基于数据的配体解离途径分类
摘要：蛋白质-配体结合途径的研究对于理解小分子通过目标识别的机制是至关重要的。利用分子动力学（MD）模拟可以计算蛋白质-配体复合物的结合自由能和动力学，通常与实验定量结果相符。然而，通过对MD轨迹进行传统分析只能得到配体结合/解离路径的定性图像。此外，分析路径所需的较高的人工工作量限制了它在大规模药物发现中的适用性。在本研究中，我们通过引入一种自动化方法来分析分子转变路径，特别关注蛋白质-配体解离。我们的方法基于原本用于语音识别的动态时间扭曲（DTW）算法。我们使用一组非常通用的接触或距离描述符准确地对分子轨迹进行分类。我们的方法通过区分可视化检查确定的路径中的并行解离通道，优于手动分类。特别值得注意的是，我们可以计算出特定于退出路径的配体解离动力学。最快路径上的解离时间尺度与实验滞留时间一致，为我们的完全数据驱动协议提供了物理解释。结合适当的增强采样算法，该技术可以用于初始探索配体解离途径，以及计算途径特异的热力学和动力学性质。
作者：Dhiman Ray, Michele Parrinello
论文ID：2308.05752
分类：Chemical Physics
分类简称：physics.chem-ph
提交时间：2023-08-14