Оцінки методу TD-DFTB для широкомасштабного скринінгу органічних барвників
Анотація
Досліджено ефективність напівемпіричного методу TD-DFTB (Time-Dependent Density Functional Tight Binding) у відтворенні спектральних властивостей органічних барвників на прикладі бібліотеки ізомерів тіофенвмісного донорно-акцепторного барвника Еффенбергера, відомого вираженою сольватохромією. Метою роботи було з'ясувати, наскільки придатним є прискорений підхід TD-DFTB для сучасних задач молекулярного дизайну, з необхідністю швидкої та надійної ідентифікації сполук з інтенсивними електронними переходами в довгохвильовій області УФ-Видимого спектру. Бібліотека містила 60 структур, в яких систематично варіювалися положення донорного (N,N-диметиламін) та акцепторного (NO₂) замісників, а також ступінь планарності π-каркаса. Для кожного ізомеру геометрія спочатку оптимізувалася на рівні DFTB, після чого енергії збудження розраховувалися за допомогою методу TD-DFTB. Отримані значення порівнювали з розрахунками TD-DFT (функціонали B3LYP та CAM-B3LYP), виконаними з геометріями, отриманими як методами DFT, так і DFTB. Така гібридна схема значно знижує обчислювальні витрати, дозволяючи проводити скринінг великих бібліотек без втрати точності. Наведено кореляцію між енергіями збудження, розрахованими за допомогою TD-DFTB та TD-DFT. TD-DFTB має тенденцію систематично занижувати енергії збудження, але значною мірою відображає сполуки з мінімальними енергіями збудження та високими силами осцилятора, що робить його надійним інструментом для початкового скринінгу. Було ідентифіковано кілька ізомерів з довгохвильовим поглинанням та достатньою інтенсивністю переходів, які є перспективними для подальшої модифікації. Таким чином, TD-DFTB у поєднанні з TD-DFT на оптимізованих геометріях DFTB демонструє оптимальний баланс між точністю та швидкістю попереднього скринінгу донорно-акцепторних барвників із заданими спектральними параметрами, що значно розширює можливості раціонального дизайну функціональних органічних матеріалів.
Завантаження
Посилання
Martinez-Mayorga K., Madariaga-Mazon A., Medina-Franco J. L., Maggiora G. The impact of chemoinformatics on drug discovery in the pharmaceutical industry. Expert Opin. Drug Discov. 2020, 15(3), 293-306.
Humbeck L., Koch O. What can we learn from bioactivity data? Chemoinformatics tools and applications in chemical biology research. ACS Chem. Biol. 2017, 12(1), 23-35.
Runge E., Gross E. K. Density-functional theory for time-dependent systems. Phys. Rev. Lett. 1984, 52(12), 997.
Rüger R., Van Lenthe E., Heine T., Visscher L. Tight-binding approximations to time-dependent density functional theory—A fast approach for the calculation of electronically excited states. J. Chem. Phys. 2016, 144(18).
Effenberger F., Wuerthner F., Steybe F. Synthesis and solvatochromic properties of donor-acceptor-substituted oligothiophenes. J. Org. Chem. 1995, 60(7), 2082-2091.
https://dftbplus-recipes.readthedocs.io/en/latest/
Zakharov A. B., Tsarenko D. K., Ivanov V. V. Topological characteristics of iterated line graphs in the QSAR problem: A multigraph in the description of properties of unsaturated hydrocarbons. Struct. Chem. 2021, 32(4), 1629-1639.
Zakharov A. B., Ivanov V. V. A new approach in topological descriptors usage. Iterated line graphs in the theoretical prediction of physico-chemical properties of saturated hydrocarbons. Kharkiv Univ. Bull. Chem. Ser. 2019, (32), 38-45.
Berdnyk M. I., Zakharov A. B., Ivanov, V. V. Application of L1-regularization approach in QSAR problem. Linear regres sion and artificial neural networks. Methods Objects Chem. Anal. 2019, 14(2), 79-90.
Zakharov A. B., Dyachenko A. V., Ivanov V. V. Topological characteristics of iterated line graphs in QSAR problem: Octane numbers of saturated hydrocarbons. J. Chemom. 2019, 33(9), e3169.
Zakharov A. B., Kyrpa M., Kyrychenko A. V., Kovalenko S. M., Kalugin O. N., Ivanov V. V., Adamowicz L. Towards the computational design of organic molecules with specified properties. Struct. Chem. 2025, 36(2), 723-738.
Papaconstantopoulos D. A., Mehl M. J. The Slater–Koster tight-binding method: a computationally efficient and accurate approach. J. Phys. Condens. Matter. 2003, 15(10), R413.
https://dftb.org/parameters/download.html
Gaussian 09, Revision A.02, M. J. Frisch, G. W. Trucks, H. B. Schlegel, G. E. Scuseria, M. A. Robb, J. R. Cheeseman, G. Scalmani, V. Barone, G. A. Petersson, H. Nakatsuji, X. Li, M. Caricato, A. Marenich, J. Bloino, B. G. Janesko, R. Gomperts, B. Mennucci, H. P. Hratchian, J. V. Ortiz, A. F. Izmaylov, J. L. Sonnenberg, D. Williams-Young, F. Ding, F. Lipparini, F. Egidi, J. Goings, B. Peng, A. Petrone, T. Henderson, D. Ranasinghe, V. G. Zakrzewski, J. Gao, N. Rega, G. Zheng, W. Liang, M. Hada, M. Ehara, K. Toyota, R. Fukuda, J. Hasegawa, M. Ishida, T. Nakajima, Y. Honda, O. Kitao, H. Nakai, T. Vreven, K. Throssell, J. A. Montgomery, Jr., J. E. Peralta, F. Ogliaro, M. Bearpark, J. J. Heyd, E. Brothers, K. N. Kudin, V. N. Staroverov, T. Keith, R. Kobayashi, J. Normand, K. Raghavachari, A. Rendell, J. C. Burant, S. S. Iyengar, J. Tomasi, M. Cossi, J. M. Millam, M. Klene, C. Adamo, R. Cammi, J. W. Ochterski, R. L. Martin, K. Morokuma, O. Farkas, J. B. Foresman, and D. J. Fox, Gaussian, Inc., Wallingford CT, 2016.
