Монослои дихалькогенидов переходных металлов (ДПМ) очень перспективны для многих областей применения, как и графен и слои гексагонального нитрида бора (h-BN), особенно в оптике в качестве излучателей и детекторов, а также в электронике в качестве транзисторов. Это связано в первую очередь с тем, что они обладают прямой запрещённой зоной Eg, которая зависит от внешних приложенных электрических полей. Для создания такого электрического поля предлагается использовать индуцированную полем поляризацию сегнетоэлектрического полимерного слоя, такого как поливинилиденфторид (ПВДФ) и поли(винилиденфторид-трифторэтилен) P(VDF-TrFE). Эти полимеры в сегнетоэлектрической фазе могут создавать значительную поляризацию в очень тонких слоях толщиной около 5 Å. Комбинируя такие сегнетоэлектрические слои со слоями ДПМ, можно создавать гибридные наноструктуры, которые удобны для разработки новых фотодетекторов с контролируемыми свойствами. Выдающиеся свойства этой гибридной структуры обусловлены, в частности, сверхвысоким электрическим полем, возникающим из-за сегнетоэлектрической поляризации в ПВДФ или P(VDF-TrFE), которое воздействует на слои ДПМ и регулирует ширину запрещённой зоны Eg. В этой работе мы смоделировали такую гибридную структуру на основе ПВДФ и слоёв MoTe2, h-BN и графена и изучили её особенности и свойства. Для расчета всех основных свойств используются методы теории функционала плотности (ТФП), реализованные в программе Quantum ESPRESSO. Полуэмпирический метод PM3, реализованный в программном пакете HyperChem, применяется для моделирования и изучения как отдельных слоев гибридной структуры, так и особенностей их совместного взаимодействия, а также для изучения колебательных мод. Полученные результаты убедительно демонстрируют сильное влияние на ширину запрещенной зоны Eg и частоты колебательных мод всех исследуемых наноструктур за счет воздействия сегнетоэлектрической поляризации P и индуцированного поляризацией электрического поля E, которое влияет на все слои гибридной гетероструктуры.
Transition metal dichalcogenide (TMD) monolayers are very promising for many applications, as well as graphene and hexagonal nitride boron layers (h-BN), especially in the fields of optics as emitters and detectors, in electronics as transistors. It is first of all due to the fact that they have a direct band gap Eg, which is dependent on external applied electric fields. To create such an electric field, it is proposed to use the field induced polarization of ferroelectric polymer layer such as polyvinylidene fluoride (PVDF) and poly(vinylidene fluoride-trifluoroethylene) P(VDF-TrFE). These polymers in the ferroelectric phase can create significant polarization in very thin layers, about 5 Å. By combining such ferroelectric layers and TMD layers, hybrid nanostructures can be created, that are convenient for design of new photodetectors with controlled properties. The outstanding properties of this hybrid structure are due, in particular, to the ultra-high electric field induced by ferroelectric polarization in PVDF or P(VDF-TrFE), which acts on the TMD layers and regulates the band gap Eg. In this work, we simulate such a hybrid structure based on PVDF and MoTe2, h-BN, graphene layers and study their features and properties. To calculate all the main properties, density functional theory (DFT) methods implemented in the Quantum ESPRESSO program are used. Semi-empirical PM3 method implemented in the HyperChem software package are used to model and study both individual layers of the hybrid structure and the features of their joint interaction, as well as to study vibration modes. The results obtained convincingly demonstrate a strong influence on the width of the band gap Eg and vibration modes frequencies of all the studied nanostructures due to the influence of the ferroelectric polarization P and the polarization-induced electric field E, which affects all the layers of the hybrid heterostructure
Идентификаторы и классификаторы
- SCI
- Электротехника
Низкоразмерные и слоистые двумерные наноматериалы все больше привлекают внимание исследователей, изучающих их свойства, и находят все более разнообразное применение. Появление графена продемонстрировало его уникальные свойства, что побудило ученых заняться поиском других новых двумерных материалов и ван-дер-ваальсовых наноструктур [1–6]. Сегодня в мире существует множество двумерных материалов, таких как дихалькогениды переходных металлов (ДПМ, например MoS2, MoTe2, WS2 и т. д.) [7–12] и другие новые системы, которые открывают широкие возможности для применения в электронике, оптике, сенсорах и других областях. Например, ДПМ являются одними из наиболее изученных двумерных полупроводников, которые используются в электронике, оптоэлектронике, спинтронике и устройствах памяти. Большой популярностью и перспективностью для многих применений обладают такие двумерные полупроводники с узкой запрещенной зоной, как диселенид платины (PtSe2) [13], гексагональный нитрид бора h-BN [14, 15], черный фосфор [16], черный мышьяково-фосфорный [17] и графен в различных модификациях [3, 18].
Low-dimensional and layered 2D-dimensional nanomaterials are increasingly attracting the attention of researchers studying their properties and are finding an increasingly diverse range of diverse applications. The emergence of graphene has demonstrated remarkable properties that have prompted the search for many other new 2D-dimensional materials and van-der-Waals nanostructures [1–6]. Today, numerous 2D-materials exist worldwide, such as transition metal dichalcogenides (TMD, such as MoS2, MoTe2, WS2, etc.) [7–12] and other new systems, offering a variety of promising applications in electronics, optics, sensors, and other fields. For example, TMDs are among the most studied 2D-semiconductors for use in the electronics, optoelectronics, spintronics, and memory devices. Very popular and attractive for many applications are 2D-materials such as 2D-semiconductors with narrow band gaps: platinum diselenide (PtSe2) [13], hexagonal boron nitride h-BN [14, 15], black phosphorus [16], black arsenic phosphorus [17], and graphene in its various modifications [3, 18].
Если у вас возникли вопросы или появились предложения по содержанию статьи, пожалуйста, направляйте их в рамках данной темы.
Список литературы
1. Новосёлов К.С., Гейм А.К., Морозов С.В., Цзян Д., Чжан Ю., Дубонос С.В., Григорьева И.В., Фирсов А.А. Эффект электрического поля в атомно-тонких углеродных плёнках. Наука. 2004. Т. 306. С. 666-669. DOI: 10.1126/science.1102896
2. Гейм А.К. Графен: состояние и перспективы. Наука. 2009. Т. 324. С. 1530-1534. DOI: 10.1126/science.1158877
3. Li X., Tao L., Chen Z., Fang H., Li X., Wang X., Xu J.-B., Zhu H. Графен и родственные двумерные материалы: взаимосвязь структуры и свойств для применения в электронике и оптоэлектронике. Appl. Phys. Rev. 2017. Т. 4. Статья № 021306. DOI: 10.1063/1.4983646
4. Гейм А. К., Григорьева И. В. Ван-дер-ваальсовы гетероструктуры. Nature. 2013. Т. 499. С. 419-425. DOI: 10.1038/nature12385
5. Турунен М., Броттон-Гисберт М., Дай Ю., Ван Ю., Шерри Э., Бонато К., Йёнс К. Д., Сунь Ц., Джерардот Б. Д. Квантовая фотоника с использованием слоистых двумерных материалов. Nat. Rev. Phys. 2022. Т. 4. Статья № 219. DOI: 10.1038/s42254-021-00408-0
6. Сян Р., Иноуэ Т., Чжэн Ю., Кумамото А., Цянь Ю., Сато Ю., Лю М., Тан Д., Гохале Д., Го Ц. и др. Одномерные ван-дер-ваальсовы гетероструктуры. Наука. 2020. Т. 367. С. 537-542. DOI: 10.1126/science.aaz2570
7. Манзели С., Овчинников Д., Паскье Д., Язьев О. В., Кис А. Двумерные дихалькогениды переходных металлов. Nat. Rev. Mater. 2017. Т. 2. Статья № 17033. DOI: 10.1038/natrevmats.2017.33 E
8. Эфтехари А. Дихалькогениды вольфрама (WS2, WSe2 и WTe2): химия материалов и применение. Journal of Materials Chemistry A. 2017. Т. 5. № 35. С. 18299-18325. DOI: 10.1039/C7TA04268J
9. Splendiani A., Sun L., Zhang Y., Li T., Kim J., Chim C. Y., Galli G., Wang F., Возникновение фотолюминесценции в монослое MoS2. Nano Letters. 2010. Т. 10. № 4. С. 1271–1275. DOI: 10.1021/nl903868w
10. Лопес-Санчес О., Лембке Д., Кайчи М., Раденович А., Кис А., Сверхчувствительные фотодетекторы на основе монослоя MoS2. Nature Nanotechnology. 2013. Т. 8. № 7. С. 497–501. DOI: 10.1038/nnano.2013.100
11. Мак К. Ф., Шан Дж. Фотоника и оптоэлектроника двумерных полупроводниковых дихалькогенидов переходных металлов. Натуральный. Фотоника. 2016. Т. 10. № 4. С. 216-226. DOI: 10.1038/nphoton.2015.282
12. Yu X., Yu P., Wu D., Singh B., Zeng Q., Lin H., Zhou W., Lin J., Suenaga K., Liu Z., Wang Q.J. Атомарно-тонкий дихалькогенид благородного металла: широкополосный полупроводник для среднего инфракрасного диапазона. Натуральный.Commun. 2018. Т. 9. Статья № 1545. DOI: 10.1038/s41467-018-03935-0
13. Wang G., Wang Z., McEvoy N., Ping F., Werner B. Layered PtSe 2 for Sensing, Photonic, and (Opto-)Electronic Applications. Advanced Materials. 2020. Т. 33. № 1. Статья № 2004070. DOI: 10.1002/adma.202004070
14. Ooi N., Rajan V., Gottlieb J., Catherine Y., Adams J. Structural Properties of Hexagonal Boron Nitride. Modelling and Simulation in Materials Science and Engineering. 2006. Т. 14. Статья № 515. DOI: 10.1088/0965-0393/14/3/012
15. Roy S., Zhang X., Puthirath A.B., Meiyazhagan A., Bhattacharyya S., Rahman M.M., Babu G., Susarla S., Saju S.K., Tran M.K., et al. Структура, свойства и применение двумерного гексагонального нитрида бора. Adv. Mater. 2021. Т. 33. № 44. Статья № e2101589. DOI: 10.1002/adma.202101589
16. Guo Q., Pospischil A., BhuiyanM., Jiang H., Tian H., Farmer D., Deng B., Li C., Han S.-J., Wang H., et al. Фотодетекторы среднего инфракрасного диапазона на основе черного фосфора с высоким коэффициентом усиления. Nano Lett. 2016. Т. 16. № 7. С. 4648–4655. DOI: 10.1021/acs.nanolett.6b01977
17. Лонг М., Гао А., Ван П., Ся Х., Отт К., Пан К., Фу Й., Лю Э., Чэнь С., Лу В. и др. Высокочувствительные фотодетекторы среднего инфракрасного диапазона на основе черного мышьяка и фосфора, работающие при комнатной температуре. Science Advances. 2017. Т. 3. Статья № e1700589. DOI: 10.1126/SCIADV.1700589
18. Кумар С., Дмитриева В.А., Мэн Г., Евлашин С.А., Суханова Е.В., Квашнин Д.Г., Попов З.И., Баннов А.Г., Федоров Ф.С., Насибулин А.Г. Структурированные интерфейсы оксид графена/восстановленный оксид графена для улучшенного определения концентрации NO2. ACS Applied Nano Materials. 2023. Т. 6. № 15. С. 14083–14093. DOI: 10.1021/acsanm.3c02014
19. Чжоу Ц., Чжоу Ю., Ни С. Ю., Ван Ф., Ин С., Хуан М., Сюй Ц., Чэнь Ф., Лю Ю., Чэнь Ц. Прогресс в исследованиях и применение поляризационных интегрированных инфракрасных фотодетекторов [J]. Opto-Electron Eng. 2023. Т. 50. № 5. Статья № 230010. DOI: 10.12086/oee.2023.230010
20. Ву С., Дэн Ц., Ван С., Чжоу Ц., Цзяо Х., Чжао Ц., Линь Т., Шэнь Х., Мэн С., Чэнь Ю., Чу Ц., Ван Ц. Поляризационные фотодетекторы с настраиваемым переходом полярности, обеспечиваемым за счет программируемого легирования сегнетоэлектриками. Натуральный.Commun. 2024. Т. 15. № 1. Статья № 8743. DOI: 10.1038/s41467-024-52877-3
21. Налва Х.С. Сегнетоэлектрические полимеры. Нью-Йорк: Марсель Деккер, 1995.
22. Буне А.В., Фридкин В.М., Дюшарм С., Блинов Л.М., Пальто С.П., Сорокин А.В., Юдин С.Г., Златкин А. Двумерные сегнетоэлектрические пленки. Nature (Лондон). 1998. Т. 391. С. 874–877. DOI: 10.1038/36069
23. Блинов Л.М., Фридкин В.М., Пальто С.П., Буне А.В., Доубен П.А., Дюшарм С. Двумерные сегнетоэлектрики. Успехи физических наук. 2000. Т. 43. С. 243–257. DOI: 10.1070/PU2000v043n03ABEH000639
24. Фридкин В., Дюшарм С. Сегнетоэлектричество на наноуровне. Основы и применение. Берлин: Springer-Verlag, 2014.
25. Ван С., Ван П., Ван Дж., Ху В., Чжоу С., Го Н., Хуан Х., Сунь С., Шэнь Х., Линь Т., Тан М., Ляо Л., Цзян А., Сунь Дж., Мэн С., Чэнь С., Лу В., Чу Дж. Сверхчувствительный и широкополосный фотодетектор на основе дисульфида молибдена с использованием сегнетоэлектриков. Adv. Mater. 2015. Т. 27. С. 6575–6581. DOI: 10.1002/adma.201503340
26. Wu G., Wang X., Chen Y., Wu S., Wu B., Jiang Y., Shen H., Lin N., Liu Q., Wang X., Zhou P., Zhang S., Hu W., Meng X., Chu J., Wang J. p-n-гомопереходы MoTe2, определяемые сегнетоэлектрической поляризацией. Adv. Mater. 2020. Т. 32. № 16. Статья № 1907937. DOI: 10.1002/adma.201907937
27. Tai X., Chen Y., Wu S., Jiao H., Cui Z., Zhao D., Huang X., Zhao Q., Wang X., Lin N., Shen H., Meng X., Wang J., Chu J. Высокоэффективные фотодетекторы на основе ReS2 с усилением за счет сегнетоэлектрического поля и поля деформации. RSC Adv. 2022. Т. 2. С. 4939–4945. DOI: 10.1039/D1RA08718E
28. Wu S., Chen Y., Wang X., Jiao H., Zhao Q., Huang X., Tai X., Zhou Y., Chen H., Wang X., Huang S., Yan H., Lin T., Shen H., Hu W., Meng X., Chu J., Wang J. Ультрачувствительный фотодетектор на основе черного фосфора с поляризационным разрешением, определяемым сегнетоэлектрическими доменами. Nat.Commun. 2022. Т. 13. № 1. Статья № 3198. DOI: 10.1038/s41467-022-30951-y
29. Wang X., Shen H., Chen Y., Wu G., Wang P., Xia H., Lin T., Zhou P., Hu W., Meng X., Chu J., Wang J. Мультимеханические синергетические фотодетекторы с ультрашироким спектральным откликом от 375 нм до 10 мкм. Adv Sci (Weinh). 2019. Т. 6. № 15. Статья № 1901050. DOI: 10.1002/advs.201901050
30. Wu G., Tian B., Liu L., Lv W., Wu S., Wang X., Chen Y., Li J., Wang Z., Wu S., Shen H., Lin T., Zhou P., Liu Q., Duan C., Zhang S., Meng X., Wu S., Hu W., Wang X., Chu J., Wang J. Программируемые гомопереходы дихалькогенидов переходных металлов, управляемые с помощью нелетучих сегнетоэлектрических доменов. Nature Electronics. 2020. Т. 3. № 1. С. 43–50. DOI: 10.1038/s41928-019-0350-y
31. Быстров В.С., Бдикин И.К., Силибин М., Карпинский Д., Копыт С., Парамонова Е.В., Гонсалвеш Г. Молекулярное моделирование пьезоэлектрических свойств сегнетоэлектрических композитов на основе графена, оксида графена и поливинилиденфторида (ПВДФ). J. Mol. Mod. 2017. Т. 23. № 4. Статья № 128. DOI: 10.1007/s00894-017-3291-2
32. Быстров В.С., Бдикин И.К., Силибин М.В., Мэн С.Дж., Линь Т., Ван Дж.Л., Карпинский Д.В., Быстрова А.В., Парамонова Е.В. Пироэлектрические свойства сегнетоэлектрических композитов на основе поливинилиденфторида (ПВДФ) с графеном и оксидом графена. Ferroelectrics. 2019. Т. 541. С. 17–24. DOI: 10.1080/00150193.2019.1574637
33. Парамонова Е.В., Быстров В.С., Мэн С., Шэнь Х., Ван Дж., Фридкин В.М. Переключение поляризации в двумерных наноразмерных сегнетоэлектриках: компьютерное моделирование и анализ экспериментальных данных. Nanomaterials. 2020. Т. 10. Статья № 1841. DOI: 10.3390/nano10091841
34. Быстров В.С., Фридкин В.М. Двумерные сегнетоэлектрики и гомогенное переключение. К 75-летию теории сегнетоэлектричества Ландау — Гинзбурга. Успехи физических наук. 2020. Т. 63. С. 417–439. DOI: 10.3367/UFNe.2020.09.038841
35. Быстров В.С., Парамонова Е.В., Мэн С., Шэнь Х., Ван Ц., Фридкин В.М. Переключение поляризации в наноразмерных сегнетоэлектрических композитах, содержащих полимерную пленку из поливинилиденфторида и слои графена. Ferroelectrics. 2022. Т. 590. С. 27–40. DOI: 10.1080/00150193.2022.2037936
36. Быстров В., Парамонова Е., Мэн С., Шэнь Х., Ван Ц., Линь Т., Фридкин В. Сегнетоэлектрические тонкие пленки и композиты на основе поливинилиденфторида и слоев графена: исследование методом молекулярной динамики. Coatings. 2024. Т. 14. Статья № 356. DOI: 10.3390/coatings14030356
37. Быстров В.С., Парамонова Е.В., Сапронова А.В., Шэнь Х., Мэн С., Ван Ц., Авакян Л.А. Моделирование гибридных наноструктур из 2D-материалов на основе сегнетоэлектрического полимера PVDF/P(VDF-TrFE) и дихалькогенида MoS2. Nanomaterials Science & Engineering. 2020. Т. 2. № 4. С. 183–197. DOI: 10.34624/NMSE.V2I4.22873
38. Хогенберг П., Кон В. Неоднородный электронный газ. Phys. Rev. 1964. Т. 136. С. B864 B871. DOI: 10.1103/PhysRev.136.B864
39. Кон У., Шэм Л. Дж. Самосогласованные уравнения, включающие обменные и корреляционные эффекты. Phys. Rev. 1965. Т. 140. № 4A. С. A1133-A1138. DOI: 10.1103/physrev.140.a1133
40. Крессе Г., Фюрстмюллер Й. Эффективность расчетов полной энергии методом ab initio для металлов и полупроводников с использованием базиса плоских волн. Computational Materials Science. 1996. Т. 6. № 1. С. 15-50. DOI: 10.1016/0927-0256(96)00008-0
41. Блёхль П. Э. Метод проекций на собственные значения. Phys. Rev. B. 1994. Т. 50. Статья № 17953. DOI: 10.1103/PhysRevB.50.17953
42. Стюарт Дж. Дж. П. Оптимизация параметров для полуэмпирических методов. I Метод. J.Comput. Chem. 1989. Т. 10. С. 209–220. DOI: 10.1002/jcc.540100208
1. Novoselov K.S., Geim A.K., Morozov S.V,; Jiang D., Zhang Y., Dubonos S.V., Grigorieva I.V., Firsov A.A. Electric Field Effect in Atomically Thin Carbon Films. Science. 2004. V. 306. P. 666-669. DOI: 10.1126/science.1102896
2. Geim A.K. Graphene: Status and Prospects. Science. 2009. V. 324. P. 1530-1534. DOI: 10.1126/science.1158877
3. Li X., Tao L., Chen Z., Fang H., Li X., Wang X., Xu J.-B., Zhu H. Graphene and related two-dimensional materials: Structure-property relationships for electronics and optoelectronics. Appl. Phys. Rev. 2017. V. 4. Article No. 021306. DOI: 10.1063/1.4983646
4. Geim A.K., Grigorieva I.V. Van der waals heterostructures., Nature. 2013. V. 499. P. 419-425. DOI: 10.1038/nature12385
5. Turunen M., Brotons-Gisbert M., Dai Y., Wang Y., Scerri E., Bonato C., Jöns K.D., Sun Z., Gerardot B.D. Quantum Photonics with Layered 2D Materials. Nat. Rev. Phys. 2022. V. 4. Article No. 219. DOI: 10.1038/s42254-021-00408-0
6. Xiang R., Inoue T., Zheng Y., Kumamoto A., Qian Y., Sato Y., Liu M., Tang D., Gokhale D., Guo J. et al. One-Dimensional Van der Waals Heterostructures. Science. 2020. V. 367. P. 537-542. DOI: 10.1126/science.aaz2570
7. Manzeli S., Ovchinnikov D., Pasquier D., Yazyev O.V., Kis A. 2D Transition Metal Dichalcogenides. Nat. Rev. Mater. 2017. V. 2. Article No. 17033. DOI: 10.1038/natrevmats.2017.33 E
8. Eftekhari A. Tungsten dichalcogenides (WS2, WSe2, and WTe2): materials chemistry and applications. Journal of Materials Chemistry A. 2017. V. 5. No. 35. P. 18299-18325. DOI: 10.1039/C7TA04268J
9. Splendiani A., Sun L., Zhang Y., Li T., Kim J., Chim C. Y., Galli G., Wang F., Emerging Photoluminescence in Monolayer MoS2. Nano Letters. 2010. V. 10. No. 4. P. 1271-1275. DOI: 10.1021/nl903868w
10. Lopez-Sanchez O., Lembke D., Kayci M., Radenovic A., Kis A., Ultrasensitive photodetectors based on monolayer MoS2. Nature Nanotechnology. 2013. V. 8. No. 7. P. 497-501. DOI: 10.1038/nnano.2013.100
11. Mak K.F., Shan J. Photonics and optoelectronics of 2D semiconductor transition metal dichalcogenides. Nat. Photonics. 2016. V. 10. No. 4. P. 216-226. DOI: 10.1038/nphoton.2015.282
12. Yu X., Yu P., Wu D., Singh B., Zeng Q., Lin H., Zhou W., Lin J., Suenaga K., Liu Z., Wang Q.J. Atomically thin noble metal dichalcogenide: A broadband mid-infrared semiconductor. Nat.Commun. 2018. V. 9. Article No. 1545. DOI: 10.1038/s41467-018-03935-0
13. Wang G., Wang Z., McEvoy N., Ping F., Werner B. Layered PtSe 2 for Sensing, Photonic, and (Opto-)Electronic Applications. Advanced Materials. 2020. V. 33. No. 1. Article No. 2004070. DOI: 10.1002/adma.202004070
14. Ooi N., Rajan V., Gottlieb J., Catherine Y., Adams J. Structural Properties of Hexagonal Boron Nitride. Modelling and Simulation in Materials Science and Engineering. 2006. V. 14. Article No. 515. DOI: 10.1088/0965-0393/14/3/012
15. Roy S., Zhang X., Puthirath A.B., Meiyazhagan A., Bhattacharyya S., Rahman M.M., Babu G., Susarla S., Saju S.K., Tran M.K., et al. Structure, Properties and Applications of Two-Dimensional Hexagonal Boron Nitride. Adv. Mater. 2021. V. 33. No. 44. Article No. e2101589. DOI: 10.1002/adma.202101589
16. Guo Q., Pospischil A., BhuiyanM., Jiang H., Tian H., Farmer D., Deng B., Li C., Han S.-J., Wang H., et al. Black phosphorus mid-infrared photodetectors with high gain. Nano Lett. 2016. V. 16. No. 7. P. 4648-4655. DOI: 10.1021/acs.nanolett.6b01977
17. Long M., Gao A., Wang P., Xia H., Ott C., Pan C., Fu Y., Liu E., Chen X., Lu W., et al. Room Temperature High-Detectivity Mid-Infrared Photodetectors Based on Black Arsenic Phosphorus. Science Advances. 2017. V. 3. Article No. e1700589. DOI: 10.1126/SCIADV.1700589
18. Kumar S., Dmitrieva V.A., Meng G., Evlashin S.A., Sukhanova E.V., Kvashnin D.G., Popov Z.I., Bannov A.G., Fedorov F.S., Nasibulin A.G. Structured Graphene Oxide/Reduced Graphene Oxide Interfaces for Improved NO2 Sensing. ACS Applied Nano Materials. 2023. V. 6. No. 15. P. 14083-14093. DOI: 10.1021/acsanm.3c02014
19. Zhou J., Zhou Y., Ni X. Y., Wang F., Ying X., Huang M., Xu Z., Chen F., Liu Y., Chen J. Research progress and applications of polarization integrated infrared photodetector [J]. Opto-Electron Eng. 2023. V. 50. No. 5. Article No. 230010. DOI: 10.12086/oee.2023.230010
20. Wu S., Deng J., Wang X., Zhou J., Jiao H., Zhao Q., Lin T., Shen H., Meng X., Chen Y., Chu J., Wang J. Polarization photodetectors with configurable polarity transition enabled by programmable ferroelectric-doping patterns. Nat.Commun. 2024. V. 15. No. 1. Article No. 8743. DOI: 10.1038/s41467-024-52877-3
21. Nalwa H.S. Ferroelectric Polymers. New York: Marcel Dekker, 1995.
22. Bune A.V., Fridkin V.M., Ducharme S., Blinov L.M., Palto S.P., Sorokin A.V., Yudin S.G., Zlatkin A. Two-dimensional ferroelectric films. Nature (London). 1998. V. 391. P. 874-877. DOI: 10.1038/36069
23. Blinov L.M., Fridkin V.M., Palto S.P., Bune A.V., Dowben P.A., Ducharme S. Two-dimensional ferroelectrics. Phys. Usp. 2000. V. 43. P. 243-257. DOI: 10.1070/PU2000v043n03ABEH000639
24. Fridkin V., Ducharme S. Ferroelectricity at the Nanoscale. Basics and Applications. Berlin: Springer-Verlag, 2014.
25. Wang X., Wang P., Wang J., Hu W., Zhou X., Guo N., Huang H., Sun S., Shen H., Lin T., Tang M.,Liao L., Jiang A., Sun J., Meng X., Chen X., Lu W., Chu J. Ultrasensitive and Broadband MoS2 Photodetector Driven by Ferroelectrics. Adv. Mater. 2015. V. 27. P. 6575-6581. DOI: 10.1002/adma.201503340
26. Wu G., Wang X., Chen Y., Wu S., Wu B., Jiang Y., Shen H., Lin N., Liu Q., Wang X., Zhou P., Zhang S., Hu W., Meng X., Chu J., Wang J. MoTe2 p-n homojunctions defined by ferroelectric polarization. Adv. Mater. 2020. V. 32. No. 16. Article No. 1907937. DOI: 10.1002/adma.201907937
27. Tai X., Chen Y., Wu S., Jiao H., Cui Z., Zhao D., Huang X., Zhao Q., Wang X., Lin N., Shen H., Meng X., Wang J., Chu J. High-performance ReS2 photodetectors enhanced by a ferroelectric field and strain field. RSC Adv. 2022. V. 2. P. 4939-4945. DOI: 10.1039/D1RA08718E
28. Wu S., Chen Y., Wang X., Jiao H., Zhao Q., Huang X., Tai X., Zhou Y., Chen H., Wang X., Huang S., Yan H., Lin T., Shen H., Hu W., Meng X., Chu J., Wang J. Ultra-sensitive polarization-resolved black phosphorus homojunction photodetector defined by ferroelectric domains. Nat.Commun. 2022. V. 13. No. 1. Article No. 3198. DOI: 10.1038/s41467-022-30951-y
29. Wang X., Shen H., Chen Y., Wu G., Wang P., Xia H., Lin T., Zhou P., Hu W., Meng X., Chu J., Wang J. Multimechanism Synergistic Photodetectors with Ultrabroad Spectrum Response from 375 nm to 10 µm. Adv Sci (Weinh). 2019. V. 6. No. 15. Article No. 1901050. DOI: 10.1002/advs.201901050
30. Wu G., Tian B., Liu L., Lv W., Wu S., Wang X., Chen Y., Li J., Wang Z., Wu S., Shen H., Lin T., Zhou P., Liu Q., Duan C., Zhang S., Meng X., Wu S., Hu W., Wang X., Chu J., Wang J. Programmable transition metal dichalcogenide homojunctions controlled by nonvolatile ferroelectric domains. Nature Electronics. 2020. V. 3. No. 1. P. 43-50. DOI: 10.1038/s41928-019-0350-y
31. Bystrov V.S., Bdikin I.K., Silibin M., Karpinsky D., Kopyl S., Paramonova E.V., Goncalves G. Molecular modeling of the piezoelectric properties in the Graphene/Graphene oxide and polyvinylidene fluoride (PVDF) polymer ferroelectric composites. J. Mol. Mod. 2017. V. 23. No. 4. Article No. 128. DOI: 10.1007/s00894-017-3291-2
32. Bystrov V.S, Bdikin I.K., Silibin M.V., Meng X.J., Lin T., Wang J.L., Karpynsky D.V., Bystrova A.V., Paramonova E.V. Pyroelectric properties of the ferroelectric composites based on the polyvinylidene fluoride (PVDF) with graphene and graphene oxide. Ferroelectrics. 2019. V. 541. P. 17-24. DOI: 10.1080/00150193.2019.1574637
33. Paramonova E.V., Bystrov V.S., Meng X., Shen H., Wang J., Fridkin V.M. Polarization switching in 2D nanoscale ferroelectrics: computer simulation and experimental data analysis. Nanomaterials. 2020. V. 10. Article No. 1841. DOI: 10.3390/nano10091841
34. Bystrov V.S., Fridkin V.M. Two-dimensional ferroelectrics and homogeneous switching. To the 75th anniversary of the Landau-Ginzburg theory of ferroelectricity. Phys. Usp. 2020. V. 63. P. 417-439. DOI: 10.3367/UFNe.2020.09.038841
35. Bystrov V.S., Paramonova E.V., Meng X., Shen H., Wang J., Fridkin V.M. Polarization switching in nanoscale ferroelectric composites containing PVDF polymer film and graphene layers. Ferroelectrics. 2022. V. 590. P. 27-40. DOI: 10.1080/00150193.2022.2037936
36. Bystrov V., Paramonova E., Meng X., Shen H., Wang J., Lin T., Fridkin V. Ferroelectric thin films and composites based on polyvinylidene fluoride and graphene layers: molecular dynamics study. Coatings. 2024. V. 14. Article No. 356. DOI: 10.3390/coatings14030356
37. Bystrov V.S., Paramonova E.V., Sapronova A.V., Shen H., Meng X., Wang J., Avakyan L.A. Modeling of the 2D-materials hybrid nanostructures based on ferroelectric polymer PVDF/P(VDF-TrFE) and MoS2 dichalcogenide. Nanomaterials Science & Engineering. 2020. V. 2. No. 4. P. 183-197. DOI: 10.34624/NMSE.V2I4.22873
38. Hohenberg P., Kohn W. Inhomogeneous Electron Gas. Phys. Rev. 1964. V. 136. P. B864 B871. DOI: 10.1103/PhysRev.136.B864
39. Kohn W., Sham L.J. Self-Consistent Equations Including Exchange and Correlation Effects. Phys. Rev. 1965. V. 140. No. 4A. P. A1133-A1138. DOI: 10.1103/physrev.140.a1133
40. Kresse G., Furthmüller J. Efficiency of ab-initio total energy calculations for metals and semiconductors using a plane-wave basis set.Computational Materials Science. 1996. V. 6. No. 1. P. 15-50. DOI: 10.1016/0927-0256(96)00008-0
41. Blöchl P.E. Projector augmented-wave method. Phys. Rev. B. 1994. V. 50. Article No. 17953. DOI: 10.1103/PhysRevB.50.17953
42. Stewart J.J.P. Optimization of parameters for semiempirical methods. I Method. J.Comput. Chem. 1989. V. 10. P. 209-220. DOI: 10.1002/jcc.540100208
43. Stewart J.J.P. Optimization of parameters for semiempirical methods. II Applications. J.Comput. Chem. 1989. V. 10. P. 221-264. DOI: 10.1002/jcc.540100209
44. Stewart J.J.P. Optimization of parameters for semiempirical methods V: modification of NDDO approximations and application to 70 elements. J. Mol. Mod. 2007. V. 13. No. 12. P. 1173-1213. DOI: 10.1007/s00894-007-0233-4
45. Stewart J.J.P. Optimization of parameters for semiempirical methods VI: more modifications to the NDDO approximations and re-optimization of parameters. J. Mol. Model. 2013. V. 19. No. 1. P. 1-32. DOI: 10.1007/s00894-012-1667-x
46. Vanderbilt D. Soft self-consistent pseudopotentials in a generalized eigenvalue formalism. Phys. Rev. B. 1990. V. 41. P. 7892-7895. DOI: 10.1103/PhysRevB.41.7892
47. Perdew J.P., Burke K., Ernzerhof M. Generalized Gradient Approximation Made Simple. Phys. Rev. Lett. 1996. V. 77. No. 18. P. 3865-3868. DOI: 10.1103/PhysRevLett.77.3865
48. Quantum ESPRESSO. Version 7.5. URL: https://www.quantum-espresso.org/(accessed 20.04.2026).
49. Nocedal J., Wright S.J. Numerical Optimization. New York: Springer, 2006.
50. Avriel M. Nonlinear Programming: Analysis and Methods. Dover Publishing, 2003.
51. HyperChem. Tools for molecular modeling, release 8. Gainesville: Hypercube Inc., 2011.
52. CCDC. URL: https://www.ccdc.cam.ac.uk/(accessed 20.04.2026).
53. Wyckoff R.W.G. Crystal Structures. New York: Interscience Publishers, 1963.
54. Huang J.H., Hsu H.H., Wang D., Lin W.-T., Cheng C.-C., Lee Y.-J., Hou T.-H. Polymorphism Control of Layered MoTe2 through Two-Dimensional Solid-Phase Crystallization. Sci. Rep. 2019. V. 9. Article No. 8810. DOI: 10.1038/s41598-019-45142-x
55. Lan Y., Xia L.-X., Huang T., Xu W., Huang G.-F., Hu W., Huang W.-Q. Strain and Electric Field Controllable Schottky Barriers and Contact Types in Graphene-MoTe2 Van der Waals Heterostructure. Nanoscale Research Letters. 2020. V. 15. Article No. 180. DOI: 10.1186/s11671-020-03409-7
56. Huang J.-H., Deng K.-Y., Liu P.S., Wu C.-T., Chou C.-T., Chang W.-H., Lee Y.-J., Hou T.-H. Large-Area 2D Layered MoTe2 by Physical Vapor Deposition and Solid-Phase Crystallization in a Tellurium-Free Atmosphere. Advanced Materials Interfaces. 2017. V. 4. Article No. 1700157. DOI: 10.1002/admi.201700157
57. Puotinen D., Newnham R.E. The crystal structure of MoTe2. Acta Cryst. 1961. V. 14. P. 691. DOI: 10.1107/s0365110x61002084
58. Zhu H., Cui H., He D., Cui Z., Wang X. Rh-doped MoTe2 Monolayer as a Promising Candidate for Sensing and Scavenging SF6 Decomposed Species: a DFT Study. Nanoscale Research Letters. 2020. V. 15. Article No. 129. DOI: 10.1186/s11671-020-03361-6
59. Grzeszczyk M., Gołasa K., Molas M.R., Nogajewski K., Zinkiewicz M., Potemski M., Wysmołek A., Babiński A. Raman scattering from the bulk inactive out-of-plane B2g1 mode in few-layer MoTe2. Sci. Rep. 2018. V. 8. No. 1. Article No. 17745. DOI: 10.1038/s41598-018-35510-4
60. Froehlicher G., Lorchat E., Ferniquet F., Joshi C., Molina-Sanchez A., Wirtz L., Berciaud S. Unified Description of the Optical Phonon Modes in N-Layer MoTe2. Nano Lett. 2015. V. 15. No. 10. P. 6481-6489. DOI: 10.1021/acs.nanolett.5b02683
61. Fang M., Gu H., Guo Z., Liu J., Huang L., Liu S. Temperature and thickness dependent dielectric functions of MoTe2 thin films investigated by spectroscopic ellipsometry. Applied Surface Science. 2022. V. 605. Article No. 154813. DOI: 10.1016/j.apsusc.2022.154813 EDN: RCLRIM
62. Ekuma C.E., Dobrosavljevic V., Gunlycke D. First-Principles-Based Method for Electron Localization: Application to Monolayer Hexagonal Boron Nitride. Physical Review Letters. 2017. V. 118. Article No. 106404. DOI: 10.1103/PhysRevLett.118.106404
63. Roy S., Zhang X., Puthirath A.B., Meiyazhagan A., Bhattacharyya S., Rahman M.M., Babu G., Susarla S.,. Saju S.K, Tran M.K., et al. Structure, Properties and Applications of Two-Dimensional Hexagonal Boron Nitride. Advanced Materials. 2021. V. 33. No. 44. Article No. 2101589. DOI: 10.1002/adma.202101589
64. Erba A., Ferrabone M., Baima J., Orlando R., Rérat M., Dovesi R. The vibration properties of the (n,0) boron nitride nanotubes from ab initio quantum chemical simulations. The Journal of Chemical Physics. 2013. V. 138. Article No. 054906. DOI: 10.1063/1.4788831
65. Laturia A., Van de Put M.L., Vandenberghe W.G. Dielectric properties of hexagonal boron nitride and transition metal dichalcogenides: from monolayer to bulk. npj 2D Mater. Appl. 2018. V. 2. Article No. 6. DOI: 10.1038/s41699-018-0050-x
66. Liu J.-M., Lin I.-T. Graphene Photonics. Cambridge University Press, 2019. DOI: 10.1017/9781108656870
67. Jorio A., Cançado L.G., Malard L.M. Vibrations in Graphene. In: 2D Materials: Properties and Devices. Eds. Avouris P., Heinz T.F., Low T. Cambridge University Press, 2017. P. 71-89. DOI: 10.1017/9781316681619.006
68. Garcia-Ruiz A., Thompson J.J.P., Mucha-Kruczynski M., Fal’ko V.I. Electronic Raman Scattering in Twistronic Few-Layer Graphene. Phys. Rev. Lett. 2020, V. 125. Article No. 197401.
Выпуск
Другие статьи выпуска
В рамках данной работы исследуется модель динамики численности структурированной лимитированной популяции с дискретным временем. Предполагается, что к началу очередного репродуктивного периода популяция представлена двумя группами: младший (неполовозрелые) и старший (участвующие в размножении) возрастные классы. При этом изменение численности популяции обусловлено рождаемостью и смертностью, а также процессами лимитирования выживаемости как молоди, так и взрослых особей. Отметим, что подобная постановка задачи, объединяющая два механизма плотностно-зависимой регуляции – до сих пор не рассматривалась. В ходе исследования данной модели показано наличие двух стационарных состояний – нулевого, соответствующего гибели популяции, и ненулевого равновесия. Анализ устойчивости этих решений, а также построенные параметрические портреты, свидетельствуют, что повышение выживаемости старшей возрастной группы вызывает незначительные изменения области устойчивости, тогда как рост выживаемости младшей группы ведет к ее сужению. При этом показано, что увеличение скорости роста популяции и интенсивности лимитирования способны как подавлять, так и провоцировать возникновение колебаний численности. Исследованы возникающие режимы динамики и сценарии потери устойчивости. Дополнительно проведен сравнительный анализ динамического поведения для предложенной в данной работе модели с моделью, учитывающей лимитирование выживаемости только молоди. Показано, что ключевое отличие заключается в существенном сужении области устойчивости ненулевого равновесия и возникновении квазипериодических колебаний при более низких значениях скорости роста, что делает предложенную модель более согласованной с динамикой природных популяций, в которых колебания возможны при умеренных показателях рождаемости.
В представленной работе мы исследуем характер движения и распределения заряда по цепочке в процессе его блоховских осцилляций в постоянном электрическом поле. Проведённые ранее вычисления показали, что характер движения и распределения заряда по цепочке зависит от всего множества параметров системы. Например, при изменении только напряжённости электрического поля или начального распределения заряда может наблюдаться или равномерное движение, или колебательное, при неизменных остальных параметрах системы. В данной работе моделирование динамики заряда в постоянном электрическом поле проводилось в полинуклеотидных цепочках с различными параметрами частоты колебаний сайтов цепочки и коэффициента трения. Проведённые исследования показали существенные различия скорости и характера движения заряда в цепочках с различными значениями указанных параметров. Естественно, наибольший интерес представляет исследование движения заряда в полинуклеотидных цепочках, параметры которых близки к параметрам цепочек ДНК. Но численное моделирование динамики заряда в таких цепочках, как правило, более затратно по вычислительным ресурсам. Поэтому, для ускорения проводимых вычислений, сначала моделирование проводится в цепочках с более удобными параметрами. Показано, что в цепочках, с параметрами близкими к параметрам цепочек ДНК, заряд может только незначительно перемещаться по цепочке, осциллируя в области своего начального положения. При модельных значениях частоты колебаний сайтов цепочки и коэффициента трения, которые значительно превышают соответствующие значения параметров цепочек ДНК, заряд может продвигаться по цепочке на достаточно большое расстояние.
Связанные с полом различия в старении человеческого мозга были изучены с использованием большого массива экспериментальных данных. В качестве источника данных был использован открытый архив CamCan: магнитные энцефалограммы, зарегистрированные совместно с магнитно -резонансными изображениями головы, были получены для каждого из 434 испытуемых (в возрасте от 18 до 87 лет лет, средний возраст 54,7 ±18,4 ): 217 женщин (средний возраст от 18 до 87 лет 54,5 - 18,4) и 217 м/с (возраст 18,4 лет, средний возраст 54,8 ± 18,3)18,3). Записи были разделены на 10-летние возрастные группы, каждая из которых состояла из равного числа мужчин и женщин, чтобы правильно рассчитать средние интерсексуальные характеристики. С помощью массового решения обратной задачи на функциональных томограммах было рассчитано пространственное распределение элементарных спектральных компонентов. Физиологический шум был устранен путем совместного анализа функциональной томограммы на основе МЭГ и магнитно-резонансного изображения для каждого пациента. Затем многоканальные спектры были преобразованы во временные ряды мощности элементарных диполей тока. Суммарная электрическая мощность была рассчитана в шести общепринятых частотных диапазонах (дельта-ритм 1–4 Гц, тета-ритм 4–8 Гц, альфа-ритм 8–13 Гц, бета-ритм 1–21 Гц, бета-ритм 2–30 Гц, гамма-ритм 30–48 Гц), а также были изучены половые различия в возрастных изменениях. Было установлено, что в самой молодой возрастной когорте (18–29 лет) суммарная электрическая мощность мозга у мужчин в 1,5 раза выше, чем у женщин. У взрослых (30–69 лет) показатели у мужчин и женщин примерно равны, а в более старших возрастных группах (70–87 лет) суммарная электрическая мощность мозга у мужчин выше. Зависимости от возраста в различных частотных диапазонах у мужчин и женщин, как правило, различаются, за исключением более высоких частот 21–48 Гц. Можно сделать основной вывод о том, что после усреднения по половому признаку суммарная электрическая мощность человеческого мозга остаётся неизменной на протяжении всей жизни — от 18 до 87 лет. Предложенный метод совместного анализа данных магнитоэнцефалографии и магнитно-резонансной томографии может быть использован для дальнейшего изучения половых различий в источниках мозговой активности в связи с возрастными изменениями.
Одно из современных направлений в клеточной биоэнергетике – это исследования молекулярных механизмов эффективного переноса протонов в белках и поверхностных протонпроводящих структурах в биологических мембранах. В данной работе разработана математическая модель молекулярного механизма направленного транспорта протонов вдоль липидных мембран. Рассмотрено движения протонов в квазиодномерных латеральных доменных структурах в многокомпонентных липидных мембранах, которые, как предполагается, играют роль протонпроводящих поверхностных структур. В работе предложена модель тройной системы, включающей подсистему цепочек водородных связей поверхностных молекул воды, взаимодействующих с подсистемами полярных групп и углеводородных цепей липидных молекул. Показано, что в рассмотренной тройной системе могут возникать коллективные возбуждения солитонного типа, приводящие к латеральному транспорту протонов, сопровождающемуся движением солитонов, которые представляет собой локальные области сжатия в подсистеме полярных групп липидов и структурные дефекты в подсистеме углеводородных цепей липидных молекул мембраны. Результаты моделирования показали, что латеральный перенос протонов в этой связанной системе не зависит от электрического поля вдоль мембраны и может определяться упругими полями деформации и кривизной мембраны, создаваемых белками и ионными каналами, встроенными в биомембраны.
Мы представляем новую структуру для синтетического формирования популяции, использующую условно-генеративные состязательные сети (CGAN) для получения микроданных о состоянии здоровья на индивидуальном уровне от маргиналов на популяционном уровне. В частности, наш подход позволяет синтезировать реалистичные микроданные для целевых групп населения, где доступны только агрегированные статистические данные, такие как распределение по возрасту и полу и распространенность заболеваний. Для решения проблем, связанных с нехваткой данных и ограничениями конфиденциальности, мы разрабатываем архитектуру cGAN, которая фиксирует и переносит сложные взаимозависимые взаимосвязи (например, зависимости от возраста и заболеваний) от исходной популяции с микроданными к целевой популяции, описываемой маргиналами. Гибридная функция потерь обеспечивает точность целевых показателей, сохраняя при этом эпидемиологическую реалистичность сгенерированных выборок. Мы оценили наш метод, используя поведенческий риск 2023 года Набор данных системы эпиднадзора за факторами риска (BRFSS) из США, демонстрирующий четкое соответствие с реальными распределениями по нескольким штатам. Модель точно воспроизводит закономерности сопутствующей заболеваемости и корреляции между возрастом и заболеваемостью, хотя они не были частью данных о влиянии факторов риска. Наши результаты показывают, что этот метод позволяет создавать масштабируемые и конфиденциальные синтетические данные, которые могут найти применение в моделировании общественного здравоохранения и агентном моделировании, особенно в регионах, где нет подробных данных на индивидуальном уровне.
Прогрессирующий фиброз определяет риск летального исхода при хронических заболеваниях печени. Существующие методы диагностики не позволяют выявить молекулярные изменения, происходящие при переходе от ранних повреждений к необратимому рубцеванию. Зачастую они основаны на бинарных классификациях, которые не позволяют выявить биологические факторы, определяющие прогрессирование заболевания. Мы сопоставили профили экспрессии генов, отличающие прогрессирующий (F3-F4) фиброз от раннего (F0-F2), чтобы определить их клеточное происхождение и возможность трансляции на уровне белков при различных этиологиях заболевания. Мы проанализировали общедоступные данные массового секвенирования РНК (E-MTAB-6863), чтобы выделить гены, отличающие ранний фиброз от прогрессирующего. Затем мы деконвертировали эти сигналы с помощью секвенирования РНК отдельных ядер (single-nucleus RNA-sequencing, snRNA-seq; GSE179548), чтобы определить конкретные типы клеток. Мы проверили отобранные гены протеомным анализом на мультиомном наборе данных по гепатоцеллюлярной карциноме, сравнивая вирусную и метаболическую этиологию. Мы выявили сигнатуру из 105 генов, связанных с прогрессирующим фиброзом и отвечающих за организацию внеклеточного матрикса и развитие эпителия. Данные snRNA-seq указывают на то, что этот сигнал в первую очередь характерен для холангиоцитов, а не для звёздчатых клеток печени, что указывает на дуктулярную реакцию. Протеомная валидация показала различия. Структурные маркеры (COL1A1, THY1) оставались повышенными независимо от этиологии. Метаболические и дуктулярные маркеры (AKR1B10, KRT23, SPP1) были специфичны для метаболических нарушений (неалкогольная жировая болезнь печени, алкогольная болезнь печени). Прогрессирующий фиброз обусловлен реакцией эпителия желчевыводящих путей, а не только отложением матрикса. Фиброзный каркас одинаков у всех пациентов. Сопутствующие метаболические изменения зависят от этиологии. Это говорит о том, что эффективные биомаркеры должны быть адаптированы к специфическому метаболическому контексту заболевания, а не представлять собой универсальную панель для оценки фиброза.
В статье обсуждается влияние замены ионов кальция Ca2+ в определенных позициях гидроксиапатита на ионы железа Fe2+ и Fe3+. Показано, как методом моделирования молекулярной динамики с применением косоугольной ячейки в периодических граничных условиях найти плотность гидроксиапатита. Полученные значения плотности хорошо согласуются с известными данными и результатами расчетом методами теории функционала плотности. Также описан процесс выпаривания ионов, плавления и сублимации разных образцов гидроксиапатита. Результаты молекулярно-динамического моделирования показывают заметные различия в температурах структурных перестроек для гидроксиапатита с замещениями ионами Fe2+ и Fe3+. Так, образец гидроксиапатита с ионами Fe2+ испытывает значительные структурные перестройки уже в диапазоне температур 727–827 °С, что согласуется с экспериментальными данными по распаду катион-замещенного гидроксиапатита с ионами железа при температурах около 800 °С.
Денге, одно из самых распространенных вирусных инфекционных заболеваний XXI века, переносимых комарами, поражает примерно 100-400 миллионов человек во всем мире. Отсутствие окончательного лечения привело к проведению нескольких исследований в лабораторных условиях и in silico в поисках потенциальных противовирусных препаратов. РНК-геликаза вируса денге (DENV) является жизненно важным белком, который играет важную роль в репликации вируса. В этом исследовании была проанализирована противовирусная активность флаванона нарингенина и его производных методами in silico и in vitro, направленная на фермент геликазу DENV NS3. В этом исследовании скрининг in silico, основанный на молекулярном докинге и свойствах ADMET 20 производных нарингенина, выявил молекулы, такие как 6-фторнарингенин, в качестве подходящего соединения. Кроме того, сравнительное моделирование MD и исследование MM-PBSA таких комплексов, как NS3-нарингенин, NS3-6-фторнарингенин и NS3-ST-610 (стандартная молекула ингибитора), показало, что нарингенин способен образовывать стабильный комплекс с ферментом геликазой NS3 из DENV2. Эти результаты настоящего исследования предсказывают многообещающую противоденговую природу соединения нарингенина в качестве ингибитора репликации.
В естественных условиях на растения воздействует комплекс неблагоприятных факторов внешней среды, в ответ на которые изменяется РНК профиль. На сегодняшний день проводятся исследования РНК профилей в условиях воздействия одного фактора, однако работ по метаанализу ответных реакций у дуба черешчатого (Quercus robur L.) не проводилось. В связи с этим целью нашего исследования стало проведение метаанализа данных экспрессии генов RNA Seq, связанных с засухой, стрессом от заражения мучнистой росой и поедания насекомыми для выявления дифференциально экспрессируемых генов (ДЭГ), включая транскрипционные факторы (ТФ). В результате было обнаружено четыре перекрёстных ДЭГ при воздействии всех стресс факторов: histone H4, flavonol synthase, acyltransferase GLAUCE like и неохарактеризованный ген, содержащий домен DUF1223. Результаты анализа РНК профилей с помощью программы iTAK v1.6 показали участие 225 ТФ, из которых 159, ассоциированы с ответом на поедание насекомыми, 24 ТФ, связанных с поражением мучнистой росой и 42 ТФ, участвующих в реакции на засуху. Было обнаружено, что происходит подавление четырех общих ТФ при засухе и повреждении насекомыми. При стрессах вызванными мучнистой росой и насекомыми выявлено 9 ТФ, среди которых с повышенной экспрессией были три гена WRKY и по одному из семейств AP2/ERF, NAC, MYB и GRAS, оставшиеся два ТФ принадлежали семейству MYB related. Пересечения в экспрессии ТФ между засухой и мучнистой росой не обнаружено. Результаты анализа коэксперссии (WGCNA) позволили выявить 14 модулей из которых шесть обладали наибольшей связью с признаком и были использованы для дальнейшего определения генов хабов. В результате анализа коэкспрессии было выявлено шесть генов хабов, из них три автоматически аннотированных NAC, GDSL, CESA3 и оставшиеся не охарактеризованные. Результаты метаанализа показали, что устойчивость растения к различным стрессам обеспечивается как специфическими, так и общими механизмами, при этом ключевую роль играют коэкспрессионные модули и ТФ, что позволяет выделить потенциальные гены кандидаты для дальнейших исследований и селекции.
Проведен сравнительный анализ регрессионных моделей машинного обучения для прогнозирования изменений относительной численности природных популяций красной полевки на один год вперед. Для обучения, валидации и тестирования моделей случайного леса и многослойного персептрона использовали демографические и климатические данные для восточного сектора Субарктики в целом, а также отдельно для двух пунктов региона. Каждый набор данных, содержащий ежегодные наблюдения за различными показателями, в модели представлен как вектор признаков (целевой признак – относительная численность на один год вперед; предикторы – популяционные и климатические данные), без привязки к временной структуре. При традиционном прогнозировании временных рядов будущие значения получают на основе последовательности прошлых значений, в то время как предсказание по векторам рассматривает каждое наблюдение как отдельную точку в пространстве признаков, формируя векторные представления данных. Показано, что многослойный персептрон демонстрирует лучшие результаты и точность прогноза по всем выборкам. Случайный лес характеризуется меньшей устойчивостью и точностью. В целом по региону и отдельным пунктам предпочтительнее использовать нейросетевые методы, например, многослойный персептрон. В случае необходимости выполнения быстрого моделирования или интерпретируемости можно использовать модель случайного леса. На примере популяций красной полевки показано, что точный прогноз относительной численности мелких грызунов на один год вперед можно получить, используя ограниченный по времени набор данных о состоянии популяций и условиях их обитания. Модели машинного обучения могут применяться для решения задач эпидемиологии и защиты растений.
Генные сети, контролирующие экспрессию генов, играют первейшую роль в детерминации эпигенетических и биохимических свойств клеток. В то же время взаимосвязанность генных сетей с сетями других типов и уровней требует подходов, учитывающих эту комплексность. В статье данная проблема решается в аспекте вложенности генных сетей в клетки, которые сами являются узлами сети более высокого уровня, а именно клеточного ансамбля. Созданы информационные модели (объектная, реляционная и объектно-реляционная) управляющей генной сети над генетическими блоками, а также модели клеточного ансамбля как сети над клеточными управляющими генными сетями. Объединенная двухуровневая модель описывает генно-сетевые структуры в составе клеточных ансамблей с динамическими характеристиками основных молекулярно-генетических процессов. На основе моделей разработана платформа SETIES для исследования in silico молекулярно-генетических систем управления экспрессией генов про- и эукариот. Платформа включает в себя программные компоненты для дизайна и визуализации клеточных и межклеточных генных сетей, автоматического построения их математических моделей, моделирования сетевой динамики в бесклеточных системах, в клеточных линиях и клональных клеточных популяциях, а также в клеточных ансамблях с постоянной и динамической структурой. Счетные модули реализуют формализм обобщенных пороговых моделей, сочетающий в себе преимущества дискретных и непрерывных методов моделирования этих систем. Среди решаемых задач – построение диаграмм активности генов во времени, расчет кинетических кривых для концентраций мРНК и белков, выявление паттернов генной экспрессии как функциональных состояний генной сети, оценка параметрической устойчивости режимов, моделирование механизмов эпигенетического наследования, фенотипической гетерогенности и морфогенетического позиционирования. В целом, платформа реализуют парадигму «сети сетей», служащую основой для перспективных исследований в области системной и синтетической биологии.
Рассмотрены Интернет-ресурсы, предоставляющие свободный доступ к экспериментальным функциональным данным, включая данные электро- и магнитной энцефалографии, структурной и функциональной магнитно-резонансной томографии, полученным в ряде исследовательских проектов при изучении мозга человека. Использование таких ресурсов полезно для развития и отладки новых методов обработки и анализа энцефалограмм, а также для верификации и сравнения результатов.
Рассмотрены основные подходы к исследованию сердца человека с помощью неинвазивных измерений. Для изучения структуры сердца используются такие методы, как эхокардиография, компьютерная томография, магнитно-резонансная томография. Функция сердца изучается в основном с помощью электрокардиографии и магнитной кардиографии. Описаны наборы данных, доступные для использования при математическом моделировании сердца при изучении его работы и при диагностике. Предложен метод функциональной томографии, который преобразует набор временных рядов в пространственное распределение электрических или магнитных источников. Экспериментальные данные магнитной кардиографии, полученные в Центре нейромагнетизма Нью-Йоркского университета, в НИЦ «Курчатовский институт» и в Институте радиотехники и электроники им. В. А. Котельникова РАН, были использованы для реконструкции трехмерной функциональной структуры сердца и временных рядов электрической активности сердца. Токовый диполь, найденный по магнитной кардиограмме, был успешно локализован в пространстве реконструированной структуры сердца, а его амплитуда и направление изменялись в соответствии с фазой сердечного цикла. Метод может быть использован для детального изучения пространственного распределения элементарных источников электрической активности сердца человека по данным многоканальных неинвазивных измерений.
Предложен оригинальный подход к классификации коронавирусов, основанный на представлении анализируемого гена (N-гена белка нуклеокапсида) соответствующим вектором частот кодонов аминокислот и его последующего сравнения с вектором усредненных частот кодонов для аналогичных известных генов вирусного таксона (одного из четырех родов коронавируса). Для определения принадлежности анализируемого вектора частот к каждому рассматриваемому таксону нестандартным образом применяется метод главных компонент. Метод протестирован на 5769 N-генах коронавирусов четырех родов и показал надежность распознавания рода выше 95 %. Предлагаемый подход к классификации коронавирусов позволяет сократить размерность вектора частот кодонов до 28 компонент без снижения надежности, ограничиваясь рассмотрением наиболее значимых частот встречаемости кодонов аминокислот в N-гене. Подход относится к методам без выравнивания, которые в последнее десятилетие завоевывают все большую популярность для классификации вирусов.
Издательство
- Издательство
- ИМПБ РАН
- Регион
- Россия, Москва
- Почтовый адрес
- 142290, Московская обл, г Серпухов, г Пущино, ул Институтская, д 4
- Юр. адрес
- 142290, Московская обл, г Серпухов, г Пущино, ул Институтская, д 4
- ФИО
- Костеркина Ирина Марковна (ГЛАВНЫЙ БУХГАЛТЕР)
- Контактный телефон
- +7 (___) _______
- Сайт
- https://www.impb.ru/