用于盲测预测溶剂化自由能的隐式溶剂模型自动参数化
化学物理
2016-11-03 v1 数值分析
生物大分子
摘要
在这项工作中，我们提出了一种系统协议，用于自动参数化具有极性和非极性组分的隐式溶剂模型。所提出的协议利用经典 Poisson 模型或基于 Kohn-Sham 密度泛函理论 (KSDFT) 的可极化 Poisson 模型来建模极性溶剂化自由能。对于非极性组分，采用表面积、分子体积和 van der Waals 相互作用的标准模型，或采用具有原子表面积和分子体积的模型。基于相似分子具有相似参数化的假设，我们开发了评分和排序算法来对溶质分子进行分类。将四组半径参数与四组电荷力场结合，为 Poisson 模型得出共 16 种不同的参数化。利用包含 668 个实验数据的大型数据库来验证所提出的协议。该数据库最低的留一法均方根 (RMS) 误差为 1.33 kcal/mol。此外，还使用该数据库的五个子集，即 SAMPL0-SAMPL4，进一步证明所提出的协议提供了一些最佳的溶剂化预测。对于 SAMPL0、SAMPL1、SAMPL2、SAMPL3 和 SAMPL4 测试集，最优 RMS 误差分别为 0.93、2.82、1.90、0.78 和 1.03 kcal/mol。据我们所知，这些结果属于最佳之列。
引用
@article{arxiv.1607.06037,
title = {Automatic parametrization of implicit solvent models for the blind prediction of solvation free energies},
author = {Bao Wang and Chengzhang Wang and Guowei Wei},
journal= {arXiv preprint arXiv:1607.06037},
year = {2016}
}
备注
19 pages, 9 figures