用AI2BMD的蛋白质分子动力学从头算术表征

　　为了证明AI2BMD的能力用于构象空间探索和蛋白质动力学，我们对蛋白二肽和蛋白质进行了AI2BMD模拟。我们最初构建了一个天冬酰胺二肽（ACE-N-NME），其中氨基酸在其氨基和羧基末端分别用乙酰基和N-甲基氨基限制在5-Å水箱中，并在溶质和溶液之间采样量子和溶液之间的氢键，并使用500-PS simist（QMM）（QM）（QM）（QM）在溶液中进行采样（QM）嵌入和MM与Amber FF19SB。然后，我们扫描了水分子中的氧气与二肽上的受体之间的距离，并通过纯QM，AI2BMD和MM计算了整个系统的能量波动。如扩展数据所示图2a，b，水分子中的氧与主链上的氢键受体之间的距离分布，如QM-MM和AI2BMD所示，表现出很高的相似性。在氢键扫描中，AI2BMD还显示出与QMMM的能量分布更一致（扩展数据图2C）。此外，与水的侧链氢键相比，AI2BMD显示出一致的O – O距离分布（扩展数据图2D – F），而AI2BMD和QMM – MM的峰位于相同位置。总之，氢键采样和扫描实验表明AI2BMD可以准确地对溶剂效应以及溶质与溶剂之间的相互作用进行建模。 　　然后，我们全面抽样了不同蛋白质单元的构象空间。我们首先评估了AI2BMD系统产生的模拟过程中势能和原子力计算的准确性。每种使用10Å水箱的二肽进行了10 ns的AI2BMD模拟，并从模拟轨迹中均匀挑选了200张带有溶剂的快照。通过QM计算整个蛋白质的能量和力，作为参考值的溶剂部分和氧化溶性部分。MM计算是用于比较。在各种模拟轨迹中，与参考值相比，由AI2BMD计算出的蛋白质单位类型，整个系统的相对能量和力都显示出可忽视的错误。相比之下，纯MM偏离参考值（图3A – D和补充图5和6）。具体而言，对于带负电荷的蛋白质单位ACE-E-NME（图3A），与模拟过程中的参考值相比，AI2BMD表现出轻微的差异（MAE：0.183 kcal mol-1），而MM则具有明显的差异，MAE的MAE为4.111 kcal mol-1。此外，对于ACE-R-NME，MM计算的能量也显示出波动，并且与参考值明显不同（MAE：4.286 kcal mol-1对AI2BMD MAE：0.477 kcal mol-1;图3B）。此外，AI2BMD始终在侧链中用苯环（MM MAE：2.997 kcal mol-1对AI2BMD MAE：0.091 kcal mol-1），ACE-F-NME的较大边缘用较大的缘缘占据了ACE-F-NME（图3C）。使用较小的侧链，例如ACE-S-NME（图3D），AI2BMD和参考值之间的差异进一步降低（MAE：0.056 kcal mol-1），而MM的差异仍然不同（MAE：MAE：2.788 kcal mol-1）。对于原子力的评估，与MM相比，AI2BMD对参考值（MAE：0.002 kcal -1 mol -1Å -1）的保真度要大得多（MAE：0.132 kcal mol -1Å -1） 对于10-NS模拟中的所有情况（补充图6）。因此，在模拟过程中，AI2BMD在各种蛋白质单元中保持其准确性。 　　我们进一步全面抽样了不同蛋白质单元的构象空间。对于每个蛋白质单位，我们进行了100个独立的AI2BMD模拟。为了促进模拟效率，首先从全面采样的MM轨迹中得出了50个初始结构。然后，每个初始结构都进行了两个独立的AI2BMD模拟，以1,000 ps的显式溶剂运行，从而导致用于蛋白质单元的微秒AI2BMD模拟。然后，我们分析了AI2BMD探索的构象空间，通过重现通过核磁共振（NMR）实验测量的3J（HN，Hα）耦合13,20。3J（HN，Hα）耦合可以准确地反映肽13的ϕ角分布，因此从实验视图中采用了通过模拟蛋白质单元的模拟来测量构象空间探索。由于排除了脯氨酸和组氨酸二肽，我们根据AI2BMD模拟轨迹得出的主链ϕ角度计算了其他18种蛋白质单位的3J（HN，Hα）偶联值，然后平均取平均值值以获得最终的估计值。作为比较，在FF19SB力场中报道了MM制造的那些。图3E表明，与MM相比，通过AI2BMD驱动的那些模拟具有更高的Pearson相关性（ρ= 0.924），而NMR实验测量值比MM计算得出（ρ= 0.543）。此外，如图3F所示，所有蛋白质单元的AI2BMD大大优于所有蛋白质单元的MM。这些结果进一步强调了AI2BMD从湿lab实验的角度进行构象探索和采样的有效性。 　　然后，我们在明确的溶剂中对脱肽氯林酸肽进行AI2BMD模拟，以研究AI2BMD采样的动力学的差异。从折叠或展开的结构开始总共60个模拟，每个模拟最高10 ns。AI2BMD在模拟过程中捕获了Chignolin的折叠和展开过程。在图4a和补充图7a中，从展开的结构开始，蛋白质形成具有包装β链的折叠发夹结构。在此过程中，AI2BMD的相对能误差为3.44 kcal mol -1，而对于MM为15.20 kcal mol -1。相比之下，图4b和补充图7b描绘了从折叠发夹到扩展的展开结构的展开过程。在此过程中，AI2BMD计算的值与参考值差异为4.40 kcal mol -1，而MM的偏差为15.11 kcal mol -1。在两个模拟过程中，如图8所示，与MM所产生的折叠过程的0.614 kcal mol -1Å -1的力误差为0.614 kcal mol -1Å -1和0.620 kcal mol -1Å -1。在展开过程中为0.073 kcal mol -1Å -1）。此外，将图4A中所示的模拟构象投射到自由能景观上，可以观察到折叠过程从展开的亚稳态状态到具有最低能量值的折叠稳态状态（扩展数据图3）。这些结果表明，AI2BMD可以单独折叠蛋白质并检测有意义的构象变化以研究蛋白质动力学。 　　为了进一步探索由AI2BMD和MD驱动的chignolin动力学的差异，我们还通过MM进行了MM进行相同初始结构和仿真配置的模拟，并发现AI2BMD模拟表现出几种独特的特征。首先，由AI2BMD进行的模拟表现出与MM执行的模拟相似的结构波动。如图4C所示，与AI2BMD模拟中的初始结构相比，根平方偏差（RMSD）的速度比前几个纳秒纳秒的经典MD模拟中的速度略快，并且随着模拟的收敛，差距逐渐消失。10 ns后，AI2BMD的平均RMSD为3.378Å，而MM模拟达到3.454Å。我们还分析了模拟过程中相邻Cα原子的距离。如图9所示，AI2BMD的模拟显示出与MM相似的分布。在AI2BMD和MM中，相邻Cα原子之间的平均距离分别为3.816Å和3.863Å，其经验值接近3.8Å的经验值，这意味着模拟稳定地执行，而没有模拟崩溃。其次，关于Ramachandran图中描述的特定主链构象（图4D），AI2BMD的分布比MM略宽，特别是在ϕ的区域范围为120°至180°且ψ范围为-60°至180°。我们通过检查每个残基的Ramachandran图进一步研究了AI2BMD和MM之间的差异，并发现这种差异主要来自G7的ϕ -ψ角分布（扩展数据图4A，B）。如扩展数据图4C，D所示，然后根据G7的ϕ和ψ角将所有仿真轨迹聚集到10个簇中，并呈现每个群集的代表性结构。与G7的MM相比，AI2BMD显示出更多的ϕ和ψ角。考虑到甘氨酸可以探索Ramachandran图上的大多数区域，因为缺乏侧链23， 模拟过程中的观察结果表明，AI2BMD可以探索更多可能的构象空间，而无需对MM中施加的键长的谐波约束。 　　此外，使用Q分数，该Q分数根据模拟过程中的触点评估蛋白质折叠24，我们将AI2BMD和MM快照将其分为折叠和展开的结构。如残基最小距离图中所示（图4E），在折叠和展开的结构中，AI2BMD和MM的结果相似。他们都描述了Chignolin的N末端和C末端芳香族残基（Y2-W9）与D3和G7之间的氢键之间的稳定相互作用。对于D3和G7之间最强的氢键（参考文献22,25），由AI2BMD采样的折叠构象将其描述为更稳定（在AI2BMD中的最小距离为2.86Å，而在mm中为2.98Å）。D3的主链O与G7的主链N之间的距离（图4F）也表明，AI2BMD稳定了氢键比MM稳定的。对于展开的结构，AI2BMD和MM的趋势相似，因为这两者都描述了比折叠结构中的距离要长得多。这些结果表明，通过以前精度进行模拟，AI2BMD可以检测有意义的构象变化和详细的原子间相互作用来研究蛋白质动力学。观察到的差异可能归因于以下事实：AI2BMD不会对键和角度施加谐波约束，从而提供了更大的灵活性和更紧密的近似值。