超越RMSD的生物分子比对、聚类和结构域识别的贝叶斯距离度量学习
生物大分子
2026-07-08 v1 统计力学
摘要
均方根偏差（RMSD）是分子动力学（MD）模拟中结构比较的标准度量。在其传统形式中，RMSD对所有原子赋予相等的权重，无论其迁移率如何。因此，柔性环和无序区域可能主导全局RMSD，而刚性功能核心对整体度量的贡献可以忽略不计。为了解决这个问题，我们引入了贝叶斯最优RMSD（BRMSD），它通过最大化贝叶斯后验来联合优化逐原子权重和结构平均值。在低RMSD和权重均匀性之间的权衡中，位置涨落参数σ控制从经典RMSD（σ → ∞）到逐渐聚焦于刚性核心（σ → 0）的转变。BRMSD框架支持结构比对、聚焦到用户指定结构域的比对、轨迹平滑、软K均值构象聚类和刚性结构域识别等分析模块。这些模块在开源Python包BRMSD（https://github.com/bio-phys/BRMSD）中实现，并在两个MD系统上进行了基准测试：内质网转位子相关蛋白SND3和磷酸转移酶腺苷酸激酶。
引用
@article{arxiv.2607.07352,
title = {Bayesian Learning of Distance Metrics Beyond RMSD for Biomolecule Alignment, Clustering, and Domain Identification},
author = {Saumyak Mukherjee and Gerhard Hummer},
journal= {arXiv preprint arXiv:2607.07352},
year = {2026}
}