[论文解读] Machine Learning Coarse-Grained Potentials of Protein Thermodynamics

M. W. Majewski, Adrià Pérez+8 more|arXiv (Cornell University)|Dec 14, 2022

Protein Structure and Dynamics被引用 5

一句话总结

本文提出了一种基于机器学习的蛋白质热力学粗粒度（CG）势能模型，该模型基于12种不同蛋白质的9毫秒无偏全原子分子动力学模拟数据进行训练。该方法使动力学加速超过1000倍，同时保持热力学状态不变，并能使用单一通用势能准确采样多种蛋白质的天然构象及突变体构象。

ABSTRACT

A generalized understanding of protein dynamics is an unsolved scientific problem, the solution of which is critical to the interpretation of the structure-function relationships that govern essential biological processes. Here, we approach this problem by constructing coarse-grained molecular potentials based on artificial neural networks and grounded in statistical mechanics. For training, we build a unique dataset of unbiased all-atom molecular dynamics simulations of approximately 9 ms for twelve different proteins with multiple secondary structure arrangements. The coarse-grained models are capable of accelerating the dynamics by more than three orders of magnitude while preserving the thermodynamics of the systems. Coarse-grained simulations identify relevant structural states in the ensemble with comparable energetics to the all-atom systems. Furthermore, we show that a single coarse-grained potential can integrate all twelve proteins and can capture experimental structural features of mutated proteins. These results indicate that machine learning coarse-grained potentials could provide a feasible approach to simulate and understand protein dynamics.

研究动机与目标

• 开发一种可推广的、数据驱动的粗粒度势能模型，以在多种系统中准确再现蛋白质热力学特性。
• 克服全原子分子动力学在采样缓慢构象转变和亚稳态时的计算局限性。
• 利用单一通用CG势能，高效模拟蛋白质动力学，包括折叠过程和突变效应。
• 验证所学习的CG势能能够以与全原子模拟相当的热力学精度，捕捉天然和非天然构象状态。

提出的方法

• 该方法采用人工神经网络，从12种具有不同二级结构的蛋白质的大量全原子分子动力学模拟中学习粗粒度势能。
• 生成了约9毫秒的全原子模拟大规模无偏数据集，用于训练CG势能，确保广泛的构象采样。
• CG势能基于统计力学原理构建，并训练以重现全原子系统的自由能面。
• 使用所有12种蛋白质的数据联合训练单一通用CG势能，实现跨不同蛋白质类型的可迁移性。
• 模型采用蛋白质结构的简化表示，将原子级细节映射为粗粒度粒子，同时保留关键热力学特征。
• 模拟速度提升超过三个数量级，实现对构象集合的高效探索。

实验结果

研究问题

• RQ1 一个基于机器学习的单一粗粒度势能能否准确再现多种不同蛋白质的热力学特性？
• RQ2 与全原子模拟相比，该CG模型在保留亚稳态构象状态的相对分布和自由能面方面表现如何？
• RQ3 该通用CG势能能否捕捉由突变引起的结构变化，包括改变折叠路径或稳定性的突变？
• RQ4 该CG模型在保持对相关结构状态采样准确性的前提下，能够将动力学加速到何种程度？
• RQ5 该模型能否以最小偏差识别并采样蛋白质的天然宏观态，使其与实验晶体结构高度一致？

主要发现

• 基于机器学习的粗粒度势能将蛋白质动力学加速超过1000倍，同时保持全原子系统的热力学特性。
• CG模拟能够正确识别并采样与全原子模拟相同的构象状态，自由能差值相当。
• 在12种不同蛋白质上联合训练的单一通用CG势能，成功捕捉了每种蛋白质的结构与热力学特征，包括天然态和非天然态。
• 该模型准确再现了突变蛋白质的实验结构特征，包括单点突变和插入突变。
• 对于突变蛋白质，CG模拟得到的天然宏观态与晶体结构的平均RMSD小于1.5 Å，且天然态具有高平衡概率（例如某些情况下超过80%）。
• 在所有测试蛋白质中，该模型均将天然宏观态识别为自由能最低的状态，与实验预期一致。