一种能够处理溶剂填充的腔体和斯特恩层的生物分子静电解算器，使用Python、GPU和边界元方法
摘要：用于双分子静电学的连续体理论导致了由泊松-玻尔兹曼方程控制的含隐式溶剂模型。基于边界积分表示的求解器通常不考虑溶剂填充的腔体或离子排除（斯特恩）层，因为处理多个边界面的难度增加。这妨碍了与基于体积的方法的有意义比较，并且包含这些特征对计算准确性的影响仍然未知。本研究提出了一个称为PyGBe的求解器，它采用边界元素形式，并且可以处理多个相互作用的表面。它被用来研究溶剂填充的腔体和斯特恩层对计算溶剂化能和蛋白质结合能准确性的影响，与著名的APBS有限差分代码进行比较。结果表明，如果在应用中需要的准确性允许误差大于约2％，则可以使用更简单的单表面模型。在计算结合能时，对多表面模型的需求取决于问题，当配体和受体尺寸相近时，这一需求变得更加关键。与APBS求解器相比，当准确性要求更高时，边界元素求解器更快。在一个GPU卡（NVIDIA Tesla C2075）上运行时，PyGBe代码的交叉点误差为1-2％左右，与在六个英特尔至强CPU核心上运行的APBS相比。PyGBe通过使用树码实现边界元素方法的算法加速，并通过PyCuda实现GPU硬件加速，由用户可见的代码全部使用Python编写。该代码是根据MIT许可证开源的。
作者：Christopher D. Cooper, Jaydeep P. Bardhan, L. A. Barba
论文ID：1309.4018
分类：Computational Physics
分类简称：physics.comp-ph
提交时间：2013-11-08