调查自动Rhodopsin建模异常值的起源 使用微生物GloeobacterRhodopsin作为测试床

科学领域:

• 计算化学是一种计算化学.
• 生物物理学的生物物理.
• 频谱学是一种光谱学.

背景情况:

• 自动罗多素建模 (ARM) 方法使用混合量子力学/分子力学 (QM/MM) 进行罗多素建模.
• ARM准确地预测光物理性质,但在异常情况下存在局限性.

研究的目的:

• 分析ARM预测中野生型和突变型Gloeobacter rhodopsin (GR) 的异常值的来源.
• 为了提高罗多素吸收能量的计算建模的准确性.

主要方法:

• 将ARM应用于Gloeobacter rhodopsin (GR),并分析了与实验数据的偏差.
• 研究了histidine (H87) pKa不确定性对模型准确性的影响.
• 对ARM进行了测试的修改:改善了pKa预测,静电电位减弱,州特定的CAS和MRSF-TDDFT.

主要成果:

• 标准ARM给出了GR激发能量的0.42 eV的根平均平方偏差 (RMSD).
• 经过修改的协议进行了测试,通过将H87质子化与MRSF/CAMH-B3LYP.Y.P.结合来实现最佳性能.
• 最优化的方法将RMSD降低到0.2 eV.

结论:

• 在位置87的histidine的pKa对于准确的GR建模至关重要.
• 像MRSF-TDDFT这样的先进计算方法显著提高了ARM的预测能力.
• 精细的ARM协议为罗多的光物理性质预测提供了更高的准确性.