questo spazio deve essere ` ortogonale. La ricerca del minimo nel caso di una funzione quadratica parte dal punto x0 (Fig.F. Questo e un punto di minimo lungo quella direzione. cio` il minimo che si trova e ` nella direzione dove la derivata direzionale e nulla (F. W -ortogonale.3a mostra la forma del ` contorno di una funzione quadratica nello spazio reale.

Per evitare di ricercare lungo direzioni gi` esploa rate.9) dove i coefficienti βk sono dati. nello spazio allungato. essa apparir` perpendicolare in questo spazio modificato.6 afferma che una ricerca lungo di mostra dove il gradiente di f e ortogonale a di e come muoverci adesso lungo la nuova direzione d j . d1 ci porter` direttamente al minimo a della funzione quadratica f (x). Come riesce il CG a trovare la giusta direzione che porta al minimo x? La risposta si trova nella Fig.8) ` Successivamente. Lo step iniziale e nella direzione dello SD: d0 = −g(x0 ) = −g0 (F. la direzione d0 sembra essere tangente al contorno circolare nel punto x1 . la f sar` minimizzata lungo e a tutte le direzioni esplorate. Il gradiente subisce una variazione: ˆ δ (∇ f ) = W · d j (F.3b. cio` che il cambiamento nel gradiente sia esso stesso e ortogonale a di . dalla formula di Flecther-Reeves: gT · gk+1 βk = k+1 gT · gk k 176 (F. come si vede dalla F. la procedura e la seguente. si richiede che il gradiente resti perpendicolare a di . come nella ` ` F.F.10) . il CG garantisce che la minimizzazione di f lungo una direzione non “rovini” la minimizzazione lungo le altre.3a). Poich` la direzione successiva e ˆ ` a d1 e costretta ad essere W -ortogonale alla precedente. Per una funzione quadratica. cio` che dopo i step.3.6. per esempio. la direzione mutualmente coniugata e scelta in questo modo: dk+1 = −gk+1 + βk dk (F.7) Per non interferire con la minimizzazione lungo di . Mentre il metodo SD dovrebbe seguire la direzione delimitata dal vettore r1 (Fig.Algoritmi di ottimizzazione ` tra il CG e lo SD e legata alla scelta della direzione da seguire dopo il primo passo. Quindi.F. ` La F. il metodo CG dovrebbe scegliere come direzione quella delimitata dal vettore d1 .

queste ricerche lineari e devono essere accurate. e un metodo largamente usato per il calcolo in modo iterativo dei sistemi di equazioni lineari. In pratica. la cosidetta formula di Polak-Ribi` re: e gT · (gk+1 − gk ) βk = k+1 T gk · gk ` e sicuramente vantaggiosa nel caso di funzioni non quadratiche. una ricerca linea` re accurata e impossibile. (F. Nel tentativo di risolvere tali problemi e stata introdotta una formula alternativa a quella di Flechter-Reeves. Anche piccole deviazioni possono causare la perdita delˆ la W -ortogonalit` ai vettori. che genera un aumento nel numero di iterazioni che a bisogna effettuare prima che converga al minimo. la lunghezza dello step pu` essere ricavata attraverso una ricerca lio neare.11) ˆ ` ` Quando la matrice W non e nota. a causa sia dell’accuratezza numerica sia del limitato ` tempo computazionale. Affinch` il metodo CG converga in n iterazioni.12) Non c’` una grossa differenza di performance tra le due formule. ` Il metodo CG oltre ad essere un ottimo metodo di ottimizzazzione.` La lunghezza dello step lungo ogni direzione e data da: λk = T dk · gk ˆ d T · (W · dk ) k (F. Naturalmente al crescere di ` n cresce anche la memoria utilizzata. ma in generale il metodo CG e preferito al metodo SD. ma quest’ultima e Il metodo di Newton-Raphson (NR) Il metodo NR differisce dai metodi appena visti nel fatto che il minimo viene localizzato utilizzando l’informazione relativa alle derivate seconde della funzione 177 . o la spesa computazionale e troppa per determinarla. I suoi vantaggi sono la velocit` e la scarsa quantita di memoria volatile a utilizzata per l’aggiornamento delle derivate seconde.

Le derivate della F.13) ˆ dove sia il gradiente gk che la matrice Hk sono valutate in xk .3) e muovere questa funzione verso il minimo. ` L’idea del metodo NR e approssimare la f (x) in ogni iterazione attraverso una funzione quadratica (F. differenziabile due volte e con derivate continue su ogni punto.16) ` che e un sistema lineare di equazioni. Questo porta ad una pi` rapida convergenza.13 sono: 1 ˆ 1 ˆT ∇ f (x) = gk + Hk · (x − xk ) + Hk · (x − xk ) (F. a 178 . cio` : a e ˆ Hk · (x∗ − xk ) + gk = 0 (F. o specialmente per sistemi molto grandi.13 ` e valida. Infatti. Il metodo NR usa il punto x∗ come punto successivo presente nella formula iterativa: ˆ −1 xk+1 = xk − Hk · gk (F.Algoritmi di ottimizzazione f (x). ma non ad un tempo compuu tazionale necessariamente inferiore. Quindi quest’ultima equazione si riduce a: ˆ ∇ f (x) = gk + Hk · (x − xk ) (F. il calcolo delle derivate seconde e ˆ la gestione della matrice H pu` richiedere uno sforzo computazionale enorme.14) 2 2 ˆ ` ` La matrice Hessiana H e sempre simmetrica se la funzione xk e continua. La funzione ` quadratica su un punto x in un adatto intorno del punto xk e data da una serie di Taylor troncata: 1 ˆ f (x) ≈ f (xk ) + (x − xk )T · gk + (x − xk )T · Hk · (x − xk ) 2 (F. allora il gradiente in quel punto sar` nullo.17) ˆ −1 ` dove il termine −Hk · gk e detto direzione di Newton. Se l’approssimazione F.15) Se assumiamo che f (x) possiede il suo minimo in x = x∗ . il metodo converger` in poche iterazioni.

In questo caso non e garantito che o la procedura conduca ad un minimo.18) ˆ ` ` Questa disuguaglianza e soddisfatta in tutti i punti xk+1 − xk = 0 se Hk e definita ` positiva.13). Approssimativamente possiamo ˆ a ` affermare che lo sforzo computazionale nel calcolo di H v` come N 2 .19) (F. Le performance del metodo sono quindi dipendenti da alcune qualit` di a questa matrice. oppure non e ricalcolando l’Hessiano ad ogni step (pu` essere effettuato a causa delle lente o variazioni delle derivate seconde). Perci` . Pi` lontano xk si trova dal minimo. dove N e il numero di atomi.17) diviene: ˆ − (xk+1 − xk )T · Hk · (xk+1 − xk ) < 0 (F. sia un punto di sella che un massimo. a cio` sistemi dove f (x) dipende da un gran numero di variabili il calcolo della e matrice genera un grosso sforzo computazionale. La grandezza dell’Hessiano gioca un ruolo cruciale sulla fattibilit` del metodo NR. Ci sono alcuni modi per assicuˆ ˆ rare che H sia definito positivo. infatti potremmo anche trovare altri punti critici. affinch` il metodo converga verso il minimo. cio` ignorando i termini incrociati.Bench` la convergenza possa sembrare molto rapida. oppure diagonalizzando la matrice usando i suoi autovalori. Per sistemi con un gran numero di dimensioni. peggiore e l’approssimazione (F. dove I a ˆ ` ` e la matrice unitaria e λ e uno scalare positivo. Una di queste qualit` e che la matrice deve essere definita positiva. la direzione di Newton deve e essere una direzione in discesa. osservando il numero di e step. Questo vasto sforzo pu` essere abbassato usando solamente o i termini diagonali dell’Hessiano. u ˆ ` che pu` generare un H non definito positivo. ad esempio aggiungendo la quantit` λ I. 179 . si richiede che: o ∇ f (xk ) · dk = gT · (xk+1 − xk ) < 0 k che usando la (F. ogni iterazione include il calcolo delle derivate seconde e la gestione della ˆ matrice H. a` Infatti.

180 .17 diviene: ˆ −1 xk+1 = xk − λk Hk · gk (F. il metodo NR ha riscosso un certo successo a causa della sua veloce convergenza in un intorno sufficientemente vicino al valore stazionario.Algoritmi di ottimizzazione ` Un altro serio svantaggio del metodo NR e che non necessariamente converge globalmente. cio` a e converge inizialmente lentamente e finisce con una rapida convergenza [104]. In questo caso la F. Il metodo NR ha la qualit` opposta al metodo SD. Un modo e ` per risolvere questo problema e migliorare la grandezza dello step nella direzione di Newton. assicurando che il valore della funzione diminuisca.20) Nonostante tutti i problemi menzionati. cio` che la convergenza dipende dal punto da cui si parte.

.

mentre sono pi` frequentemente utilizzate le onde piane nei sistemi periodici esteu 182 . poich` non partecipano e direttamente alla sua formazione o rottura ed inoltre poich´ e necessario usare un e` gran numero di funzioni di base per espandere i corrispondenti orbitali si potrebbe pensare ad una via alternativa per la loro rappresentazione attraverso le funzioni di base.Appendice G Pseudopotenziali Gli elementi chimici che si trovano nella parte pi` bassa della tavola periodica u hanno un elevato numero di elettroni di core. Questi problemi possono essere “risolti” simultaneamente modellando gli elettroni di core attraverso un’adatta funzione. Inoltre negli elementi appartenenti alla parte pi` bassa della tavola periodica gli effetti relativistici giocano u un ruolo essenziale complicando notevolmente i calcoli. Le funzioni che modellano gli elettroni di core sono generalmente chiamate Effective Core Potential (ECP) [105] oppure Pseudopotential (PP) [106]. a causa degli effetti di repulsione elettrone-elettrone. e trattando solamente gli elettroni di valenza esplicitamente. I sistemi molecolari vengono descritti generalmente attraverso un set di basi Gaussiane. Questi elettroni non sono importanti dal punto di vista dello studio del legame chimico. Bisogna per` tenere a mente che gli orbitali di valenza per essere descritti in o maniera adeguata necessitano di una buona rappresentazione degli orbitali di core.

oltre quella di cosiderarli tutti esplicitamente. associato all’energia pi` grande. ma si e certi che le energie derivate sono soddisfacenti. e ovvio usare le stesse funzioni per descrivere lo PP. In questo modo aumentano i ` costi computazionali. Per esempio. e chiaro che gli orbitali pi` u esterni. otterremo dalle geometrie ragionevoli. Il numero di onde piane da usare per rappresentare i nostri orbitali dipende ` direttamente dal vettore d’onda. e questa differenza e rispecchiata anche nei corrispondenti PP. da simulare con un PP: • Core “grande” ECP + 11 elettroni considerati esplicitamente: (1s)2 (2s)2 (2p)6 (3p)6 (4s)2 (3d)10 (4p)6 + (4d)10 (5s)1 . • Tutti gli elettroni considerati esplicitamente: (1s)2 (2s)2 (2p)6 (3p)6 (4s)2 (4p)6 (3d)10 (4d)10 (5s)1 . Il risultato migliore si ottiene includendo nel modello anche gli orbitali che sono prossimi a quelli di valenza. ma troveremo che in alcuni casi le energie del sistema non sono soddisfacenti.` si (cristalli). specialmente per quelli dove gli effetti relativistici sono importanti. Poich` le funzioni Gaussiane sono contie nue. ` Il guadagno nell’usare l’ECP e maggiore per atomi che appartengono alla parte bassa della tavola periodica. Quan` do usiamo funzioni Gaussiane per descrivere gli orbitali di valenza. non c’` una distanza fissa che caratterizza l’estensione del potenziale di core e ` e la qualit` dell’ECP e determinata dal numero di elettroni che attraverso esse si a ` voglione rappresentare. che e inversau 183 . • Core “piccolo” ECP + 19 elettroni considerati esplicitamente: (1s)2 (2s)2 (2p)6 (3p)6 (3d)10 + (4s)2 (4p)6 (4d)10 (5s)1 . possiamo considerare due differenti scelte per gli elettroni di core. Se e scegliamo di modellizzare il resto degli orbitali attraverso uno PP. (n + 1)p ed (n)d. costituiscono lo spazio di valenza. Per i metalli di transizione. cio` (n + 1)s. nel caso dell’argento che ha numero atomico 47.

Pseudopotenziali mente proporzionale alla pi` piccola variazione della funzione d’onda che pu` u o essere descritta. Gli PP sono quindi utilizzati per “spalmare” la carica nucleare e modellare gli elettroni di core. Per sistemi composti da elementi delle prime due righe della tavola periodica. che si conservi la norma della funzione d’onda [107]. Una limitazione im184 . Cio` gli PP usati in e connessione con le onde piane hanno un estensione fisica finita. riducendo in questo modo il numero di onde piane necessarie per espandere gli orbitali di valenza di un fattore approssimativamente uguale a 2. l’er` rore nei calcoli DFT e approssimativamente equivalente a quello che si otterrebbe usando basi Gaussiane per descrivere tutti gli elettroni [109]. Il potenziale per ` distanze pi` piccole di rc e descritto da un’adatta funzione analitica. tipicamente u un polinomio oppure una funzione sferica di Bessel. l’uso dello PP per descrivere la regione di core comporta un limite fondamentale all’accuratezza con cui possiamo svolgere i nostri calcoli. La singolarit` del potenziale nucleare (Vne ) e i corrispettivi eleta troni di core fortemente localizzati sono essenzialmente impossibili da descrivere attraverso un numero ragionevole di onde piane. u in aggiunta alle condizioni viste su rc . Gli PP norm-conserving proposti da Hamann. Schl¨ ter e Chiang richiedono. Questi potenziali sono caratterizzati tipicamente da un “raggio di core” rc . Vanderbilt propose di rilassare la richiesta della conservazione della norma per generare i cosidetti PP ultrasoft [108]. ma quando rc diviene troppo grande la qualit` dei risultati calcolati si deteriora ed anche la trasferibilit` a a dello PP si perde. Mentre non genera nessun errore l’uso delle onde piane come funzioni di base per espandere gli orbitali. Per gli ultimi elementi della prima riga (C-F) e per i metalli di transizione 3d (Sc-Zn). questi PP sono piuttosto “duri” e quindi richiedono un cutoff d’energia relativamente grande per le onde piane. E’ chiaro che uno PP “duro” (piccolo rc ) richieder` un numero maggiore di onde piane per descrivere la rea gione al di sotto di rc rispetto ad uno “soffice” (grande rc ).

185 .` plicita al metodo degli PP e l’incapacit` di descrivere le propriet` molecolari che a a dipendono direttamente dagli elettroni di core (come nella X-ray photoelectron spectroscopy (XPS)) o dalla densit` elettronica vicino ai nuclei (come nell’NMR) a [51].

.

All’inizio del processo ` d’ottimizzazione e richiesta un’adatta stima della matrice delle derivate seconde. cio` . Costruiamo un set di vettori di base ortonormali ra per lo spazio attraversato dai vettori (xa − x0 ) tramite una procedura d’ortogonalizzazione di 187 . con xm quello pi` vecchio. Attraverso lo step ı u ` precedente noi conosciamo anche una matrice F (n × n) che e un approssimazione della vera matrice delle derivate seconde. sui punti m + 1 (0 ≤ a ≤ m ≤ p). x1 quello che lo precede. dipendente da n variabili xi . un punto dove g = 0. e del suo grao diente. Indichiamo con x0 il punto corrente. Punto a. e il gradiente ad n dimensioni di questa funzione gi = dE/dxi . a Perci` nello step p + 1 conosciamo il valore della funzione. (c) stimare la posizione del punto stazionario nell’intero spazio n-dimensionale usando il gradiente e la matrice approssimata delle derivate seconde. Fi j = d 2 E/dxi dx j . e Un singolo step d’ottimizzazione pu` essere diviso in tre parti: (a) ottenere o le correzioni alla matrice approssimata delle derivate seconde. Desideriamo costruire una serie di passi che ci portino ad un punto stazionario di E. (b) ricercare un minimo lungo la linea tra il punto corrente e il punto precedente. ga . cio` . e Assumiamo che tali passi p siano gi` stati fatti. E a . e cos` via.Appendice H Algoritmo di Berny Consideriamo una funzione E.

oppure riordiniamo xa in u modo da verificare quest’assunzione. Perci` ˜ o nello step p + 1.1) ria = ria |˜ia | ˜ r In determinate circostanze. differenti se E non e una ij m ria rib + (1 − δab ) ra rib j (H. per b > a.3) funzione quadratica. un totale di m + 1 valutazioni sull’energia e sul gradiente sono disponibili per il calcolo delle correzioni da effettuare sulla matrice approssimata delle costanti di forza.Algoritmo di Berny Gram-Schmidt.H. otteniamo la nuova e la vecchia stima ab ab delle derivate seconde. rispettivamente: a−1 ∑ ab kn = i (ga − g0 )rib − i i ∑ i i c=1 a 0 a (xi − xi )ri ∑ kcb ∑(xia − xi0)ric ba = kn ab ba k0 = k0 = ∑ ria Fi j rb j ij (H. Tuttavia. Quindi. allora il punto e scartato. 188 .2 i valori di kn e kn saranno. Se facciamo l’ulteriore assunzione che ogni step produce un punto sempre pi` vicino al minimo. Possiamo assumere che l’ampiezza dei contributi non quadratici a ga − g0 incrementi con la distanza xa − x0 .2) Questi valori vengono utilizzati per ottenere la stima di F. ij ab ab Fnew = Fold + ∑ kn − k0 b≥a ab ba ` Nell’eq. Se un punto e troppo lontano dal punto corrente ( xa − x0 > rmax ) oppure ` se i punti sono quasi collineari (|xa | < rsoglia ). kn e k0 . potrebbe essere necessario eliminare alcuni punti pre` cedenti. a−1 ria ˜ a 0 = (xi − xi ) − ∑ rib ∑(xia − xi0)rbj b=1 j (H. in generale. allora ga − g0 sono ordinati approssimativamene in termini del decremento dei contributi non quadratici. noi vogliamo che F sia una matrice simmetrica. Nello spazio attraversato dai vettori ra .

E 1 e g1 . Punto b. Questa funzione e fittata su due diverse energie e due gradienti direzionali con in aggiunta il constraint d 2 E/dx2 ≥ 0. Gli autovalori possono allora essere testati in maniera tale da assicurare che la matrice sia definita positiva e perci` che lo step d’ottimizo zazione proceda realmente verso un minimo. Nelle applicazioni e generalmente usato per ` il fit un polinomio di quarto grado . in cui l’uguaglianza vale solo su un punto. ` Se l’ampiezza del vettore gradiente e molto grande. Questo comporta che negli ultimi step dell’ottimizzazione non spenderemo tempo nel correggere le ` derivate seconde ottenute nei primi step. possiamo migliorare la situazione evitando di calcolare la matrice delle derivate seconde fino a che i gradienti non assumono un valore al di sotto di una certo cutoff. Usando la nuova stima della matrice delle derivate seconde F ottenuta attraverso il punto a ed ottenute le coordinate monodimensionali dal punto b.ab ci aspettiamo che kn abbia una componente non quadratica pi` piccola rispetto a u ba kn . Se troviamo un autovalore negativo. Una tale funzione ha il vantaggio di possedere ` un singolo minimo locale che e anche il minimo globale. Bisogna ricercare un minimo per E nella direzione xa − xb attraver` so un fit polinomiale E 0 . L’effetto netto e quello di forzare una procedura di SD lungo la direzione degli autovettori associati agli autovalori negativi. la ` prossima stima della posizione del punto stazionario e data da: new xi = xi − ∑ Fi−1 g j ˜ j ˜ j (H. La matrice 189 . fino a che i gradienti non scendono sotto un valore ragionevole. Punto c. ` invertiamo il suo segno. L’effetto netto di questo approccio e utilizzare nei primi step un algoritmo SD. Indichiamo con xi le co˜ ordinate del minimo nello spazio monodimensionale. g0 .4) ` L’inverso della matrice delle derivate seconde e calcolato attraverso una diagonalizzazione della matrice. Le derivate gi su xi possono ˜ ˜ allora essere ottenute da g0 e g1 attraverso un’interpolazione.

in cui si utilizzano le informazioni a che vengono dagli n step precedenti e si eliminano le informazioni derivanti dagli step pi` “vecchi”. il processo continua a meno che non superi il numero massimo di step imposti [110]. ` Lo step successivo e simile a quelli gi` visti. allora la variazione prevista ` e scalata in modo tale che i limiti non siano eccedenti. Ad ogni step il gradiente e i vettori spostamento sono testati u ` per vedere se l’ottimizzazione e giunta a convergenza. Lo spostamento spaziale stimato deve superare un test simile sull’RMS e sul valore assoluto della componente pi` grande. Se il cambiamento in c e troppo grande. 190 . Se le condizioni non sono soddisfatte. Se queste quattro condizioni sono soddisfatte. Inoltre o si richiede che la variazione totale su un qualsiasi xi deve essere al d` sotto di una ı ` certa soglia. Lo scarto quadratico medio (RMS) del gradiente e del valore assoluto della pi` grande componente del grau diente devono essere al di sotto del loro rispettivo valore di soglia. l’ottimizu ` zazione e completata.Algoritmo di Berny inversa pu` allora essere costruita attraverso gli autovalori e gli autovettori.

.

. rk ) = Nelec k × Ψ∗ (r1 . Le corrispondenti autofunzioni per la matrice densit` del secondo ordine sono dette Natural Geminals. La matrice densit` ridotta di ordine k. . . Integrando la matrice densit` a del primo ordine sulle coordinate 1 otteniamo il numero di elettroni. r2 ). drNelec Notiamo che le coordinate per Ψ∗ e Ψ sono differenti. γ1 (r1 .1) Ψ(r1 . . e quindi derivare le cariche atomiche ed i 192 . rNelec )drk+1 . . . . . r1 . rk . . . . . r1 ) e γ2 (r1 . e definita come [68]: a γk (r1 . γk . mentre ` l’integrale della matrice densit` del secondo ordine sulle coordinate uno e due e: a Nelec (Nelec − 1) (cio` il numero di elettroni accoppiati). La matrice densit` pu` e a o essere diagonalizzata. rk . . . poich` l’operatore H cone tiene solamente operatori ad uno e due elettroni.Appendice I Natural Bond Orbital (NBO) ` La densit` elettronica e uguale al modulo quadro della funzione d’onda. Nelec . rk+1 . . Di speciale importanza nella teoria dei sistemi a molti elettroni sono le matrici densit` ridotta del a ˆ primo e del secondo ordine. . rk . . . . r2 . a ` |Ψ|2 = Ψ∗ Ψ. a Il concetto di NO pu` essere usato per calcolare la distribuzione elettronica o negli atomi e negli orbitali molecolari. r1 . ed i corrispondenti autovettori ed autovalori sono detti Natural Orbitals (NO) e Occupation Numbers. rNelec )× (I. rk+1 . .

(I.  . χn . .  . .. gli orbitali devono essere ortogonalizzati. .. ` Il set minimo di NAO normalmente e fortemente occupato (cio` hanno numero e d’occupazione maggiore di zero).. χ2 .. χk+2 . sulla base della grandezza dei numeri di occupazione in: “basi minime naturali” (corrispondenti agli orbitali atomici occupati per l’atomo isolato) e un rimanente set di orbitali naturali “Rydberg”. Il numero di e 193 .2) La matrice densit` pu` essere scritta in termini di blocchi di funzioni di base a o appartenenti ad uno specifico centro:  DAA   AB D D=  AC D  . . (I. . χ3 . χn+1 . che sono prima di quelli localizzati sul centro C. e i numeri d’occupazione degli orbitali non saranno quindi la somma del numero totale degli elettroni. a Assumiamo che le funzioni di base siano distribuite in maniera tale che tutti gli orbitali localizzati sul centro A vengono prima di quelli localizzati sul centro B.  . . . . Questi NAO non saranno in generale ortogonali. . I NAO normalmente somigliano ai semplici orbitali atomici (come calcolati per un atomo isolato) e possono essere divisi.3) L’orbitale atomico naturale per l’atomo A nell’ambiente molecolare pu` eso sere definito come quell’orbitale che diagonalizza il blocco DAA ..  .  . χk . χk+1 ..  .  . . .. Per ottenere una buona divisione degli elettroni. .  . per l’atomo B quello che diagonalizza il blocco DBB .legami molecolari.. χn+2 . mentre i NAO-Rydberg generalmente sono occupati debolmente (cio` numero d’occupazione vicino allo zero). etc. DAB DAC DBB DBC DBC DCC . B B B C C C A A A χ1 . ecc. . L’idea del Natural Atomic Orbital (NAO) e dell’analisi NBO ` [111] e quello di usare la matrice densit` one-electron per definire la forma degli a orbitali atomici nell’ambiente molecolare e derivare i legami molecolari tra gli atomi attraverso la densit` elettronica. .

Ogni “pre-NAO” debolmente occupato associato ad un centro e reso ortogonale a tutti i “pre-NAO” fortemente occupati associati allo stesso centro attraverso una procedura d’ortogonalizzazione di Gram-Schmidt. Ogni “pre-NAO” fortemente occupato associato ad un centro e reso ortogonale a tutti gli altri “pre-NAO” fortemente occupati associati agli altri centri attraverso una procedura di diagonalizzazione pesata attraverso il numero d’occupazione. il numero ` di NAO-Rydberg incrementa all’aumentare del set di basi. ` 3.Natural Bond Orbital (NBO) NAO dipende dalla grandezza del set di base atomico. spesso denotati “pre-NAO”. Ogni NAO debolmente occupato e reso ortogonale a tutti gli altri NAO debolmente occupati associati a centri diversi attraverso una procedura di diagonalizzazione pesata attraverso il numero d’occupazione. in particolare.1: Illustrazione della procedura di ortogonalizzazione nell’analisi NAO 194 . ` 2. ` 4. La procedura e la seguente (Fig.1): u 1. Figura I. Ognuno dei blocchi atomici nella matrice densit` e diagonalizzato e produce a` un set di NAO non ortogonali. Quindi e desiderabile che la procedura d’ortogonalizzazione preservi la forma degli orbitali fortemente ` occupati quanto pi` possibile.I.

Il loro contributo dalla matrice densit` e rimosso. e gli elementi diagonali della matrice densit` in queste basi sono le popolazioni degli a orbitali. AC. I NAO per un blocco atomico nella matrice densit` che hanno numero d’oca cupazione molto vicino a 2 (diciamo >1. . ed i sottoblocchi a coppie di due della matrice densit` sono diagonalizzati (senza i a contributi di core e dei doppietti elettronici). l’analisi pu` essere effettuata anche per funzioni d’onda o ` correlate. Il loro contributo dalla matrice densit` e rimosso. quindi. e formano una u a rappresentazione molto compatta della funzione d’onda in termini degli orbitali ` atomici. Sommando tutti i contributi degli orbitali appartenenti ad uno specifico centro si ottiene la carica atomica. . Inoltre. a` 2. a garantendo in questo modo che il numero d’occupazione associato agli elettroni sia compreso tra 0 e 2. Ogni coppia di atomi (AB. . BC. possono descrivere densit` elettroniche che si trovano vicine ad un nucleo differente da quello per cui a sono state create e su cui sono centrate. e che convergono ad un ben definito valore all’aumentare del basis set. Quindi la matrice densit` e stata trasformata nelle basi NAO ed i legami tra a` gli atomi possono essere identificati attraverso i blocchi che si trovano fuori dalla diagonale.999) sono identificati come orbitali di core. Lo svantaggio delle NAO e che la loro estensione pu` superare di gran o lunga le dimensioni dell’atomo a cui sono associate e. I NAO per un blocco atomico nella matrice densit` che hanno un grande a numero d’occupazione (diciamo >1. Generalmente si trova che i “natural minimal” NAO contribuiscono a pi` del 99% della densit` elettronica. a` 3. Gli NBO sono identificati co195 . La procedura coinvolge i seguenti step: 1.Il set finale di orbitali ortogonali sono semplicemente denotati NAO.) viene adesso considerata.90) sono identificati come orbitali con un doppietto elettronico. L’ulteriore vantaggio dei NAO e che sono definiti dalla matrice densit` .

196 . Se vengono generati un numero insufficiente di NBO tramite la procedura appena vista (cio` la somma del numero d’occupazione per il core.Natural Bond Orbital (NBO) me gli autovettori con grandi autovalori (numeri d’occupazione pi` grandi u di 1. il criterio di accettazione di un NBO viene gradualmente abbassato finch´ ad un numero sufficiente di elettroni non viene assegnato un e legame. 4. per i e ` u doppietti elettronici e per gli orbitali di legame e pi` piccola del numero di elettroni).90). generando un modello localizzato degli “orbitali” atomici che sono coinvolti nei legami. Una volta ricavati gli NBO questi possono essere scritti come una combinazione lineare dei NAO.

.

ssa Tiziana a Marino e il Prof. riuscir` ad apprezzare.Ringraziamenti Il mio primo pensiero va alla mia famiglia. Desidero ringraziare la Dott. ha sopportato in quest’ultimo anno le mie lamentele e mi ha fornito continui suggerimenti. A mia sorella che riesce a sorprendermi sempre e che per troppo tempo non ha avuto un “buon” fratello ma che col tempo. A mia madre che non si e mai stancata e con forza mi ha sostenuto nei momenti bui. Un grazie a Cristina per avermi sopportato.ssa Velia Minicozzi per la disponibilit` . per aver curato tutte le mie ferite 198 . Infine ai a miei due nipotini che riescono a farmi piangere come un bambino. quasi quotidianamente. Inoltre ringrazio il Prof. Ringrazio la Prof. Non esiste un modo per ripagare ` appieno i sacrifici che avete fatto per me. Un ringraziamento particolare al Dott. Nino Russo.ssa Silvia Morante per avermi accordato la sua fiducia e permesso di lavorare nel suo gruppo di ricerca. per la a pazienza e per la guida che mi fornito durante tutto questo lavoro di Tesi. Alla mia famiglia allargata Rossana e Fabrizio. in particolare la Dott. A mio padre che mi fa sentire orgoglioso di essere suo figlio quando vedo quello che ha fatto e come lo ha fatto. Grazie. Un grazie alla disponibilit` e al lavoro dei ricera catori del gruppo dell’Universit` della Calabria. A ` mio fratello perch´ e il mio “miracolo”. Giancarlo Rossi per i suggerimenti e le correzioni. un mio punto di riferimento e mi e sempre e` stato accanto anche da lontano. spero. Francesco Stellato che.

Grazie Signore.e per avermi fatto ridere nei momenti peggiori. Un grazie a tutti i miei amici. ı Infine il pi` importante dei ringraziamenti lo riservo per Dio che mi ha dau to la forza di superare dei momenti molto bui. 199 . Non me ne vogliano se non li cito uno per uno. mi ha protetto e non mi ha mai abbandonato lungo questo cammino. Vorrei ringraziare con sincero affetto Filippo per tutto quello che ha fatto. ma “sta tesi adda fern`”. per l’aiuto nella stesura della tesi e per avermi dato forza in un momento di sconforto.

Mol. Pauling. 38: 1-23.A. Biol. 2004. Sasisekharan. Curr. Minimal model systems for beta sheet secondary structure in proteins. Lewis. [7] S. Zanichelli. New York.B. J. and H. 2001.. Wiley. J. Corey. 1963. Peptide bond characteristics. Biologia molecolare della cellula. 37: 235-240.G. [5] G. Alberts. Syst. R. Stryer.R.M. 1951. Protein Structure and Function. L. 200 . Chem. [6] L. [2] G. Bologna. Voet. M. Petsko. Tymoczko. 1995. [4] D.L. [3] R. 2nd edition. Branson. London. 7: 95-99.. Stereochemistry of polypeptide chain configurations. Zanichelli. C. Voet. Biochemistry. Met. 5a edizione. Ringe. 2004. Raff.. Opin. Bologna. 1998. 2002. Walter. Biol. Roberts. J. Berg. 37: 729-740. PNAS. Ramachandran. P. [8] B. J. Ramakrishnan and V.H. K.N. Ions Biol. A. Gellman. The structure of proteins: two hydrogen-bonded helical configurations of the polypeptide chain.Bibliografia [1] J.B. New Science Press Ltd. 4a edizione. D. Johnson. Biochimica. Martin.

Chem. Tooze. Kleinsmith. 2000. Becker. diagnosis and treatment of systemic amyloidosis. Nature. 5: 321-344. 4:184-191. Trends Biochem. Curr. Medical Science Monitor. Chinese Journal of Physiology. G. Trans. Dobson. 1998. R. 1995.J. Principles that govern the folding of protein chains. Garland Publishing. Pathogenesis. Siliprandi. Biol. Piccin Nuova Libraria. Padova. Folding protein in fatal ways. J. [13] C. [12] C. McGraw-Hill. Edises. Talapatra. Soc. [16] V. Segen. 2nd edition. Tettamanti. Lond. Metals and Neuroscience. Opin. J. 1999. Pepys. 2002.B. 46: 6-26. 5: 1001-1012.L. J. [10] H. Part I.L. Uversky .R.. 1931 (Reprinted in Adv. B. [17] A. J. Phil. [15] M. 1999. Sci.. Biochimica medica. 426: 900-904. 2001. [14] D. Il mondo della cellula. 24: 329-332.BIBLIOGRAFIA [9] M. [18] N. 2006. 356: 203-211.J. 2a edizione.I. evolution and disease. Selkoe. Gillespie and A. 1a edizione. 1973. 2005. Concise Dictionary of Modern Medicine. Wu.N. Studies on denaturation of proteins XIII. [19] C. Branden. Protein deposits as the molecular basis of amyloidosis. Hardin.B. [11] C. Systemic amyloidoses. 201 . Protein misfolding. Anfinsen. New York. Napoli. A. 181: 223230.M. New York. Bush.. 1999. A theory of denaturation. Fink. Science. Protein Chem. Introduction to protein structure.

402: 615-22.A. 1987. Nikolic. 2000. Padova. de la Monte. 2000. 2000. 60: 534-542. Terry. Journal of Neuropathology and Experimental Neurology. C. 46: 262268.A. M. Le basi patologiche delle malattie. 4th edition. Suzuki. Hardy. Selkoe. Small. Conversion of p35 to p25 deregulates Cdk5 activity and promotes neurodegeneration. S. Nature. R. [25] J.. Duff. Tsai. Scheuner. T. [26] S. Science. Eckman. 2002. Bird. T. Kukull. Linking Aβ and Tau in Late-Onset Alzheimer’s Disease: A Dual Pathway Hypothesis. P. [23] G. Neuron. The amyloid hypothesis of Alzheimer’s disease: progress and problems on the road of therapeutics. 1502: 44-52. Patrick. Hansen. K. Zukerberg. Senile dementia of the Alzheimer type without neocortical neurofibrillary tangles. P. Collins. Song.N. R.H. Dikkes. Kumar. Petanceska. [28] D. W. L. Anatomia patologica e correlazioni anatomo-cliniche. 2007. X. Citron. S. et al. J.. Cotran. Mariuzzi. Hardy.BIBLIOGRAFIA [20] American Psychiatric Association. Secreted amyloid beta-protein 202 . Davies. N. Hutton.J. [27] S. Padova. Diagnostic and statistical manual of mental disorders. Jensen. Katzman. M. L. American Psychiatric Publishing Inc.D. 1999. [24] R. [21] R. Piccin Nuova Libraria. DeTeresa. Piccin Nuova Libraria. Danvers. 2008. [22] G. M. D.M. Biochimica et Biophysica Acta. M. V. Gandy. Regulation of Alzheimer beta-amyloid precursor trafficking and metabolism. H. L.S. 297: 353-356. Tobias. 6a edizione.

. Tremml.Q. [33] S. Beta-amyloid precursor protein-deficient mice show reactive gliosis and decreased locomotor activity. 2002.R. T. J. Marcyniuk. Alkonb.D. Gajic. 81: 525-531. Nature Genetics. Tschanz. D.R. C. Herms. 58(7): 1577-1586. 1996.A. American Family Physician. Sirinathsinghji. Aguzzi. R. D. 1995. Breitner. C.C. 20: 7951-7963. 1986.C. M.J. Boyce. Cell.O. von Kretzschmar. A Cell biological perspective on Alzheimer’s disease. Welsh-Bohmer. Cell Biol.H. 18: 25-51. Etcheberrigarayb. Heber.W. J. Conner. Trumbauer. Meyer. Wolozin. De Strooper. H. 1998. Wyse. J. [34] W. Mice with combined gene knock-outs reveal essential and partially redundant functions of amyloid precursor protein family members. Lia. V. Annu. M. Hainfellner. Neuropathology & Applied Neurobiology. Sunderlanda. N. [30] P. 19: 321-322. The Journal of Neuroscience. 1998. Y. APOE genotype predicts when-not whether-one is predisposed to develop Alzheimer disease. 2: 864-870. Heavens. T. Mann. R.W. et al. Sisodia. Dawson.L. Nature Medicine. Smith. Luoa. Hirashimab. B. P. Rulicke.W. Norton. Annaert.E. [35] Y. Ravindra. Zheng. G. Jiang. D. [31] D. M. 2000. R. B. D. M. Advances in the treatment of Alzheimer’s disease. von Koch. Hopkins. B. [29] M. 12: 447-457. Steffens. K. [32] H.T.R.P. Sloane. B. Rev. A.M. S.BIBLIOGRAFIA similar to that in the senile plaques of Alzheimer’s disease is increased in vivo by the presenilin 1 and 2 and APP mutations linked to familial Alzheimer’s disease. P. Yates. The topography of plaques and tangles in Down’s syndrome patients of different ages.C. S. J. Physiological levels of β -amyloid increase 203 .

Adrian. R.L. Lilliehook. Uversky. Doolittle. J. D¨ beli. Tjernberg. Paradis. Morante. Vonsattel. 35: 340-351. Biochimica et Biophysica Acta. K.. 1982. [39] V. Bush.F.O. W. G. European Biophysics Journal. C. M. C. G. [37] T. Pettingell. Tanzi. Biol. Beyreuther.P.J. Dalla Serra. A. Stefani. Potrich. Brain Research. Biochimica et Biophysica Acta. Ritter. Hahne. C. Riek. 1739(1): 5-25. Multhaup.N. Stellato. J. 2003. Science. R. [42] F. [38] M. Callaway. Conformational constraints for amyloid fibrillation: the importance or being unfolded. [40] A. 2004. L¨ hrs. [36] J. 3D structure of Alzheimer’s amyloid-β (1–42) fibrils. A simple method for displaying the hydrophobic character of a protein. Nordstedt. Mol. 1999.BIBLIOGRAFIA tyrosine phosphorylation and cytosolic calcium. A molecular model of Alzheimer amyloid beta-peptide fibril formation. PNAS. R. Protein misfolding and aggregation: new examples in medicine and biology of the dark side of the protein world. M. Kyte.I. Menestrina. J. 2004. A. Metal binding in amyloids beta peptides shows intra.H. W. 102: 17342-17347.L. 2005. L. H. Fink. Gusella.and inter-peptide coordination modes. D. 2006. 157: 105-132. D. C. [41] L. 265: 1464-1467. Riek-Loher. Tomazzolli. R. 204 . Terenius. C. 681: 65-74. S. u o D. Journal of Biological Chemistry. Meyer-Klaucke. Masters. S. Tjernberg. 274: 12619–12625.F. Schubert. 1995. M.E. Bohrmann. B. Rapid induction of Alzheimer Aβ -amyloid formation by zinc. J. 1698: 131-153. Thyberg.

F. B. van Gunsteren. 3. Academic Press. 1993. D. Roma. C.1990. Minicozzi. I. 2008.P. 283: 10784-10792. 281: 2151-2161. [44] S. Functional Analysis. Journal of Biological Chemistry. [48] D. Valensin. 112: 100-109. A. Vol. 2002. Potrich. Allen. Jankowska. Universit` degli a studi di Roma “Tor Vergata”. 1989. Zirah.BIBLIOGRAFIA [43] V. M. Smit. E. D. Migliorini. M.F. Understanding Molecular Simulations. Computer simulation of biomolecular systems. Riesz. New York. H. Stellato.A. Morante. A. Tildesley. Rossi. [49] W. Weiner.P. Appunti di Teoria dei Sistemi a Molti Corpi. The Journal of Physical Chemistry B. A. Oxford. [46] M. Oxford University Press. San Diego. S. Molteni. 1996. 2008. S´ galase Milazzo. W. Valensin. Janicka-Klos. Wilkinson. Debey. Kozlowski. Leiden. NMR Studies of the Zn2+ Interactions with Rat and Human β -Amyloid (1-28) peptides in water-micelle environment. Structural Changes of Region 1-16 of the Alzheimer Disease Amyloid-Peptide upon Zinc Binding and in Vitro Aging. Dover Publications.K. Escom Science Publishers. Journal of Biological Chemistry. [45] E. Frenkel.K. Identifying the minimal Cu and Zn binding site sequence in amyloid beta peptides. [50] G. Cheminant. S. Blond. theoretical and experimental applications.C. [47] F. Comai. 205 . M. G. MeyerKlaucke. Kozin. S.J. E. Gaggelli. P. Wieczerzak. A. E. 2006. C. Computer simulation of liquids. Dalla Serra. P. Mazur. Rebuffat.

52: 7182–7190. Darden. [55] L. 72: 2384-2393. [60] M.F. A unified formulation of the constant temperature molecular e dynamics methods. Haak. [59] H. Essmann. Dinola.V. 1984. Berkowitz. Pedersen. Journal of Chemical Physics. 2nd edition. Journal of Applied Physics. Chemical Physical Letters. Lee. H. 1971. D. Darden.BIBLIOGRAFIA [51] F. Canonical dynamics: equilibrium phase-space distributions. 1987. New York. L. Journal of Chemical Physics. 81: 511–519. 10: 257-261.G.L. [58] W. Wiley. 1981 206 . L. Journal of Chemical Physics. Postma. 81: 3684-3690. L.G. Hoover. Huang.C.C. 1985. 98: 10089-10092. 31: 1695-1697. Parrinello.R. [53] U. York. J. 2nd edition. [52] T. Nos´ . W. 1980. van Gunsteren. Particle mesh Ewald: An N-log(N) method for Ewald sums in large systems. M. Rahman. Polymorphic transitions in single crystals: A new molecular dynamics method. J. Pedersen. 103: 8577-8592. Journal of Chemical Physics. Wiley. Molecular dynamics simulations at constant pressure and/or temperature. Woodcock. [56] H. [57] S. Isothermal molecular dynamics calculation for liquid salt. Journal of Chemical Physics. Perera. Andersen. Introduction to computational chemistry. A. A. Molecular dynamics with coupling to an external bath. 1993. Statistical mechanics. Jensen. [54] K. 2007. 1984. Physical Review A.P. Berendsen. T. 1995. New York. A smooth particle mesh ewald potential.J.

Feynmann. 1965. Yang. G.M. [71] A. Kohn. [68] R. Density-Functional Theory of Atoms and Molecules. Sham. Becke. W. Parr. 1965. [69] A. Solid State Physics. Appunti del corso di fisica dello stato solido. Berlin. 1988. 1989. B. [70] C. R.D. Yang. Cambridge University Press. Grosso. W. [62] R.R.D. 1964. 98(7): 5648-5652. Lee. 1993. Density Functional Theory. [66] E. 1988. Density-functional thermochemistry. Springer-Verlag. Physical Review. Self-Consistent Equations Including Exchange and Correlation Effects. 1996. The Journal of Chemical Physics. Physical Review. Parr. Density-functional exchange-energy approximation with correct asymptotic behavior.BIBLIOGRAFIA [61] J. McGraw Hill. Becke. the role of exact exchange.G. E. W. 37(2): 785-789. A. iii. Development of the Colle-Salvetti correlationenergy formula into a functional of the electron density. Academic Press. Inhomogeneous Electron Gas. L. [63] G. 2nd edition. New York.G. Ziman.K. Gross. Physical Review A. [64] P. Pastori Parravicini. 38(6): 3098-3100. 207 .J. Hohenberg. [67] W. Hibbs. 1979. 2000. 140: 1133-1138.P.M. [65] R. Messina. Principles of the Theory of Solids. Bruno. 1990. Dreizler. 136: 864-871. Cambridge. New Jersey. Physical Review.U. London. Kohn. Universit` degli a studi di Messina. Oxford University Press. Quantum Mechanics and Path Integrals.

15(3): 269-282. 100: 227-249. 1986. Kollman. Ferenczy. C. A combined ab initio quantum mechanical and molecular mechanical method for carrying out simulations on complex molecular systems: Applications to the CH3 Cl + Cl− exchange reaction and gas phase protonation of polyethers Journal of Computational Chemistry. A Generalized Hybrid Orbital (GHO) Method for the Treatment of Boundary Atoms in Combined QM/MM Calculations.C. Alhambra. Singh. Gordon. Rivail. Journal of Physical Chemistry A. Maigret. G. M. Journal of Molecular Biology.M. Journal of Computational Chemistry. 1999. Rinaldi. [73] A. 1998 [78] V. 1980. Theoretical studies of enzymic reactions: Dielectric. Gao. Thery. 1985.J. M.G. Unified Approach for Molecular Dynamics and Density-Functional Theory. 103: 1265-1273. Journal of the American Chemical Society. Levitt. Parrinello. 1994.S. [74] U. [75] A. Webb. P. P. Physical Review Letters.Car. Quantum mechanical computations on very large molecular systems: The local self-consistent field method. B. Field.P. R. An empirical valence bond approach for comparing reactions in solutions and in enzymes. Warshel. Amara. 7: 718-730. 102: 6218-6226. 208 .A. J.L. 1976. 55(22): 2471-2474.BIBLIOGRAFIA [72] R. [76] S. Warshel. electrostatic and steric stabilization of the carbonium ion in the reaction of lysozyme. Journal of Physical Chemistry A. M. D. [77] J. 102: 4714-4721. M. Weiss. Solvation of the Menshutkin Reaction: A Rigorous Test of the Effective Fragment Method.

Berendsen. [81] S.D. The IMOMO method: Integration of different levels of molecular orbital approximations for geometry optimization of large systems: Test for n-butane conformation and SN reaction: RCl + Cl− . [82] M. 100: 19357-19363. Journal of Computational Chemistry. 2000. K. Maseras. K. E.C. Maigret e M. Morokuma. Journal of the American Chemical Society. Hess. D. Mark. Humbel. J. Journal of Computational Chemistry. A. K. 2001. A Test for Diels-Alder Reactions and Pt(P(t-Bu)3 )2 +H2 Oxidative Addition.L.J.J. GROMACS: Fast. G. Young. Morokuma. 104: 1720-1735. 209 . New York. Wiley. Dejaegere. 2005. 105: 1959-1967. Journal of Physical Chemistry. Morokuma. Frontier Bonds in QM/MM Methods: A Comparison of Different Approaches. Froese. 1996. B. T. Tirado-Rives. Sieber. Reuter. 1996. Jorgensen. [85] W. IMOMM: A new integrated ab initio + molecular mechanics geometry optimization scheme of equilibrium structures and transition states. Development and Testing of the OPLS All-Atom Force Field on Conformational Energetics and Properties of Organic Liquids. 1995. S.S. Journal of Chemical Physics. ONIOM: A Multilayered Integrated MO + MM Method for Geometry Optimizations and Single Point Energy Predictions. 16: 1170-1179. Van der Spoel. Maxwell. Flexible and Free. [83] D. Journal of Physical Chemistry A. Sieber. Svensson. B. [84] D.BIBLIOGRAFIA [79] N. Lindahl. 26: 1701-1718. Matsubara. A. 1996. S. S. Computational Chemistry: A Practical Guide for Applying Techniques to Real-World Problems. R. Humbel.E. Karplus. H. [80] F. Groenhof. 118: 11225-11236.

Daura.L. Comparison of simple potential functions for simulating liquid water. Gaussian.L.BIBLIOGRAFIA [86] L. Inc.V. D. MacKerell Jr. G..and (S)-N-hydroxy-2-(N-isopropoxybiphenyl-4ylsulfonamido)-3-methylbutanamides. G. A. Jorgensen. C. 22: 1205-1218. Tuccinardi. Balzano.J. 1995. Foloppe.D. Lim. A. [91] W. 2000. New York. Nutia.W. Sakharov.02. Revision C. Uccello-Barretta.D. F. molecular modelling study. van Gunsteren. R. Journal of Computational Chemistry. Madura.W. Gaussian 03. 21: 86-104. E. All-Atom Empirical Force Field for Nucleic Acids: I. [90] C. synthesis and MMP-1/MMP-2 inhibition profile of (R). Wiley. Frisch. Martinelli. [93] M. [87] N. Wallingford. X. N. 2004. P. Proteins. J. 2006. [89] D. Bioorganic and Medicinal Chemistry.J. Carellia. Essentials of computational chemistry. A. G. 210 . Klein. Journal of the American Chemical Society. Rossello Amber force field implementation. Schuler. Zn Protein Simulations Including Charge Transfer and Local Polarization Effects. Maiorov. 14: 4260-4276 . W. J. Parameter Optimization Based on Small Molecule and Condensed Phase Macromolecular Target Data. 22: 273-283. Murphy. Trucks et al. M.F. An improved GROMOS96 force field for aliphatic hydrocarbons in the condensed phase. Cramer.M. 2nd edition. 127: 4921-4929. 79: 926-935. Size independent comparison of protein three-dimensional structures. Journal of Computational Chemistry. Crippen. 1983. [88] T. G. [92] V. Chandrasekhar. 2001. 2005. Impey. Journal of Chemical Physics. 2004.

Marino. Acta. a Full Periodic Table Force Field for Molecular Mechanics and Molecular Dynamics Simulations.G. Syme. McHugh. M. 2004. Nadal. Rappe. LINCS: A Linear Constraint Solver for Molecular Simulations. S. Normative Study of an Italian Random Sample. Goddard III. UFF. Lebowitz. Fraaije. “Mini-mental state”. 1992. and Affinity of Aβ -(1–28): Insights from a range of complementary spectroscopic Techniques.H. submitted to Journal of Inorganic Biochemistry. Chim. Preuss. Massari. Bekker. On the metal ion (Zn2+ . J. 1993. 77: 123-141. B. Berendsen. 1990. Andrae. Dolg. Stoll.F. M.M..C. 1997. P. 114: 10024-10035. Stoichiometry. 279: 18169-18177. Measso.E. J.BIBLIOGRAFIA [94] D.Cu2+ ) coordination with beta-amyloid peptide: DFT computational study. D. F. H. 2009. W. Journal of the American Chemical Society.M. T. M.J.H.J.S. U. N. Rigby. H.A.J. [99] G. Energy-adjusted ab initio pseudopotentials for the second and third row transition elements. The MiniMental State Examination. 211 .D. H. Theor. J. Pirozzolo. W. Viles. Coordination Geometry. Toscano. Casewit. H. A practical method for grading the cognitive state of patients for the clinician. Journal of Computational Chemistry. Zappal` .E. Haussermann. Journal of psychiatric research. 18: 1463–1472.D.K. Crook. Skiff.A. Pavelka. [100] B. [98] M. G. pH Dependece.J. [95] A. L. Colwell. Russo.R. Folstein. Grigoletto. a F. Hess. Copper Binding to the Amyloid-β (Aβ ) Peptide Associated with Alzheimer’s Disease: Folding. Amaducci. K. Chem. 12(3): 189-198. 1975. S. Developmental neuropsychology. [96] T. Biol. C.E. 9: 77-85. [97] C. D.C. R. Cavarzeran. Folstein.

Benson. 2004. [108] D. Rev. Effective Core Potential Approaches to the Chemistry of the Heavier Elements. F.C. 1996. Boys.C. [105] T. 1999. 64: 1045-1097. Lutz. Phys. M. 8: 145-202. Norm-Conserving Pseudopotenu tials. Rev. Atomic Shielding Constants. II. Allan. C. Schl¨ ter. 1990. Wright. J. Springer-Verlag. Chiang. Mod. M. Rev. [106] M.G. 201: 125-137. Iterative minimization techniques for ab initio total-energy calculations: molecular dynamics and conjugate gradients. Sommerer.F. 1950.. Cundari. Soft self-consistent pseudopotentials in a generalized eigenvalue formalism. Bechstedt. 212 .. Schmidt. [107] D. O. The magnitude of pseudo-potential errors for bond distances and vibrational frequencies. Furthm¨ ller.C. W. Soc. R. 25: 112-122. K. 1979. New York. A.D.L. Janfelt. S. B. Proc. M. Groundu and excited-state properties of DNA base molecules from plane-wave calculations using ultrasoft pseudopotentials. A Calculation for the Ground State of the Beryllium Atom. 1992. [103] M.R. J. Numerical Optimization. T. Chemical Physics Letters. D. M. 412: 1215. Joannopoulos. [104] J.A. Slater. Jensen. Teter. C. Lett. 43: 1494-1497. 41: 7892-7895. 36: 57-64. Vanderbilt. [102] S.BIBLIOGRAFIA [101] J. 1930.S. Payne. Hamann. Preuss. Phys. Electronic Wave Functions. [109] F. Journal of Computational Chemistry.P.T. Reviews in computational chemistry.R. 2005. Physical Review. Nocedal. Phys. Seino. Arias. Lond.

1982.E. 1988. Weinhold. L. F. Optimization of Equilibrium Geometries and Transition Structures. 88(6): 899–926. donor-acceptor viewpoint. Rev. Reed..B. Schlegel.BIBLIOGRAFIA [110] H. [111] A. Journal of Computational Chemistry. Chem.A. Curtiss. 3: 214-218. Intermolecular interactions from a natural bond orbital. 213 .

Sign up to vote on this title
UsefulNot useful