[论文解读] Enhanced sampling methods for molecular dynamics simulations

Jérôme Hénin, Tony Lelièvre+3 more|arXiv (Cornell University)|Feb 8, 2022

Protein Structure and Dynamics被引用 24

一句话总结

本 LiveCoMS 永久评述综述了分子动力学的强化采样方法，统一其原理、分类及关系，帮助研究者选择合适的方法并理解它们之间的联系。

ABSTRACT

Enhanced sampling algorithms have emerged as powerful methods to extend the utility of molecular dynamics simulations and allow the sampling of larger portions of the configuration space of complex systems in a given amount of simulation time. This review aims to present the unifying principles and differences of many of the computational methods currenly used for enhanced sampling in molecular simulations of biomolecules, soft matter and molecular crystals. Indeed, despite the apparent abundance and divergence of such methods, the principles at their core can be boiled down to a relatively limited number of statistical and physical principles. To enable comparisons, the various methods are introduced using similar terminology and notation. We then illustrate in which ways many different methods combine principles from a smaller class of enhanced sampling concepts. This review is intended for scientists with an understanding of the basics of molecular dynamics simulations and statistical physics who want a deeper understanding of the ideas that underlie various enhanced sampling methods and the relationships between them. This living review is intended to be updated to continue to reflect the wealth of sampling methods as they continue to emerge in the literature.

研究动机与目标

• 明确在生物分子、软物质和晶体中的分子动力学强化采样的范围与目的。
• 统一多种方法背后的统计和物理原理。
• 对不同强化采样方案的运作方式及相互关系进行分类与比较。
• 提供关于方法与参数选择的指南，并总结可用的软件实现。
• 强调探索性与准确平衡采样之间的权衡，并讨论动力学信息的考虑因素。）

提出的方法

• 提出统一的术语和记号，以促进不同方法之间的比较。
• 根据核心原理对方法进行分类，如分区与重叠集合、平衡与非平衡目标。
• 描述主要的强化采样方法家族（如元动力学、ABF、复制交换、扩展集合、自适应播种、选择性加速等）及其核心机制。
• 解释自由能估计量（TI、BAR/MBAR、WHAM）及它们在不同方法中的应用。
• 讨论诊断、收敛性以及方法选择和参数调优的实际考虑。
• 总结软件实现及应用这些方法的实际指南。

实验结果

研究问题

• RQ1 构成分子动力学增强采样方法基础的基本统计和物理原理是什么？
• RQ2 在统一框架内，不同的强化采样方案如何相互联系？
• RQ3 针对给定系统和目标（热力学信息与动力学信息、准确性与探索性），研究人员应如何在方法和参数之间进行选择？

主要发现

• 综述提供了一个统一框架，以理解多样化的强化采样方法。
• 它识别出八个方法学类别，并强调分区与重叠集合结构。
• 它展示了常见自由能估计量（TI、BAR/MBAR、WHAM）在不同方法中的应用。
• 它讨论了何时可以保留或恢复动力学，以及何时方法主要针对平衡集合。
• 它强调该评述的“动态”性质，并邀请社区通过 GitHub 贡献。
• 它整理了与这些方法相关的公开软件实现。