分子动力学模拟

分子动力学模拟 是做什么的？

概述

分子动力学（MD）模拟通过积分牛顿运动方程，以计算方式模拟分子系统随时间演化的过程。本技能涵盖两个互补的工具：

• OpenMM (https://openmm.org/)：高性能 MD 模拟引擎，支持 GPU、Python API 和灵活的力场支持
• MDAnalysis (https://mdanalysis.org/)：用于读取、写入和分析来自所有主要模拟包的 MD 轨迹的 Python 库

安装：

conda install -c conda-forge openmm mdanalysis nglview
# 或
uv pip install openmm mdanalysis

何时使用此技能

在以下情况下使用分子动力学：

• 蛋白质稳定性分析：突变如何影响蛋白质动力学？
• 药物结合模拟：表征配体的结合模式和停留时间
• 构象采样：探索蛋白质的柔性和构象变化
• 蛋白质-蛋白质相互作用：模拟界面动力学和结合能量学
• RMSD/RMSF 分析：量化相对于参考结构的结构波动
• 自由能估算：计算结合自由能或构象自由能
• 膜模拟：模拟脂质双分子层中的蛋白质
• 固有无序蛋白质：研究 IDR 构象系综

核心工作流程：OpenMM 模拟

1. 系统准备

from openmm.app import *
from openmm import *
from openmm.unit import *
import sys

def prepare_system_from_pdb(pdb_file, forcefield_name="amber14-all.xml",
                              water_model="amber14/tip3pfb.xml"):
    """
    从 PDB 文件准备 OpenMM 系统。

    参数:
        pdb_file: 清理后的 PDB 文件路径（原始 PDB 文件请使用 PDBFixer）
        forcefield_name: 力场 XML 文件
        water_model: 水模型 XML 文件

    返回:
        pdb, forcefield, system, topology
    """
    # 加载 PDB
    pdb = PDBFile(pdb_file)

    # 加载力场
    forcefield = ForceField(forcefield_name, water_model)

    # 添加氢原子和溶剂
    modeller = Modeller(pdb.topology, pdb.positions)
    modeller.addHydrogens(forcefield)

    # 添加溶剂盒（10 Å 填充，150 mM NaCl）
    modeller.addSolvent(
        forcefield,
        model='tip3p',
        padding=10*angstroms,
        ionicStrength=0.15*molar
    )

    print(f"系统：{modeller.topology.getNumAtoms()} 个原子，"
          f"{modeller.topology.getNumResidues()} 个残基")

    # 创建系统
    system = forcefield.createSystem(
        modeller.topology,
        nonbondedMethod=PME,         # 粒子网格埃瓦尔德方法用于长程静电
        nonbondedCutoff=1.0*nanometer,
        constraints=HBonds,           # 约束氢键（允许 2 fs 时间步长）
        rigidWater=True,
        ewaldErrorTolerance=0.0005
    )

    return modeller, system

2. 能量最小化

from openmm.app import *
from openmm import *
from openmm.unit import *

def minimize_energy(modeller, system, output_pdb="minimized.pdb",
                     max_iterations=1000, tolerance=10.0):
    """
    对系统进行能量最小化以消除空间位阻。

    参数:
        modeller: 包含拓扑和位置的 Modeller 对象
        system: OpenMM System
        output_pdb: 保存最小化结构的路径
        max_iterations: 最大最小化步数
        tolerance: kJ/mol/nm 单位的收敛标准

    返回:
        包含最小化位置的 simulation 对象
    """
    # 设置积分器（最小化无关）
    integrator = LangevinMiddleIntegrator(300*kelvin, 1/picosecond, 0.004*picoseconds)

    # 创建模拟
    # 如果可用，使用 GPU（CUDA 或 OpenCL），否则回退到 CPU
    try:
        platform = Platform.getPlatformByName('CUDA')
        properties = {'DeviceIndex': '0', 'Precision': 'mixed'}
    except Exception:
        try:
            platform = Platform.getPlatformByName('OpenCL')
            properties = {}
        except Exception:
            platform = Platform.getPlatformByName('CPU')
            properties = {}

    simulation = Simulation(
        modeller.topology, system, integrator,
        platform, properties
    )
    simulation.context.setPositions(modeller.positions)

    # 检查初始能量
    state = simulation.context.getState(getEnergy=True)
    print(f"初始能量：{state.getPotentialEnergy()}")

    # 最小化
    simulation.minimizeEnergy(
        tolerance=tolerance*kilojoules_per_mole/nanometer,
        maxIterations=max_iterations
    )

    state = simulation.context.getState(getEnergy=True, getPositions=True)
    print(f"最小化后能量：{state.getPotentialEnergy()}")

    # 保存最小化结构
    with open(output_pdb, 'w') as f:
        PDBFile.writeFile(simulation.topology, state.getPositions(), f)

    return simulation

3. NVT 平衡

from openmm.app import *
from openmm import *
from openmm.unit import *

def run_nvt_equilibration(simulation, n_steps=50000, temperature=300,
                            report_interval=1000, output_prefix="nvt"):
    """
    NVT 平衡：恒定 N、V、T。
    将速度平衡至目标温度。

    参数:
        simulation: OpenMM Simulation（最小化后）
        n_steps: MD 步数（50000 × 2fs = 100 ps）
        temperature: 开尔文温度
        report_interval: 数据报告之间的步数
        output_prefix: 轨迹和日志文件的文件名前缀
    """
    # 在 NVT 期间为主链添加位置约束
    # （可选：约束重原子）

    # 设置温度
    simulation.context.setVelocitiesToTemperature(temperature*kelvin)

    # 添加报告器
    simulation.reporters = []

    # 日志文件
    simulation.reporters.append(
        StateDataReporter(
            f"{output_prefix}_log.txt",
            report_interval,
            step=True,
            potentialEnergy=True,
            kineticEnergy=True,
            temperature=True,
            volume=True,
            speed=True
        )
    )

    # DCD 轨迹（紧凑的二进制格式）
    simulation.reporters.append(
        DCDReporter(f"{output_prefix}_traj.dcd", report_interval)
    )

    print(f"运行 NVT 平衡：{n_steps} 步（{n_steps*2/1000:.1f} ps）")
    simulation.step(n_steps)
    print("NVT 平衡完成")

    return simulation

4. NPT 平衡与生产运行

def run_npt_production(simulation, n_steps=500000, temperature=300, pressure=1.0,
                        report_interval=5000, output_prefix="npt"):
    """
    NPT 生产运行：恒定 N、P、T。

    参数:
        n_steps: 生产步数（500000 × 2fs = 1 ns）
        temperature: 开尔文温度
        pressure: 巴压力
        report_interval: 报告之间的步数
    """
    # 添加蒙特卡罗压力控制器以控制压力
    system = simulation.context.getSystem()
    system.addForce(MonteCarloBarostat(pressure*bar, temperature*kelvin, 25))
    simulation.context.reinitialize(preserveState=True)

    # 更新报告器
    simulation.reporters = []
    simulation.reporters.append(
        StateDataReporter(
            f"{output_prefix}_log.txt",
            report_interval,
            step=True,
            potentialEnergy=True,
            temperature=True,
            density=True,
            speed=True
        )
    )
    simulation.reporters.append(
        DCDReporter(f"{output_prefix}_traj.dcd", report_interval)
    )

    # 保存检查点
    simulation.reporters.append(
        CheckpointReporter(f"{output_prefix}_checkpoint.chk", 50000)
    )

    print(f"运行 NPT 生产：{n_steps} 步（{n_steps*2/1000000:.2f} ns）")
    simulation.step(n_steps)
    print("生产 MD 完成")
    return simulation

使用 MDAnalysis 进行轨迹分析

1. 加载轨迹

import MDAnalysis as mda
from MDAnalysis.analysis import rms, align, contacts
import numpy as np
import matplotlib.pyplot as plt

def load_trajectory(topology_file, trajectory_file):
    """
    使用 MDAnalysis 加载 MD 轨迹。

    参数:
        topology_file: PDB、PSF 或其他拓扑文件
        trajectory_file: DCD、XTC、TRR 或其他轨迹文件
    """
    u = mda.Universe(topology_file, trajectory_file)
    print(f"Universe：{u.atoms.n_atoms} 个原子，{u.trajectory.n_frames} 帧")
    print(f"时间范围：0 到 {u.trajectory.totaltime:.0f} ps")
    return u

2. RMSD 分析

def compute_rmsd(u, selection="backbone", reference_frame=0):
    """
    计算选定原子相对于参考帧的 RMSD。

    参数:
        u: MDAnalysis Universe
        selection: 原子选择字符串（MDAnalysis 语法）
        reference_frame: 参考结构的帧索引

    返回:
        (time, rmsd) 值的 numpy 数组
    """
    # 对齐轨迹以最小化 RMSD
    aligner = align.AlignTraj(u, u, select=selection, in_memory=True)
    aligner.run()

    # 计算 RMSD
    R = rms.RMSD(u, select=selection, ref_frame=reference_frame)
    R.run()

    rmsd_data = R.results.rmsd  # 列：frame, time, RMSD
    return rmsd_data

def plot_rmsd(rmsd_data, title="RMSD 随时间变化", output_file="rmsd.png"):
    """绘制模拟时间内的 RMSD。"""
    fig, ax = plt.subplots(figsize=(10, 4))
    ax.plot(rmsd_data[:, 1] / 1000, rmsd_data[:, 2], 'b-', linewidth=0.5)
    ax.set_xlabel("时间 (ns)")
    ax.set_ylabel("RMSD (Å)")
    ax.set_title(title)
    ax.axhline(rmsd_data[:, 2].mean(), color='r', linestyle='--',
               label=f'平均值：{rmsd_data[:, 2].mean():.2f} Å')
    ax.legend()
    plt.tight_layout()
    plt.savefig(output_file, dpi=150)
    return fig

3. RMSF 分析（每个残基的柔性）

def compute_rmsf(u, selection="backbone", start_frame=0):
    """
    计算每个残基的 RMSF（柔性）。

    返回：
        resids, rmsf_values 数组
    """
    # 选择原子
    atoms = u.select_atoms(selection)

    # 计算 RMSF
    R = rms.RMSF(atoms)
    R.run(start=start_frame)

    # 按残基取平均值
    resids = []
    rmsf_per_res = []
    for res in u.select_atoms(selection).residues:
        res_atoms = res.atoms.intersection(atoms)
        if len(res_atoms) > 0:
            resids.append(res.resid)
            rmsf_per_res.append(R.results.rmsf[res_atoms.indices].mean())

    return np.array(resids), np.array(rmsf_per_res)

4. 蛋白质-配体接触

def analyze_contacts(u, protein_sel="protein", ligand_sel="resname LIG",
                      radius=4.5, start_frame=0):
    """
    追踪轨迹中的蛋白质-配体接触。

    参数:
        radius: 接触距离截止值，单位为埃
    """
    protein = u.select_atoms(protein_sel)
    ligand = u.select_atoms(ligand_sel)

    contact_frames = []
    for ts in u.trajectory[start_frame:]:
        # 查找距离配体半径范围内的蛋白质原子
        distances = contacts.contact_matrix(
            protein.positions, ligand.positions, radius
        )
        contact_residues = set()
        for i in range(distances.shape[0]):
            if distances[i].any():
                contact_residues.add(protein.atoms[i].resid)
        contact_frames.append(contact_residues)

    return contact_frames

力场选择指南

系统	推荐力场	水模型
标准蛋白质	AMBER14 (amber14-all.xml)	TIP3P-FB
蛋白质 + 小分子	AMBER14 + GAFF2	TIP3P-FB
膜蛋白质	CHARMM36m	TIP3P
核酸	AMBER99-bsc1 或 AMBER14	TIP3P
无序蛋白质	ff19SB 或 CHARMM36m	TIP3P

系统准备工具

PDBFixer（用于原始 PDB 文件）

from pdbfixer import PDBFixer
from openmm.app import PDBFile

def fix_pdb(input_pdb, output_pdb, ph=7.0):
    """修复常见 PDB 问题：缺失残基、原子、添加 H、标准化。"""
    fixer = PDBFixer(filename=input_pdb)
    fixer.findMissingResidues()
    fixer.findNonstandardResidues()
    fixer.replaceNonstandardResidues()
    fixer.removeHeterogens(True)    # 移除水/配体
    fixer.findMissingAtoms()
    fixer.addMissingAtoms()
    fixer.addMissingHydrogens(ph)

    with open(output_pdb, 'w') as f:
        PDBFile.writeFile(fixer.topology, fixer.positions, f)

    return output_pdb

用于小分子的 GAFF2（通过 OpenFF 工具包）

# 对于配体参数化，请使用 OpenFF 工具包或 ACPYPE
# uv pip install openff-toolkit
from openff.toolkit import Molecule, ForceField as OFFForceField
from openff.interchange import Interchange

def parameterize_ligand(smiles, ff_name="openff-2.0.0.offxml"):
    """为小分子生成 GAFF2/OpenFF 参数。"""
    mol = Molecule.from_smiles(smiles)
    mol.generate_conformers(n_conformers=1)

    off_ff = OFFForceField(ff_name)
    interchange = off_ff.create_interchange(mol.to_topology())
    return interchange

最佳实践

• 始终在 MD 前进行最小化：原始 PDB 结构存在空间位阻
• 在生产运行前进行平衡：NVT（50–100 ps）→ NPT（100–500 ps）→ 生产运行
• 使用 GPU：在 GPU（CUDA/OpenCL）上模拟速度提升 10–100 倍
• 2 fs 时间步长并配合 HBonds 约束：标准；使用 HMR（氢质量再分配）时可用 4 fs
• 仅分析平衡后的轨迹：丢弃前 20–50% 作为平衡阶段
• 保存检查点：MD 运行可能失败；检查点允许重启
• 周期性边界条件：对于溶剂化系统是必需的
• 用于静电的 PME：对于带电系统比截断方法更准确

其他资源

• OpenMM 文档：https://openmm.org/documentation.html
• MDAnalysis 用户指南：https://docs.mdanalysis.org/
• GROMACS（替代 MD 引擎）：https://manual.gromacs.org/
• NAMD（替代）：https://www.ks.uiuc.edu/Research/namd/
• CHARMM-GUI（系统构建器）：https://www.charmm-gui.org/