[论文解读] Pathway Histogram Analysis of Trajectories: A general strategy for quantification of molecular mechanisms

Ernesto Suárez, Daniel M. Zuckerman|arXiv (Cornell University)|Oct 24, 2018

Protein Structure and Dynamics参考文献 3被引用 3

一句话总结

本文提出路径直方图分析（PHA），一种通过将轨迹分类为路径类别并将其种群作为直方图进行分析，以量化分子机制的通用方法。该方法利用聚类或基础序列分类，将来自不同方法（如分子动力学或马尔可夫状态模型）的路径集合进行稳健、标准化的比较，关键结果表明其在捕捉95 ns蛋白质折叠轨迹中的主要折叠路径及异质性方面具有高保真度。

ABSTRACT

A key overall goal of biomolecular simulations is the characterization of "mechanism" -- the pathways through configuration space of processes such as conformational transitions and binding. Some amount of heterogeneity is intrinsic to the ensemble of pathways, in direct analogy to thermal configurational ensembles. Quantification of that heterogeneity is essential to a complete understanding of mechanism. We propose a general approach for characterizing path ensembles based on mapping individual trajectories into pathway classes whose populations and uncertainties can be analyzed as an ordinary histogram, providing a quantitative "fingerprint" of mechanism. In contrast to prior flux-based analyses used for discrete-state models, stochastic deviations from average behavior are explicitly included via direct classification of trajectories. The histogram approach, furthermore, is applicable to analysis of continuous trajectories. It enables straightforward comparison between ensembles produced by different methods or under different conditions. To implement the formulation, we develop approaches for classifying trajectories, including a clustering-based approach suitable for both continuous-space (e.g., molecular dynamics) or discrete-state (e.g., Markov state model) trajectories, as well as a "fundamental sequence" approach tailored for discrete-state trajectories but also applicable to continuous trajectories through a mapping process. We apply the pathway histogram analysis to a toy model and an extremely long atomistic molecular dynamics trajectory of protein folding.

研究动机与目标

• 开发一种通用、标准化的方法，用于量化生物分子模拟中的分子机制，特别是蛋白质折叠和构象转变等过程。
• 解决基于通量的方法平均掉随机行为且排除非理想或环状路径的局限性。
• 通过统一的统计框架，实现不同模拟方法或条件下路径集合的直接比较。
• 提供一种稳健的、定量的机制指纹，既能捕捉主导路径，又能反映集合异质性。
• 通过灵活的分类策略，将适用性扩展至离散态（如MSM）和连续空间（如MD）轨迹。

提出的方法

• 提出一种基于直方图的框架来表示路径集合，每个桶对应一个独立的路径类别，从而实现对种群和不确定性的统计分析。
• 采用基于聚类的方法，通过将构型映射到离散态来对连续空间轨迹进行分类，随后在简化空间中进行路径分类。
• 引入“基础序列”（FS）方法，用于离散态轨迹，通过去除冗余环路，分离出路径的核心随机主干。
• 在路径空间中使用基于Voronoi的聚类，结合距离度量将相似轨迹分组为路径类别，确保在不同特征空间中的通用性。
• 使用带历史增强状态的非马尔可夫（NM）模型验证路径直方图结果，与长时MD模拟的参考数据进行比较。
• 在简单动力学模型和95 ns原子级MD折叠轨迹上验证该方法，使用置信区间评估可靠性。

实验结果

研究问题

• RQ1 如何系统地对分子路径进行分类，以在独立于模拟方法的前提下，同时捕捉主导机制和随机异质性？
• RQ2 基于直方图的路径集合表示在多大程度上可作为跨不同模型或模拟条件比较机制的通用、标准化度量？
• RQ3 基础序列方法能否有效从离散态轨迹中提取出生物上合理且非冗余的路径，同时保留随机变异性？
• RQ4 非马尔可夫模型在多大程度上能复现长时分子动力学模拟中观察到的真实路径分布？
• RQ5 路径直方图方法对特征空间或聚类参数的变化是否具有鲁棒性，特别是在蛋白质折叠等复杂系统中？

主要发现

• 路径直方图成功捕捉了95 ns原子级MD轨迹中的主要折叠机制，其中排名第一的路径（FS索引0）占统计权重的近70%。
• 带有完整历史信息的非马尔可夫模型以高保真度复现了MD推导出的路径直方图，通过前五个基础序列类别捕获了约90%的路径集合。
• 基础序列分类方法有效去除了无益的环路，同时保留了路径的随机主干，生成了结构上不同且生物上合理的中间态。
• 该方法通过统一的统计框架，实现了MD模拟、MSM和NM模型之间路径集合的直接、定量比较，置信区间提供了不确定性估计。
• 基于直方图的指纹对不同分类方案具有鲁棒性，经适当映射后可应用于连续和离散轨迹。
• 该方法揭示了蛋白质折叠中显著的路径异质性，多个不同机制共同贡献于整体动力学，挑战了单一主导路径的观念。