Kiehtovaa kemiaa tietokoneella

Molekyylimallinnus

Perinteisesti kemia on ollut kokeellinen tiede, joka tutkii eri aineita ja niiden ominaisuuksia, aineiden rakenteita sekä aineiden muuttumista toisiksi aineiksi. Tietokoneiden kehittymisen myötä myös kemian tutkimus ja opetus on kokenut mullistuksia. Tietokoneavusteista kemiaa sovelletaan yhä enemmän tutkimuksessa, opetuksessa ja teollisuudessa. Tietokonetta voidaan käyttää kokeellisen kemian apuvälineenä kontrolloimassa kokeellisen työn edistymistä, tulosten raportoinnissa ja tiedonhaussa. Tietokoneiden avulla voidaan myös selvittää molekyylien rakenteita ja ominaisuuksia, tutkia molekyylien välisiä vuorovaikutuksia sekä kartoittaa kemiallisia reaktioita ja niiden nopeuksia.

Laskennallista kemiaa - molekyylimallinnusta - voidaan pitää kokeellisen ja teoreettisen kemian yhdistäjänä: vaikeatkin asiat voidaan esittää selkeästi ja erityisesti kokeelliset ilmiöt voidaan havainnollistaa atomi- ja molekyylitasolta lähtien. Laskennallisessa kemiassa teoriat herätetään henkiin mallinnusohjelmissa, joiden avulla voidaan tutkia ja ennustaa uusien aineiden rakenteita, ominaisuuksia ja reaktiivisuuksia. Molekyylimallinnusohjelmien muotoon puetut teoriat voivat myös selittää kokeellisia havaintoja. Tärkein molekyylimallinnuksen ominaisuus on kuitenkin tuottaa tietoa, jonka avulla kemisti voi ymmärtää kemiallisen systeemin luonnetta ja käyttäytymistä.

Tietokoneiden avulla voidaan tutkia aineita, jotka voisivat olla terveydelle vaarallisia tai herkästi räjähtäviä. Myös esim. lääketeollisuudessa molekyylimallinnusta käytetään uusien lääkeaineiden kehittämisessä, jolloin yhdisteiden löytäminen nopeutuu ja niiden kemiallisten ominaisuuksien ymmärtäminen tarkentuu.

Molekyylimallinnuksen tämän hetken suuria haasteita on mm. uusien turvallisten lääkeaineiden suunnittelu, proteiinien ominaisuuksien ja laskostumismekanismien ymmärtäminen molekyylitasolta lähtien ja entsyymien toiminnan selvittäminen. Tietokoneiden kehittyessä kemiallisten virtuaalimallien kokoa ja tarkkuutta voidaan kasvattaa ja päästä entistä parempiin tuloksiin. Yhtenä haasteena mallinnukselle onkin kyetä yhdistämään pienten molekyylien tarkoissa laskuissa käytetyt menetelmät osaksi biomallituksen työvalineitä. Molekyylimallinnuksen kasvaviin haasteisiin kuuluvat myös rakennetietoa ja kemiallisia ominaisuuksia yhdistelevien tietokantojen suunnittelu ja rakentaminen, jotta jo olemassa olevia tietoja voitaisiin käyttää uuden tutkimuksen ja tuotekehityksen pohjana.