第三十九篇：分子动力学中的蛋白质折叠模拟

第三十九篇：分子动力学中的蛋白质折叠模拟

摘要

蛋白质折叠是分子生物学的核心问题之一。本主题介绍蛋白质折叠的分子动力学模拟方法，包括折叠路径分析、中间态识别、以及增强采样技术的应用。

关键词

蛋白质折叠；折叠路径；自由能景观；增强采样；副本交换；元动力学

1. 蛋白质折叠概述

1.1 折叠问题

• Levinthal悖论：蛋白质如何在短时间内找到天然构型？
• 能量景观理论：折叠是能量漏斗上的引导过程
• 折叠协同性：二级和三级结构同时形成

1.2 折叠模型

• 框架模型：先形成二级结构再组装
• 成核-凝聚模型：折叠核先形成
• 疏水塌缩模型：先发生疏水塌缩

2. 增强采样方法

2.1 副本交换MD（REMD）

多个温度副本并行模拟，定期交换构型：

Paccept=min⁡(1,exp⁡[(βi−βj)(Ei−Ej)])P_{\text{accept}} = \min\left(1, \exp\left[(\beta_i - \beta_j)(E_i - E_j)\right]\right)Paccept​=min(1,exp[(βi​−βj​)(Ei​−Ej​)])

2.2 元动力学（Metadynamics）

在集体变量空间添加偏置势：

VG(s,t)=∑t′=τG,2τG,...t′Wexp⁡(−(s−s(t′))22δs2)V_G(s, t) = \sum_{t' = \tau_G, 2\tau_G, ...}^{t'} W \exp\left(-\frac{(s - s(t'))^2}{2\delta s^2}\right)VG​(s,t)=t′=τG​,2τG​,...∑t′​Wexp(−2δs2(s−s(t′))2​)

2.3 伞形采样

沿反应路径进行约束采样：

U′=U+12k(ξ−ξ0)2U' = U + \frac{1}{2}k(\xi - \xi_0)^2U′=U+21​k(ξ−ξ0​)2

3. 折叠分析

3.1 反应坐标

• RMSD：与天然结构的偏差
• 回转半径：Rg=1N∑i(ri−rcm)2R_g = \sqrt{\frac{1}{N}\sum_i (\mathbf{r}_i - \mathbf{r}_{\text{cm}})^2}Rg​=N1​∑i​(ri​−rcm​)2​
• 氢键数目：二级结构指标
• 接触数：残基-残基接触

3.2 自由能景观

F(ξ)=−kBTln⁡P(ξ)F(\xi) = -k_B T \ln P(\xi)F(ξ)=−kB​TlnP(ξ)

4. Python实现

""" 蛋白质折叠模拟分析 包含：RMSD计算、接触图、自由能景观 """importnumpyasnpimportmatplotlib.pyplotaspltimportos output_dir=r'd:\文档\分子动力学\主题039'os.makedirs(output_dir,exist_ok=True)defcompute_radius_of_gyration(positions):""" 计算回转半径 Parameters ---------- positions : ndarray (N, 3) 原子位置 Returns ------- float 回转半径 (Å) """center=np.mean(positions,axis=0)rg_squared=np.mean(np.sum((positions-center)**2,axis=1))returnnp.sqrt(rg_squared)defcompute_native_contacts(positions,native_positions,cutoff=6.0):""" 计算天然接触数 Parameters ---------- positions : ndarray (N, 3) 当前位置 native_positions : ndarray (N, 3) 天然态位置 cutoff : float 接触截断距离 (Å) Returns ------- float 天然接触比例 """N=len(positions)n_contacts=0n_native=0foriinrange(N):forjinrange(i+5,N):# 排除近邻r_native=np.linalg.norm(native_positions[i]-native_positions[j])r_current=np.linalg.norm(positions[i]-positions[j])ifr_native<cutoff:n_native+=1ifr_current<1.2*cutoff:# 稍微放宽标准n_contacts+=1returnn_contacts/n_nativeifn_native>0else0defvisualize_folding():"""可视化折叠分析"""fig,axes=plt.subplots(1,2,figsize=(12,5))# 1. 自由能景观 (FEL)ax1=axes[0]# 模拟数据rmsd=np.linspace(0,10,100)rg=np.linspace(10,25,100)RMSD,RG=np.meshgrid(rmsd,rg)# 双势阱自由能面F=2*(RMSD-2)**2+0.1*(RG-15)**2+5*np.exp(-((RMSD-6)**2+(RG-20)**2)/5)contour=ax1.contourf(RMSD,RG,F,levels=20,cmap='viridis')plt.colorbar(contour,ax=ax1,label='Free Energy (kcal/mol)')# 标记状态ax1.scatter(2,15,c='red',s=200,marker='*',label='Folded',zorder=5)ax1.scatter(6,20,c='blue',s=200,marker='o',label='Unfolded',zorder=5)ax1.set_xlabel('RMSD (Å)')ax1.set_ylabel('R_g (Å)')ax1.set_title('Free Energy Landscape')ax1.legend()# 2. 折叠路径ax2=axes[1]time=np.linspace(0,1000,1000)# ns# 模拟折叠轨迹np.random.seed(42)rmsd_traj=8*np.exp(-time/200)+2+0.5*np.random.randn(1000)rmsd_traj=np.maximum(rmsd_traj,1.5)ax2.plot(time,rmsd_traj,'b-',alpha=0.5,linewidth=1)ax2.scatter(time[::50],rmsd_traj[::50],c=time[::50],cmap='coolwarm',s=30,zorder=5)ax2.axhline(3,color='red',linestyle='--',alpha=0.5,label='Folded threshold')ax2.set_xlabel('Time (ns)')ax2.set_ylabel('RMSD (Å)')ax2.set_title('Folding Trajectory')ax2.legend()ax2.grid(True,alpha=0.3)plt.tight_layout()plt.savefig(f'{output_dir}/folding_analysis.png',dpi=150)plt.close()print(f"可视化结果已保存至:{output_dir}")if__name__=="__main__":# 生成测试结构np.random.seed(42)# 天然态（紧凑）native_pos=np.random.randn(50,3)*2# 去折叠态（伸展）unfolded_pos=np.random.randn(50,3)*8rg_native=compute_radius_of_gyration(native_pos)rg_unfolded=compute_radius_of_gyration(unfolded_pos)print(f"天然态 Rg:{rg_native:.2f}Å")print(f"去折叠态 Rg:{rg_unfolded:.2f}Å")# 计算天然接触Q=compute_native_contacts(unfolded_pos,native_pos)print(f"天然接触比例:{Q:.2%}")visualize_folding()print("\n蛋白质折叠模拟分析完成!")

5. 总结

蛋白质折叠模拟的关键要点：

1. 使用增强采样方法克服时尺度问题
2. 选择合适的集体变量
3. 构建自由能景观
4. 识别折叠中间态和路径

参考文献

1. Piana, S., et al. (2014). Equilibrium folding simulations of the villin headpiece in atomistic detail. Nat. Commun., 5, 5272.
2. Lindorff-Larsen, K., et al. (2011). How fast-folding proteins fold. Science, 334(6055), 517-520.