gmx sham做自由能形貌图。很多人做到这里会觉得分析已经完成了,其实真正有价值的部分才刚开始。因为一张自由能形貌图最多只能告诉你:体系在哪些区域出现得更频繁、哪些区域对应更低的相对自由能。但如果你想进一步解释蛋白为什么会出现不同状态,就必须把这些二维“能量盆地”重新对应回真实的三维构象。
这篇就专门讲这一件事:怎么从自由能形貌图中的低能区域,找到对应的轨迹帧,并筛选出真正有代表性的结构。
这是很多人第一次做FEL时最容易误解的地方。
自由能形貌图本质上是把PC1-PC2这样的连续数据划分成很多二维网格,也就是常说的bin。每个bin里可能只有几帧,也可能包含几十帧、几百帧轨迹。
因此,当某一个bin对应最低自由能时,并不代表这个区域里只有一个“最低能结构”。更准确地说,这个区域代表的是一组出现概率较高、相对自由能较低的构象集 合。
所以如果文章里直接写:
“我们提取了最低自由能构象。”
这个说法有时候会太绝对。更严谨一点,应该说:
从低自由能盆地中提取代表构象。
运行gmx sham之后,通常除了自由能形貌图对应的XPM文件,还会得到一些辅助文件,例如:
pc12_gibbs.xpm
pc12.log
bindex.ndx
其中,pc12_gibbs.xpm主要负责画自由能形貌图,而真正和构象提取关系比较大的,是pc12.log和bindex.ndx。
pc12.log里会记录不同自由能区域以及对应的bin信息,bindex.ndx则会把这些bin和实际轨迹帧对应起来。
可以把它理解成一个简单的映射过程:
自由能盆地 → bin编号 → 轨迹帧 → 三维结构
这一步很关键,因为自由能形貌图本身只是二维坐标。如果不回到真实轨迹,你很难知道某一个低能区到底对应蛋白的什么状态。
假设自由能形貌图中有两个比较明显的低能盆地,可以先分别记作Basin A和Basin B。
这时候不要急着只找“最低点”。很多情况下,更值得比较的是两个主要构象盆地之间的结构差异。
例如Basin A可能是蛋白口袋关闭状态,Basin B可能是口袋打开状态;也有可能一个盆地对应配体结合更稳定的构象,另一个盆地则对应蛋白发生明显重排后的状态。
建议:如果图中存在多个明显低能盆地,最好分别提取代表结构,而不是只盯着全图最低的一个点。
因为真正有研究价值的往往不是“哪个点最低”,而是:
不同低能状态之间到底发生了什么结构变化。
bindex.ndx中通常会按照bin编号记录对应的轨迹帧。形式可能类似下面这样:
[ 141 ]
4
1282
这里可以理解为,bin 141中包含第4帧和第1282帧轨迹。
如果从log文件里判断bin 141位于一个主要低自由能区域,就可以进一步去轨迹里找到这些对应帧。
不过这里要注意一个问题:帧号和时间不是一回事。
假设轨迹每10 ps保存一帧,那么第1000帧大约对应10000 ps;但如果保存频率不同,对应时间也会完全不同。
所以在真正提取结构之前,最好先确认:
轨迹开始时间是多少、每隔多少时间保存一帧、是否截取过轨迹、是否用过-dt重新输出。
这些都会影响帧号和实际时间的对应关系。
确认目标构象所在时间以后,就可以用gmx trjconv提取。
例如目标帧对应50 ns,也就是50000 ps:
gmx trjconv \
-s md.tpr \
-f md_fit.xtc \
-o basinA.pdb \
-dump 50000
运行时选择需要输出的原子组,例如Protein。
这样就可以得到对应时刻的三维结构。
如果想同时提取多个状态,可以分别输出:
basinA.pdb
basinB.pdb
basinC.pdb
之后就可以在PyMOL、VMD、ChimeraX等软件中进行结构叠合和比较。
提醒:如果轨迹时间单位、输出频率或者轨迹起始时间有变化,-dump对应的时间一定要重新确认,不要直接照抄示例数字。
假设一个最低自由能bin中包含50帧结构,如果你随便抽其中一帧,就把它作为“代表构象”,这种做法未必错,但通常不够稳妥。
因为即使这些构象落在同一个PC1-PC2区域里,局部结构仍然可能存在差异。比如侧链取向不同、配体姿态有变化,或者某些loop区域还存在轻微波动。
所以更推荐的做法是:
先从低自由能盆地中提取一组轨迹帧,再对这些结构做聚类,最后选聚类中心或者最具代表性的构象。
这样得到的结构通常比随便抽一帧更有代表性。
这一步其实很适合论文分析。
你可以先利用FEL确定主要低能区域,然后针对这些区域对应的轨迹帧进行聚类。
常见思路可以理解为:
自由能形貌图
→ 找到主要低能盆地
→ 提取盆地对应轨迹帧
→ 单独形成轨迹
→ 聚类
→ 选代表结构
GROMACS里可以使用gmx cluster进行结构聚类,例如:
gmx cluster \
-s md.tpr \
-f basinA.xtc \
-method gromos \
-cutoff 0.2 \
-cl representative.pdb
这里的-cutoff并不是固定值,具体应该根据体系大小、分析原子组以及结构波动程度来选择。
不要机械照搬0.2 nm。如果蛋白比较大或者本身柔性很强,合适的cutoff可能完全不同。
结构拿出来以后,最值得做的不是只截一张蛋白图片,而是比较不同低自由能状态到底哪里不一样。
如果研究蛋白本身,可以重点观察结构域开合、loop偏移、α-helix位置变化、关键残基距离以及氢键或盐桥变化。
如果是蛋白-配体体系,还可以进一步比较配体姿态、关键氢键、疏水接触、盐桥、结合口袋体积以及关键残基的取向变化。
比如你发现Basin A和Basin B之间最大的区别,是某条loop向外移动了4 Å,同时配体和某个关键残基之间的氢键消失,那么这个结构变化就比一句“存在两个低能构象”有意义得多。
自由能形貌图真正的作用,是帮你找到值得进一步比较的构象状态。
有些常见写法看起来没问题,但容易说得过头。
比如:
“最低自由能结构是体系最稳定构象。”
更稳妥的表达可以写成:
“自由能形貌图显示体系主要分布于两个低自由能区域,我们进一步提取对应轨迹并分析其代表构象。”
或者:
“低自由能盆地中的构象在当前模拟轨迹和所选反应坐标下具有较高出现概率。”
这种写法 会更严谨,因为它没有把有限轨迹中的统计结果无限外推。
不是。一个bin里可能包含很多帧,最好理解成一个低自由能构象区域。
如果结构差异比较明显还可以,但更稳妥的方式通常是结合聚类或者多帧统计。
也不能这么简单下结论。轨迹长度、采样是否充分、反应坐标是否合适,都会影响图中的分布。
如果研究目标是配体结合或者局部口袋变化,整体RMSD未必是最敏感的指标。局部结构、关键距离和相互作用往往更值得看。
自由能形貌图真正有意思的地方,并不是找到一个“最低点”,而是把二维能量分布重新拉回真实分子结构里,看清楚不同低能状态之间到底有什么区别。
一套更完整的思路应该是:FEL确定低能区域 → 找到对应轨迹帧 → 提取构象 → 聚类 → 得到代表结构 → 比较关键结构和相互作用。
如果做到这一步,自由能形貌图才真正从“画图分析”变成了“结构机制分析”。
下一篇:不只看RMSD,怎么用Bio3D做PCA和DCCM,分析蛋白内部残基的协同运动。