联合残基蛋白质势能线性参数的全面优化

我们将参数优化的通用协议（Lee, J. et al. Phys. Chem. B 2001, 105, 7291）应用于UNRES势能。与早期仅优化各种相互作用项的相对权重的工作不同，我们优化了势能的所有线性参数。该方法利用了共形空间退火方法在寻找不同低能构象方面的高效率。对于给定的蛋白质训练集，修改参数以使天然样构象在能量上比非天然构象更有利。使用线性近似来估计由于参数修改引起的能量变化。参数变化之后是局部能量再最小化和新的构象搜索，以找到具有新参数的天然样和非天然局部最小值的能量。重复这些步骤，直到势能为训练集中的每个蛋白质预测出天然样构象作为低能构象之一。我们考虑了crambin（PDB ID 1ejg）、1fsd和金黄色葡萄球菌蛋白A的10-55残基片段（PDB ID 1bdd）的训练集。作为我们协议可行性的首次检查，我们分别对这些蛋白质优化参数，并为每个蛋白质找到一组最佳参数。接下来，我们同时将这些方法应用于这三种蛋白质。通过细化所有线性参数，我们获得了一组最佳参数，从中可以检索到所有三种蛋白质的天然样构象作为全局最小值，而无需引入额外的多体能量项。