ff19SB: Аминокислотоспецифичные параметры белкового остова, обученные по энергетическим поверхностям квантовой механики в растворе

ff19SB: Amino-Acid-Specific Protein Backbone Parameters Trained against Quantum Mechanics Energy Surfaces in Solution
Carlos L. Simmerling, Chuan Tian, Koushik Kasavajhala, Kellon Belfon, Lauren E. Raguette, He Huang, Angela N. Migues, John D. Bickel, Yuzhang Wang, Jorge Pincay, Qin Wu, Kellon A. A. Belfon
2019-11-12

аминокислотно-специфичные параметры остовамолекулярная динамика в явном растворителесиловое поле ff19SBэнергетические поверхности квантовой механикиконформационные сканы φ/ψ
Моделирование методом молекулярной динамики (МД) все шире применяется для изучения движений и функций биомолекул. Однако точность моделирования в значительной степени определяется силовым полем молекулярной механики (ММ) — набором функций с настраиваемыми параметрами, используемых для расчета потенциальных энергий по координатам атомов. Общее качество силового поля, включая ранее опубликованные нами модели ff99SB и ff14SB, может быть ограничено допущениями, сделанными много лет назад. В представленной здесь обновленной модели ff19SB мы существенно улучшили профили белкового остова для всех 20 аминокислот. Мы подогнали связанные параметры φ/ψ, используя двумерные конформационные сканы φ/ψ для нескольких аминокислот и принимая в качестве эталонных данных всю двумерную квантово-механическую (КМ) энергетическую поверхность. Несогласованность поляризации, возникающую при подгонке параметров двугранных углов, мы устранили, используя как КМ-, так и ММ-описание в водном растворе. Наконец, мы исследовали возможную зависимость подгонки параметров остова от ротамеров боковых цепей. Для всесторонней валидации параметров ff19SB и сравнения с результатами других моделей Amber мы выполнили в общей сложности около 5 мс моделирования молекулярной динамики в явном растворителе. Наши результаты показывают, что после аминокислотоспецифичного обучения по квантово-механическим данным с учетом поляризации растворителя модель ff19SB не только лучше воспроизводит различия между аминокислотоспецифичными картами Рамачандрана из Protein Data Bank (PDB), но и демонстрирует значительно улучшенную способность различать зависящие от аминокислот свойства, такие как склонность к образованию спиралей. Мы также заключаем, что ff14SB изначально недооценивает спиральность; эта ошибка лишь неточно компенсируется увеличением содержания спиральных структур, обусловленным смещением модели TIP3P в сторону чрезмерно компактных структур. Таким образом, в сочетании с более точной моделью воды, такой как OPC, ff19SB должна обладать лучшей предсказательной способностью при моделировании последовательностно-специфичного поведения, мутаций белков, а также рационального дизайна белков. Среди протестированных моделей явного растворителя мы рекомендуем использовать OPC вместе с ff19SB.
1
Для всесторонней валидации ff19SB и сравнения с другими силовыми полями Amber было выполнено около 5 мс молекулярно-динамических симуляций в явном растворителе.
2
По сравнению с предыдущими моделями Amber, ff19SB лучше воспроизводит специфичные для аминокислот распределения Рамачандрана из PDB и различает зависимые от последовательности склонности к образованию спиралей.
3
Параметризация устраняет несогласованность поляризации благодаря подгонке по квантово-механическим и молекулярно-механическим данным в водном растворе.
4
В ff14SB присутствует inherent недооценка спиральности, частично маскируемая TIP3P из-за его смещения в сторону чрезмерно компактных структур; для ff19SB рекомендуется использовать OPC для повышения предсказательной способности.
5
ff19SB существенно улучшает профили конформаций остова для всех 20 аминокислот благодаря подгонке связанных параметров φ/ψ по полным двумерным квантово-механическим энергетическим поверхностям.

Модель силового поля молекулярной механики ff19SB для белковых остовов и аминокислотоспецифического конформационного поведения в водном растворе

Аминокислотоспецифические энергетические профили остова φ/ψ и обусловленное ими предсказание распределений Рамачандрана, склонности к образованию спиралей и зависящего от последовательности поведения белков

Publication Details
Publication Date
2019-11-12
Journal
Publisher
ISSN
Cited by
2672
Access Type
Author Information
Authors
Carlos L. Simmerling
Chuan Tian
Koushik Kasavajhala
Kellon Belfon
Lauren E. Raguette
He Huang
Angela N. Migues
John D. Bickel
Yuzhang Wang
Jorge Pincay
Qin Wu
Kellon A. A. Belfon
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%