AI引导的脂质翻转和膜纳米孔形成的转变路径采样
软凝聚态物质
2025-02-18 v1 生物大分子
摘要
我们使用转变路径采样（TPS）研究了平面脂质双层 leaflets 之间的脂质转运（“翻转”）。罕见的翻转与主动建立不对称脂质组成的生物机制相竞争。人工智能（AI）引导的 TPS 通过在接近临界点（即脂质接下来进入其中一个或另一个 leaflet 的可能性相等）初始化分子动力学模拟来捕获翻转，而无需偏置动力学。我们即时训练一个神经网络模型来预测相应的概率，即编码翻转机制的“committor”。粗粒化的 DMPC 脂质“隧道式”穿过疏水双层，无需水的帮助，而原子级的 DMPC 脂质则利用自发形成的水纳米孔穿越到另一侧。对于较长的 DSPC 脂质，这些膜缺陷稳定性较差，脂质沿着局部变薄膜中的瞬态水线转移成为第三种不同的机制。值得注意的是，在深度神经网络的高维（约660维）特征空间中，反应坐标变得有效线性，这与 Cover 定理一致，并与主导反应管道的概念相符。
引用
@article{arxiv.2502.11894,
title = {AI-guided transition path sampling of lipid flip-flop and membrane nanoporation},
author = {Matthias Post and Gerhard Hummer},
journal= {arXiv preprint arXiv:2502.11894},
year = {2025}
}