Сравнение крупнозернистой и полноатомной систем «мембрана-растворитель» как моделей мемконденсатора при воздействии переменного электрического поля

Обложка

Цитировать

Полный текст

Аннотация

Целью исследования является сравнение крупнозернистой и полноатомной систем «мембрана-растворитель» как моделей мемконденсатора при воздействии переменного электрического поля. Исследуемая система состояла из липидной мембраны, погруженной в водный раствор KCl. Две количественно схожие системы состояли из 512 молекул липида типа дипальмитоилфосфатидилхолин (1,2-Dipalmitoyl-sn-Glycero-3-Phosphocholine), двух водных отсеков по 40 Å и 3 M соли. Моделирование молекулярной динамики было проведено с помощью пакета программ GROMACS. В работе было использовано два вида модельных силовых полей: полноатомное charmm36m и крупнозернистые martini22p, а также видоизмененное силовое поле v2.2refPOL+refION. К системам было приложено переменное электрическое поле с напряженностью в 0.5, 1.0 и 1.5 В/нм с частотой 1 ГГц. В работе представлены методы регистрации изменения концентрации ионов в водных отсеках с учетом различия между использованными силовыми полями. На основании представленных результатов были сделаны выводы, что каждая система проявляет себя как конденсатор, где накопление заряда происходит на одной из сторон мембраны, а графики распределения частиц указывают на различный характер расположения положительных и отрицательных ионов. При оценке зависимости суммарного заряда от значения напряженности поля, была выявлена нелинейная зависимость и существование эффекта гистерезиса. В связи с этим, представленные системы могут быть использованы для изучения мемемкостных свойств мембран.

Об авторах

Илья Игоревич Злочевский

Волгоградский государственный технический университет

ORCID iD: 0009-0002-9094-7830
SPIN-код: 1376-1302
Волгоград, просп. имени В.И. Ленина, 28

Дмитрий Викторович Завьялов

Волгоградский государственный технический университет

ORCID iD: 0000-0002-9497-9613
SPIN-код: 7272-1991
Волгоград, просп. имени В.И. Ленина, 28

Список литературы

  1. El-Beyrouthy J., Freeman E. Characterizing the structure and interactions of model lipid membranes using electrophysiology. Membranes, 2021, vol. 11, iss. 5, art. 319. https://doi.org/10.3390/membranes11050319
  2. Taylor G. J., Venkatesan G. A., Collier C. P., Sarles S. A. Direct in situ measurement of specific capacitance, monolayer tension, and bilayer tension in a droplet interface bilayer. Soft Matter., 2015, vol. 11, iss. 38, pp. 7592–7605. https://doi.org/10.1039/c5sm01005e
  3. El-Beyrouthy J., Makhoul-Mansour M. M., Taylor G., Sarles S. A., Freeman E. C. A new approach for investigating the response of lipid membranes to electrocompression by coupling droplet mechanics and membrane biophysics. J. of the Royal Society Interface, 2019, vol. 16, iss. 161, art. 20190652. https://doi.org/10.1098/rsif.2019.0652
  4. Gross L. C. M., Heron J. R., Baca S. C., Wallace M. I. Determining membrane capacitance by dynamic control of droplet interface bilayer area. Langmuir, 2011, vol. 27, iss. 23, pp. 14335–14342. https://doi.org/10.1021/la203081v
  5. Najem J. S., Hasan M. S., Williams R. S., Weiss R. J., Rose G. S., Taylor G. J., Sarles S. A., Collier C. P. Dynamical nonlinear memory capacitance in biomimetic membranes. Nature Communications, 2019, vol. 10, iss. 1, art. 3239. https://doi.org/10.1038/s41467-019-11223-8
  6. Smirnova E. Y., Anosov A. A. Bilayer lipid membrane as memcapacitance: Capacitance-voltage pinched hysteresis and negative insertion conductance. Membranes, 2023, vol. 13, iss. 1, art. 97. https://doi.org/10.3390/membranes13010097
  7. Di Ventra M., Pershin Y. V. On the physical properties of memristive, memcapacitive and meminductive systems. Nanotechnology, 2013, vol. 24, no. 25, art. 255201. https://doi.org/10.1088/0957-4484/24/25/255201
  8. Yin Z. Y., Tian H., Chen G. H., Chua L. O. What are memristor, memcapacitor and meminductor? IEEE Transactions on Circuits and Systems II: Express Briefs, 2015, vol. 62, iss. 4, pp. 402–406. https://doi.org/10.1109/TCSII.2014.2387653
  9. Pershin Y. V., Di Ventra M. Memcapacitive neural networks. Electronics Letters, 2014, vol. 50, iss. 3, pp. 141–143. https://doi.org/10.1049/el.2013.2463
  10. Hsieh M. K., Yu Y., Klauda J. B. All-atom modeling of complex cellular membranes. Langmuir, 2021, vol. 38, iss. 1, pp. 3–17. https://doi.org/10.1021/acs.langmuir.1c02084
  11. Sharma P., Desikan R., Ayappa K. G. Evaluating coarsegrained MARTINI force-fields for capturing the ripple phase of lipid membranes. J. Phys. Chem. B, 2021, vol. 125, iss. 24, pp. 6587–6599. https://doi.org/10.1021/acs.jpcb.1c03277
  12. Guo J., Bao Y., Li M., Li S., Xi L., Xin P., Wu L., Liu H., Mu Y. Application of computational approaches in biomembranes: From structure to function. Wiley Interdisciplinary Reviews: Computational Molecular Science, 2023, vol. 13, iss. 6, art. e1679. https://doi.org/10.1002/wcms.1679
  13. Periole X., Marrink S. J. The Martini coarse-grained force field. Biomolecular Simulations: Methods and Protocols, 2012, pp. 533–565. https://doi.org/10.1007/978-1-62703-017-5_20
  14. Polak A., Bonhenry D., Dehez F., Kramar P., Miklavčič D., Tarek M. On the electroporation thresholds of lipid bilayers: Molecular dynamics simulation investigations. J. of Membrane Biology, 2013, vol. 246, no. 11, pp. 843–850. https://doi.org/10.1007/s00232-013-9570-7
  15. S. A. Kirsch, R. A. Böckmann. Membrane pore formation in atomistic and coarse-grained simulations. Biochimica et Biophysica Acta (BBA) – Biomembranes, 2016, vol. 1858, no. 10, pp. 2266–2277. https://doi.org/10.1016/j.bbamem.2015.12.031
  16. Lavrentovich M. O., Carrillo J. M. Y., Collier C. P., Katsaras J., Bolmatov D. Curvature memory in electrically stimulated lipid membranes. Langmuir, 2025, vol. 41, iss. 5, pp. 3157–3165. https://doi.org/10.1021/acs.langmuir.4c03799
  17. Scott H. L., Bolmatov D., Premadasa U. I., Doughty B., Carrillo J. M. Y., Sacci R. L., Lavrentovich M., Collier C. P. Cations control lipid bilayer memcapacitance associated with long-term potentiation. ACS Applied Materials & Interfaces, 2023, vol. 15, iss. 37, pp. 44533–44540. https://doi.org/10.1021/acsami.3c09056
  18. Zlochevskiy I. I., Zav’yalov D. V. The effect of an alternating electric field on the DPPC membrane system in an aqueous NaCl solution. Math. Phys. Comp. Sim., 2023, vol. 26, no. 3, pp. 105–114. https://doi.org/10.15688/mpcm.jvolsu.2023.3.8
  19. Klauda J. B., Venable R. M., Freites J. A., O’Connor J. W., Tobias D. J., Mondragon-Ramirez C., Vorobyov I., MacKerell Jr. A. D., Pastor R. W. Update of the CHARMM all-atom additive force field for lipids: Validation on six lipid types. J. Phys. Chem. B, 2010, vol. 114, iss. 23, pp. 7830–7843. https://doi.org/10.1021/jp101759q
  20. Marrink S. J., De Vries A. H., Mark A. E. Coarse grained model for semiquantitative lipid simulations. J. Phys. Chem. B, 2004, vol. 108, iss. 2, pp. 750–760. https://doi.org/10.1021/jp036508g
  21. Marrink S. J., Risselada H. J., Yefimov S., Tieleman D. P., de Vries A. H. The MARTINI force field: Coarse grained model for biomolecular simulations. J. Phys. Chem. B, 2007, vol. 111, iss. 27, pp. 7812–7824. https://doi.org/10.1021/jp071097f
  22. Wassenaar T. A., Ingolfsson H. I., Bockmann R. A., Tieleman D. P., Marrink S. J. Computational lipidomics with insane: A versatile tool for generating custom membranes for molecular simulations. J. of Chemical Theory and Computation, 2015, vol. 11, iss. 5, pp. 2144–2155. https://doi.org/10.1021/acs.jctc.5b00209
  23. Michalowsky J., Michalowsky J., Schafer L. V., Holm C., Smiatek J. A refined polarizable water model for the coarse-grained MARTINI force field with long-range electrostatic interactions. J. Chem. Phys., 2017, vol. 146, iss. 5, art. 054501. https://doi.org/10.1063/1.4974833
  24. Michalowsky J., Zeman J., Holm C., Smiatek J. A polarizable MARTINI model for monovalent ions in aqueous solution. J. Chem. Phys., 2018, vol. 149, iss. 16, art. 163319. https://doi.org/10.1063/1.5028354
  25. Souza P. C. T., Alessandri R., Barnoud J., Thallmair S., Faustino I., Grünewald F., Patmanidis I., Abdizadeh H., Bruininks B. M. H., Wassenaar T. A., Kroon P. C., Melcr J., Nieto V., Corradi V., Khan H. M., Domański J., Javanainen M., Martinez-Seara H., Reuter N., Best R. B., Vattulainen I., Monticelli L., Periole X., Tieleman D. P., de Vries A. H., Marrink S. J. Martini 3: A general purpose force field for coarse-grained molecular dynamics. Nature Methods, 2021, vol. 18, pp. 382–388. https://doi.org/10.1038/s41592-021-01098-3
  26. Miyazaki Y., Okazaki S., Shinoda W. PSPICA: A coarse-grained force field for lipid membranes based on a polar water model. J. of Chemical Theory and Computation, 2020, vol. 16, iss. 1, pp. 782–793. https://doi.org/10.1021/acs.jctc.9b00946A
  27. Pastor R. W., MacKerell A. D. Development of the CHARMM force field for lipids. J. Phys. Chem. Lett., 2011, vol. 2, iss. 13, pp. 1526–1532. https://doi.org/10.1021/jz200167q
  28. Basdevant N., Dessaux D., Ramirez R. Ionic transport through a protein nanopore: A Coarse-Grained Molecular Dynamics Study. Scientific Reports, 2019, vol. 9, iss. 1, art. 15740. https://doi.org/10.1038/s41598-019-51942-y
  29. Jo S., Kim T., Iyer V. G., Im W. CHARMM-GUI: A web-based graphical user interface for CHARMM. J. Comp. Chem., 2008, vol. 29, iss. 11, pp. 1859–1865. https://doi.org/10.1002/jcc.20945
  30. Patra M., Karttunen M., Hyvönen M. T., Falck E., Lindqvist P., Vattulainen I. Molecular dynamics simulations of lipid bilayers: Major artifacts due to truncating electrostatic interactions. Biophysical Journal, 2003, vol. 84, iss. 6, pp. 3636–3645. https://doi.org/10.1016/S0006-3495(03)75094-2

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».