使用蒙特卡洛采样,协同旋转和连续溶解的多折叠

科学领域:

• 计算化学是一种计算化学.
• 统计力学就是统计力学.
• 生物物理学的生物物理.

背景情况:

• 预测蛋白质结构对于理解生物功能至关重要.
• 需要准确的计算方法来探索复杂的结构景观.
• 现有的模拟方法在有效采样相关蛋白质构造方面面临挑战.

研究的目的:

• 为蒙特卡洛模拟开发和应用一个高效的协同旋转算法.
• 准确预测多的原生折叠,包括β-hairpins和α-helices.
• 验证算法的能力,以采样相关的构造空间和复制实验结构.

主要方法:

• 在蒙特卡洛模拟中利用了一种高效的协同旋转算法.
• 集成的灵活键和二面角与高斯偏差用于优化采样.
• 在水中的溶解中采用了通用的Born表面积 (GBSA) 模型.
• 使用OPLS-AA力场进行分子力学计算.

主要成果:

• 成功折叠了三种多:U(1-17) T9D,alpha(1) 和trpzip2.
• 两个β-hairpins的计算最低能量结构与NMR数据密切匹配.
• 对于α(1) ,预测偏好随机卷轴结构,与低度NMR实验保持一致.
• 证明了对构造空间的有效采样,从扩展构造中定位原生状态.

结论:

• 开发的算法高效地为聚酸折叠模拟进行构造空间样本.
• 该方法准确地预测了β-hairpins的原生结构和alpha-helices的结构偏好.
• OPLS-AA力场和GBSA溶剂模型的组合对β转形成的性能很好.