自适应采样策略的选择影响状态发现、转移概率及构象变化的表观机制
生物大分子
2018-05-15 v1
摘要
随着近期计算硬件与马尔可夫状态建模（MSM）方法的进展，基于平衡的采样方法受到越来越多的关注，然而阻碍其广泛采用的悬而未决问题依然存在。即，采样策略如何探索构象空间，以及这可能如何影响预测？在此，我们针对四种常用采样方法试图回答这些问题：1）一次长模拟，2）多次短模拟，3）自适应采样，以及 4）FAST。我们首先开发一个理论框架，用于解析计算发现状态的概率，并揭示改变模拟次数与长度所带来的剧烈影响。随后，我们在多种物理启发的势能面上使用动力学蒙特卡洛模拟来刻画状态发现与转移路径。一致地，我们发现 FAST 模拟以最高概率发现目标状态并遍历真实路径。此外，我们揭示了一种弊病：短并行模拟有时会通过跨越长模拟通常会绕开的大能垒来预测错误的转移路径，我们称之为路径隧穿（pathway tunneling）。为防止隧穿，我们引入 FAST-string，它沿最高通量转移路径采样以细化 MSM 的转移概率并区分竞争路径。另外，我们比较了描述热力学与动力学的 MSM 估计量。对于自适应采样，我们建议在加入伪计数后对各状态的转出转移计数进行归一化，以避免产生源或汇。最后，我们用 λ-阻遏蛋白折叠的全原子分子动力学模拟评估了来自简单势能面的见解。我们发现 FAST-contacts 预测了与长模拟相同的折叠路径，但模拟时间少几个数量级。
引用
@article{arxiv.1805.04616,
title = {Choice of adaptive sampling strategy impacts state discovery, transition probabilities, and the apparent mechanism of conformational changes},
author = {Maxwell I. Zimmerman and Justin R. Porter and Xianqiang Sun and Roseane R. Silva and Gregory R. Bowman},
journal= {arXiv preprint arXiv:1805.04616},
year = {2018}
}