[论文解读] Accurate Machine Learned Quantum-Mechanical Force Fields for Biomolecular Simulations

Oliver T. Unke, Martin Stöhr+9 more|arXiv (Cornell University)|May 17, 2022

Protein Structure and Dynamics被引用 17

一句话总结

本文提出了GEMS，一种通过结合自下而上和自上而下的分子片段训练来捕捉长程和多体相互作用，从而构建高精度机器学习力场（MLFFs）的通用框架。该方法实现了对大型生物分子（如水溶液中的25,000原子的crambin）的飞秒尺度从头算精度分子动力学模拟，速度比传统量子力学方法快数个数量级，揭示了比以往假设更高的蛋白质柔性。

ABSTRACT

Molecular dynamics (MD) simulations allow atomistic insights into chemical and biological processes. Accurate MD simulations require computationally demanding quantum-mechanical calculations, being practically limited to short timescales and few atoms. For larger systems, efficient, but much less reliable empirical force fields are used. Recently, machine learned force fields (MLFFs) emerged as an alternative means to execute MD simulations, offering similar accuracy as ab initio methods at orders-of-magnitude speedup. Until now, MLFFs mainly capture short-range interactions in small molecules or periodic materials, due to the increased complexity of constructing models and obtaining reliable reference data for large molecules, where long-ranged many-body effects become important. This work proposes a general approach to constructing accurate MLFFs for large-scale molecular simulations (GEMS) by training on "bottom-up" and "top-down" molecular fragments of varying size, from which the relevant physicochemical interactions can be learned. GEMS is applied to study the dynamics of alanine-based peptides and the 46-residue protein crambin in aqueous solution, allowing nanosecond-scale MD simulations of >25k atoms at essentially ab initio quality. Our findings suggest that structural motifs in peptides and proteins are more flexible than previously thought, indicating that simulations at ab initio accuracy might be necessary to understand dynamic biomolecular processes such as protein (mis)folding, drug-protein binding, or allosteric regulation.

研究动机与目标

• 为克服现有机器学习力场在建模具有长程和多体相互作用的大规模异质生物分子时的局限性。
• 开发一种可迁移的框架，整合自下而上和自上而下的片段训练，以提升复杂体系中的可迁移性和精度。
• 利用基于量子力学参考数据训练的MLFFs，实现对生物分子（如肽和蛋白质）的长时标、高精度分子动力学模拟。
• 评估是否需要达到从头算级别的精度才能正确描述蛋白质折叠和别构等动态生物分子过程。

提出的方法

• GEMS框架在小分子片段（自下而上）和较大代表性结构基元（自上而下）的从头算参考数据上训练机器学习模型，以学习多尺度相互作用。
• 该模型采用深度学习架构——具体为消息传递神经网络（如SchNet），基于不同分子构型的DFT计算能量和力进行训练。
• 基于片段的训练确保了在不同化学环境中对短程、共价及非共价相互作用的精确捕捉。
• 该方法将片段衍生的表征与全局体系上下文相结合，以实现对大型生物分子势能面的从头算精度重建。
• 模拟使用SchNetPack MD工具箱执行，时间步长为0.5 fs，且无键约束，从而实现完全无约束的动力学。
• 在NVT和NPT系综中，分别通过Nosé-Hoover链系综和Parrinello-Rahman系综实现温度和压力控制。

实验结果

研究问题

• RQ1 在多尺度片段上训练的机器学习力场能否在大规模生物分子体系中实现从头算级别的精度？
• RQ2 使用GEMS模拟的肽和蛋白质的动力学与经典力场（如AmberFF）的结果相比如何？
• RQ3 长程和多体相互作用在多大程度上影响蛋白质构象柔性与折叠路径？
• RQ4 是否需要达到从头算级别的精度才能正确描述蛋白质折叠和配体结合等动态生物分子过程？

主要发现

• GEMS实现了对超过25,000个原子的水溶液体系的飞秒尺度分子动力学模拟，精度达到从头算水平，此前标准DFT方法难以实现。
• AceAla15Nme的模拟表明，折叠路径涉及瞬态氢键中间体，螺旋构象由主链氢键模式稳定。
• crambin的模拟结果表明，与AmberFF相比，GEMS揭示了显著更大的结构涨落，表明经典力场可能低估了蛋白质柔性。
• 该方法在预测能量和力方面表现出高精度，GEMS在AceAla15Nme的各种构象状态上均优于AmberFF。
• 同时采用自下而上和自上而下的片段使模型能够泛化于多样化的化学环境，并捕捉生物分子动力学中至关重要的长程效应。
• 该框架具有可扩展性，适用于复杂体系，如ACE2/SARS-CoV-2 RBD复合物，能够以高保真度模拟变异特异性突变。