开启生物动力学的智能新纪元
生物分子动力学模拟是理解生物分子功能和行为的关键工具，它允许科学家在原子层面上观察和预测分子的运动和相互作用。这一领域的发展对于药物设计、疾病机理研究以及生物物理等多个科学领域都具有重要意义。
然而，传统的分子动力学模拟方法存在一些局限性。经典分子动力学（MD）模拟依赖于经验力场，这些力场虽然能够提供较快的模拟速度，但往往缺乏足够的化学精度，无法准确描述分子内部的电子结构和复杂的化学过程。另一方面，量子化学方法如密度泛函理论（DFT）能够提供更高的精度，但计算成本高昂，难以应用于大规模生物分子系统。
在这种背景下，微软研究院邵斌、王童介绍了一种基于人工智能的从头算生物分子动力学系统（AI2BMD），即利用人工智能技术来克服传统方法的局限性。AI2BMD通过结合蛋白质片段化技术和机器学习力场，实现了对大型生物分子的高效从头算模拟。这种方法不仅能够达到化学精度，还能够显著降低计算成本，使得对生物分子的长时间、高精度模拟成为可能。相关内容以“Ab initio characterization of protein molecular dynamics with AI2BMD”为题发表在《Nature》上，第一作者为Tong Wang, Xinheng He, Mingyu Li和Yatao Li。
【主要内容】
图1 AI2BMD的整体流程
蛋白质通过片段化过程被分解成蛋白质单元，基于ViSNet设计的AI2BMD潜力计算整个蛋白质的能量和原子力，实现了从头算精度的能量和力计算。AI2BMD模拟系统建立在这些组件之上，提供了一种通用的解决方案，用于模拟蛋白质的分子动力学，不仅与湿实验数据表现出良好的一致性，还能检测到与分子力学（MM）不同的动力学现象。
图2 AI2BMD和MM的能量和力计算评估
通过对比九种不同大小蛋白质的AI2BMD和MM模拟结果与密度泛函理论（DFT）的参考值，显示了AI2BMD在势能和原子力的平均绝对误差（MAE）上显著优于MM，并且随着蛋白质大小的增加，AI2BMD相对于DFT的计算效率呈现出近线性增长，而DFT的计算时间则急剧增加，特别是在大型蛋白质上，AI2BMD的计算速度比DFT快数个数量级，凸显了AI2BMD在模拟效率和准确性方面的优势。
图3 蛋白质单元的AI2BMD模拟及与NMR实验的比较
通过与量子化学（QM）和分子力学（MM）的比较，AI2BMD在模拟不同电荷和侧链特性的蛋白质单元时，无论是在能量还是原子力的计算上，都显示出比MM更小的误差和更高的准确性。此外，AI2BMD在模拟过程中能够更准确地复现核磁共振（NMR）实验测量的3J(HN, Hα)耦合值，表明其在蛋白质构象空间探索方面的高效性和精确性。
图4 基于AI2BMD仿真的毛木质素动力学分析
通过深入分析了AI2BMD在模拟小蛋白chignolin的折叠和展开动力学方面的表现，通过与分子力学（MM）模拟的对比，揭示了AI2BMD在捕捉蛋白质能量变化、结构波动、RMSD、Ramachandran图分布以及氢键稳定性等方面的优势，强调了AI2BMD在精确模拟蛋白质动态和详细原子间相互作用方面的能力，从而为研究蛋白质折叠过程提供了一种新的高效工具。
图5 两态蛋白质、藤本酶和CI2的焓变、热容和自由能的比较
比较了AI2BMD和传统分子力学（MM）方法在预测两种模型蛋白（barnase和CI2）的热力学变化（包括焓变ΔH和热容变化ΔCp）以及自由能变化（ΔG）方面的表现。结果表明，AI2BMD在所有评估指标上都比MM更接近实验值，从而验证了AI2BMD在预测蛋白质折叠热力学性质方面的准确性和可靠性。
【全文总结】
本文介绍了AI2BMD，一种新型的人工智能驱动的从头算生物分子动力学模拟系统，它通过蛋白质片段化和机器学习力场实现了对大型生物分子的高效从头算精度模拟，与密度泛函理论相比大幅减少了计算时间，并在能量和力的计算精度、蛋白质折叠和展开过程的模拟、以及蛋白质热力学性质的预测方面均展现出优越性能，有望成为补充湿实验、探索生物分子动态过程和推动生物医学研究的重要工具。
「BioMed科技」关注生物医药×化学材料交叉前沿研究进展！交流、合作，请添加杨主编微信！
原文链接：
来源：BioMed科技
声明：仅代表作者个人观点，作者水平有限，如有不科学之处，请在下方留言指正！
