在实验指导下,改进里程碑网络
Xiaojun Ji1,2, Hao Wang3, Wenjian Liu3
1Research Center for Mathematics and Interdisciplinary Sciences, Shandong University, Qingdao, Shandong 266237, P.R. China.
Journal of chemical theory and computation
|January 23, 2025
概括
这项研究改进了使用最大口径 (MaxCal) 的里程碑模拟,以改善动力预测. 通过整合实验数据,增强方法更好地将模拟结果与分子动力学现实世界观测结果结合起来.
科学领域:
- 计算化学计算化学
- 分子动力学分子动力学
- 生物物理学的生物物理.
背景情况:
- 里程碑测量是一种计算方法,通过构建动力网络来计算罕见事件动力学.
- 里程碑测量的准确性受到力场准确性的限制,往往导致与实验数据的差异.
- 现有的方法有效控制采样错误,但不能控制强力场的不准确性.
研究的目的:
- 通过使用最大口径 (MaxCal) 原则,为Milestoning网络提出一种新的改进方法.
- 将实验热力学和动力学数据集成到里程碑模拟中.
- 通过尽量减少与实验数据的差异来提高里程碑的定量准确性.
主要方法:
- 开发了一种基于最大口径 (MaxCal) 变量原理的精炼方法.
- 使用Kullback-Leibler分歧率作为损失函数,以最大限度地减少里程碑网络之间的差异.
- 纳入实验平衡和速率常数作为MaxCal框架中的约束.
- 应用该方法来研究与β-cyclodextrin的联结/解结动力学.
主要成果:
- 麦克斯卡尔精细化方法成功地将实验数据集成到里程碑网络中.
- 精细的动力网络显示了与实验热力学和动力学数据的改进对齐.
- 使用小分子连接体和β-环极的模型系统证明了该方法的有效性.
结论:
- 基于MaxCal的改进提供了一个强大的策略,以提高里程碑模拟的准确性.
- 这种方法尽量减少来自原始模拟的扰动,同时满足实验约束.
- 精细的Milestoning网络为分子动力学和热力学提供了更可靠的预测.


