RMSD、RMSF可以告诉我们结构偏离了多少、哪些残基波动比较大,但它们很难直接回答“不同区域之间是不是存在协同运动”。这时候,PCA和DCCM就比较有用了。
这一篇我们换一个工具,用R语言中的Bio3D处理MD轨迹,主要看两个东西:PCA主成分分析和DCCM动态交叉相关矩阵。
GROMACS本身当然可以完成PCA,前面我们已经用过gmx covar和gmx anaeig。Bio3D的优势不是“替代GROMACS”,而是它把蛋白结构、轨迹、PCA、残基相关运动这些分析放在了一个比较方便的R环境里,后面做结构筛选、绘图以及进一步的数据处理会比较顺手。
Bio3D目前提供了pca.xyz()、dccm()、plot.dccm()等功能,本身就是面向蛋白结构和动力学分析设计的。
所以这里不用纠结“GROMACS和Bio3D哪个更好”。实际做项目时完全可以GROMACS负责模拟和基础轨迹处理,Bio3D负责一部分后续结构动力学分析。
对于GROMACS用户,手里通常是:
md.xtc
md.tpr
Bio3D常见的处理方式是使用DCD轨迹配合一份PDB结构。官方提供的read.dcd()用于读取DCD轨迹,同时Bio3D也支持AMBER NetCDF轨迹。
如果现在手里是GROMACS的XTC,可以先转换成DCD。例如使用VMD转换,也可以根据自己的轨迹处理流程使用其他工具完成格式转换。与此同时,从轨迹中准备一份与轨迹原子顺序一致的PDB结构作为参考。
例如最终准备:
protein.pdb
protein.dcd
这里最容易出问题的不是文件格式,而是原子对应关系。参考PDB中的原子数量、顺序必须能够和轨迹正确对应,否则后面的拟合和PCA都可能出问题。
进入R之后先载入Bio3D:
library("bio3d")
读取PDB结构和DCD轨迹:
pdb <- read.pdb("protein.pdb")
dcd <- read.dcd("protein.dcd")
读取完成之后,pdb中保存参考结构信息,而dcd中则是不同时间帧对应的原子坐标。
对于蛋白整体运动分析,没必要每次都把所有原子放进去。很多时候可以先从Cα原子入手:
ca.inds <- atom.select(pdb, elety="CA")
这样既能明显减少数据量,也比较适合观察蛋白骨架的大尺度运动。
这一点和在GROMACS里面做PCA是一样的。
假设轨迹中的蛋白整体发生了平移和旋转,如果直接把这些坐标拿来分析,PCA可能把整个蛋白“转了一下”或者“移动了一段距离”当成主要运动。
所以要先把轨迹按照参考结构进行最小二乘拟合:
xyz <- fit.xyz(
fixed = pdb$xyz,
mobile = dcd,
fixed.inds = ca.inds$xyz,
mobile.inds = ca.inds$xyz
)
这里用Cα进行拟合,目的就是尽量去除整体平移和旋转,只留下我们真正感兴趣的内部构象变化。
PCA前的轨迹拟合不是一个可有可无的“美化步骤”,它会直接影响后面的主成分结果。
如果在GROMACS里已经对轨迹进行过严格的PBC处理和结构拟合,也仍然建议清楚自己输入Bio3D的数据到底经历过哪些处理,避免对同一条轨迹反复进行不必要的操作。
轨迹处理完成以后,PCA本身反而很简单:
pc <- pca.xyz(xyz[, ca.inds$xyz])
然后可以直接查看和绘制结果:
plot(pc)
PCA会把原来非常高维的原子运动压缩成多个主成分,其中PC1代表方差最大的运动方向,PC2是第二大的运动方向,后面依次类推。
如果PC1-PC2的散点分布比较集中,说明轨迹主要聚集在相近的构象区域;如果出现几个明显分开的区域,则值得进一步看看这些区域是不是对应不同的蛋白构象状态。
但这里别急着看到几个点团就写“发现了多个稳定态”。轨迹长度、采样是否充分以及PC1、PC2能解释多少运动信息,都需要一起考虑。
这是PCA里面比“画散点图”更重要的一步。
PC1是一个数学上的运动方向,但科研上真正关心的是:这个方向对应蛋白哪里在动?
例如PC1可能对应两个结构域之间的开合,PC2可能主要是某条loop向外翻转,也可能表现为两个亚基之间的相对旋转。如果只是报告“PC1贡献25%,PC2贡献15%”,其实还没有真正把PCA结果解释出来。
Bio3D可以根据PCA结果进一步生成沿某个主成分变化的结构轨迹,用来观察该PC对应的运动模式。实际分析时,可以把这种运动轨迹放到VMD或者PyMOL等软件中观察,再结合蛋白真实结构判断它到底对应哪一种构象变化。
这一步通常很容易发现一些单纯RMSD看不到的信息,比如活性口袋开合、结构域摆动或者某段loop的明显位移。
PCA更偏向于看体系主要的集体运动,而DCCM,也就是Dynamic Cross-Correlation Matrix,动态交叉相关矩阵,关注的是另一个问题:
一个残基运动的时候,另一个残基是不是也表现出相关的运动趋势?
在Bio3D中,可以直接根据处理后的坐标计算:
cij <- dccm(xyz[, ca.inds$xyz])
然后绘图:
plot(cij)
最终得到的是一个二维矩阵图,横轴和纵轴通常对应残基位置,每一个格子表示两个位置之间的运动相关程度。
例如某一整块区域存在比较明显的正相关,可能说明这些残基倾向于进行同方向的协同运动;如果出现明显负相关,则可能代表两个区域存在反向运动。
注意不要脱离图例直接说“红色一定是正相关、蓝色一定是负相关”。颜色怎么对应相关系数,要看实际使用的配色和color bar。
举个比较直观的例子。假设一个酶存在两个结构域,中间是底物进入的口袋。如果DCCM显示两个结构域之间存在明显反向运动,同时PCA又发现PC1主要表现为两个结构域的开合,那么这两个结果就可以互相印证。
再比如蛋白结合配体之后,某个远离结合位点的结构域运动相关性明显变化,这时候就值得继续考虑是否存在长距离的动力学耦合。
对于多聚体蛋白,DCCM有时候还能比较直观地看到不同亚基内部以及亚基之间的协同运动关系。
所以DCCM真正有意思的地方不是“哪块红、哪块蓝”,而是:
这些相关区域能不能和真实蛋白结构、功能区域以及PCA观察到的运动联系起来。
如果单独看PCA,你可能发现PC1对应一个明显的结构域开合运动;单独看DCCM,又可能发现这两个结构域之间存在明显的反向相关。
两者放在一起,故事就完整很多。
比如可以得到这样的分析逻辑:
PCA发现主要运动 → 找到参与运动的结构区域 → DCCM检查这些区域之间的运动相关性 → 回到三维结构解释可能的功能变化。
如果还有前一篇做过的自由能形貌图,就可以继续组合:
FEL找主要构象状态 → PCA看主要运动方向 → DCCM看不同残基或结构域之间如何协同运动。
做到这里,轨迹分析已经不再只是RMSD、RMSF几个常规指标,而开始真正往结构机制上走了。
这是最基础但也最容易出问题的一点。原子数量和顺序如果不一致,后面的拟合、PCA甚至残基映射都会受到影响,所以轨迹格式转换以后一定要检查。
这样可能把整体平移和旋转带进主成分分析,最后得到的PC并不是你真正想看的蛋白内部运动。
相关不等于因果。DCCM告诉你的是运动相关性,它本身不能证明某个残基“控制”了另一个残基,更不能单独证明存在变构机制。
PC1贡献多少当然值得看,但更重要的是PC1对应什么结构变化。只有把主成分重新对应到三维结构,PCA才真正有物理意义。
做MD轨迹分析时,RMSD和RMSF更像是在回答“结构变了多少”,而PCA和DCCM开始尝试回答“结构是怎么变的,以及不同区域是不是在一起动”。
轨迹分析真正有价值的地方,不是做了多少张图,而是这些图最后能不能共同解释一个具体的分子运动过程。