主题017：粗粒化分子动力学

主题017：粗粒化分子动力学

1. 理论基础

1.1 粗粒化的动机

全原子模拟的局限：

• 时间尺度受限（~μs）
• 空间尺度受限（~100 nm）
• 计算成本高

粗粒化的优势：

• 更大的时间步长（10-50 fs）
• 更长的模拟时间（~ms）
• 更大的系统尺寸（~μm）
• 更快的采样

1.2 粗粒化映射

映射策略：

• 几个原子 → 一个珠子（bead）
• 保留关键化学特征
• 消除快自由度

常见映射：

• united-atom：CH₂, CH₃ 作为单个珠子
• Martini：~4个重原子一个珠子
• 介观模型：更大尺度的粗粒化

1.3 有效势能

势能形式：
通常保留与全原子类似的形式，但参数不同：
UCG=Ubond+Uangle+Unon−bondedU_{CG} = U_{bond} + U_{angle} + U_{non-bonded}UCG​=Ubond​+Uangle​+Unon−bonded​

参数化方法：

• 结构匹配：匹配径向分布函数
• 力匹配：匹配平均力
• 相对熵：匹配概率分布

2. Martini力场

2.1 珠子类型

四种主要类型：

• P：极性
• N：非极性
• C：带电
• Q：四极

亚型：
通过字母和数字组合表示（如Na = 非极性，接受氢键）

2.2 相互作用参数

Lennard-Jones参数：
根据珠子类型查表获得。

相互作用矩阵：

3. 粗粒化算法

3.1 从全原子轨迹粗粒化

classCoarseGrainer:"""粗粒化映射类"""def__init__(self,mapping_scheme):""" 初始化粗粒化方案 Parameters ---------- mapping_scheme : dict 映射方案 {cg_bead: [atom_indices]} """self.mapping=mapping_scheme self.n_cg=len(mapping_scheme)defmap_positions(self,atom_positions,masses=None):""" 将原子位置映射到粗粒化位置 Parameters ---------- atom_positions : ndarray (n_atoms, 3) 原子位置 masses : ndarray (n_atoms,), optional 原子质量，用于质量加权 Returns ------- ndarray (n_cg, 3) 粗粒化位置 """cg_positions=np.zeros((self.n_cg,3))fori,(bead_name,atom_indices)inenumerate(self.mapping.items()):ifmassesisnotNone:# 质心bead_masses=masses[atom_indices]cg_positions[i]=np.average(atom_positions[atom_indices],axis=0,weights=bead_masses)else:# 几何中心cg_positions[i]=np.mean(atom_positions[atom_indices],axis=0)returncg_positionsdefmap_forces(self,atom_forces,mapping_scheme):""" 将原子力映射到粗粒化力 Parameters ---------- atom_forces : ndarray (n_atoms, 3) 原子力 Returns ------- ndarray (n_cg, 3) 粗粒化力 """cg_forces=np.zeros((self.n_cg,3))fori,atom_indicesinenumerate(self.mapping.values()):cg_forces[i]=np.sum(atom_forces[atom_indices],axis=0)returncg_forces

3.2 粗粒化MD模拟

classCGMDSimulation:"""粗粒化分子动力学模拟"""def__init__(self,cg_positions,cg_masses,force_field):""" 初始化CGMD模拟 Parameters ---------- cg_positions : ndarray 粗粒化位置 cg_masses : ndarray 粗粒化珠子质量 force_field : object 粗粒化力场 """self.positions=cg_positions self.masses=cg_masses self.ff=force_field self.velocities=np.zeros_like(cg_positions)defstep(self,dt):""" 积分一步（速度Verlet） Parameters ---------- dt : float 时间步长（可以比全原子大10-20倍） """# 计算力forces=self.ff.compute_forces(self.positions)# 速度Verletself.velocities+=0.5*dt*forces/self.masses[:,np.newaxis]self.positions+=dt*self.velocities# 应用PBCself.positions%=self.ff.box_length# 新力forces=self.ff.compute_forces(self.positions)self.velocities+=0.5*dt*forces/self.masses[:,np.newaxis]

4. 反向映射

4.1 从粗粒化到全原子

目的：

• 恢复原子细节
• 进行后续分析
• 与实验对比

方法：

• 几何重建
• 能量最小化
• 短平衡模拟

5. 总结

粗粒化分子动力学是扩展模拟时空尺度的有效方法：

1. 粗粒化映射减少了自由度，提高了计算效率
2. Martini力场是生物分子粗粒化的标准
3. 参数化是粗粒化成功的关键
4. 反向映射可以恢复原子细节用于分析