[论文解读] Elucidating the role of hydrogen bonding in the optical spectroscopy of the solvated green fluorescent protein chromophore: using machine learning to establish the importance of high-level electronic structure

Michael S. Chen, Yuezhi Mao+6 more|arXiv (Cornell University)|May 26, 2023

Photoreceptor and optogenetics researchNeuroscience被引用 3

一句话总结

本研究提出一种数据高效的迁移学习框架，仅使用400次EOM-CCSD计算，即可训练机器学习模型以预测溶剂化绿色荧光蛋白（GFP）发色团的高激发态能级间隙。该方法表明，准确模拟氢键效应——尤其是发色团对环境电场的敏感性——需要采用高阶电子结构理论；与TDDFT相比，EOM-CCSD能更准确再现展宽的实验吸收光谱。

ABSTRACT

Hydrogen bonding interactions with chromophores in chemical and biological environments play a key role in determining their electronic absorption and relaxation processes, which are manifested in their linear and multidimensional optical spectra. For chromophores in the condensed phase, the large number of atoms needed to simulate the environment has traditionally prohibited the use of high-level excited-state electronic structure methods. By leveraging transfer learning, we show how to construct machine-learned models to accurately predict high-level excitation energies of a chromophore in solution from only 400 high-level calculations. We show that when the electronic excitations of the green fluorescent protein chromophore in water are treated using EOM-CCSD embedded in a DFT description of the solvent, the optical spectrum is correctly captured and that this improvement arises from correctly treating the coupling of the electronic transition to electric fields, which leads to a larger response upon hydrogen bonding between the chromophore and water.

研究动机与目标

• 解决在凝聚相中使用高阶电子结构方法模拟发色团光学光谱的计算挑战。
• 通过开发一种数据高效的机器学习策略，克服大尺寸溶剂化体系中EOM-CCSD计算的高昂成本。
• 确定高阶电子结构方法是否对正确捕捉氢键对GFP发色团光学性质的影响至关重要。
• 评估核量子效应和溶剂动力学在光谱展宽与红移中的作用。
• 比较TDDFT与EOM-CCSD在模拟水溶液中GFP发色团线性与二维电子光谱方面的预测能力。

提出的方法

• 利用300个构型上较低水平TD-CAM-B3LYP计算的梯度，通过迁移学习初始化机器学习模型，以预测EOM-CCSD能级间隙。
• 在400个嵌入的EOM-CCSD能级间隙数据上直接训练机器学习模型，涵盖仅发色团与包含完整溶剂的构型。
• 采用隐式溶剂机器学习方法，先建模发色团几何依赖性，再扩展至包含溶剂原子位置的间接溶剂模型。
• 利用平衡基态轨迹，通过累积量方法计算线性吸收光谱与二维电子光谱（2DES）。
• 将EOM-CCSD与TD-CAM-B3LYP模型的光谱预测结果与实验数据进行比较，重点关注峰位、峰宽与动态斯托okes位移。
• 通过从头算路径积分分子动力学引入核量子效应（NQEs），评估其对光谱展宽与红移的影响。

实验结果

研究问题

• RQ1 迁移学习能否显著减少训练准确机器学习模型所需高阶EOM-CCSD计算的次数，以预测发色团激发能？
• RQ2 与TDDFT相比，EOM-CCSD是否能更准确再现水溶液中阴离子GFP发色团的实验吸收光谱，特别是在峰宽与峰位方面？
• RQ3 氢键在调控发色团电子跃迁能及其对溶液中电场敏感性方面发挥何种作用？
• RQ4 核量子效应如何影响水溶液中GFP发色团的激发能分布与光谱展宽？
• RQ5 由于对环境电场敏感性不同，EOM-CCSD与TDDFT在二维电子光谱中的动态斯托okes位移差异有多大？

主要发现

• 该迁移学习方案仅需400次高阶EOM-CCSD计算——比以往方法减少10倍——即可高效训练出高精度的机器学习模型。
• 基于EOM-CCSD的机器学习模型计算得到的线性吸收光谱半高宽（FWHM）为0.55 eV，与实验展宽高度一致；而TDDFT预测的峰宽较窄，仅为0.35 eV。
• EOM-CCSD模型预测的吸收峰最大值为2.94 eV，与实验值高度吻合；而TDDFT低估了红移，预测峰位为2.75 eV。
• EOM-CCSD在光谱上与实验更一致的原因在于其对发色团环境电场敏感性的更准确描述，尤其是来自水分子氢键的作用。
• 在EOM-CCSD模拟中引入核量子效应后，吸收峰最大值进一步发生红移，峰值移至2.85 eV，进一步提升了与实验的一致性。
• 在二维电子光谱中，EOM-CCSD模型表现出更显著的动态斯托okes位移，其基态漂白峰与受激发射峰在50 fs时已明显分离；而TDDFT模型即使在100 fs时，两峰仍相互重叠。