Upload
others
View
4
Download
0
Embed Size (px)
Citation preview
Računalniške simulacije biomolekularnih sistemov
Julija Zavadlav
2. mednarodna spomladanska
šola fizike - delavnice iz biofizike
Maribor, maj 2015
Povzetek metode:
• Monte Carlo (MC)
• Molekulska Dinamika (MD)
polje sil
modeli
rezultati: Kaj se lahko naučimo iz simulacij?
Kdaj in zakaj so simulacije uporabne? „most“ med teorijo in
eksperimentom
testiranje modelov
testiranje teorije
boljše razumevanje
fizikalnih procesov
zelo hitre spremembe
bolj podrobne informacije
MONTE CARLO
Monte Carlo Metropolis algoritem
začetno stanje x poskusno stanje x‘
E(x‘) < E(x)
E(x‘) > E(x) 𝑝 = exp −𝐸 𝑥′ −𝐸 𝑥
𝑘𝑇
naključno število w ∈(0,1)
𝑝 > 𝑤
𝑝 < 𝑤
Simulirano ohlajanje
naključna perturbacija
Naključna perturbacija potrebujemo „pametne“ premike
premik enega ali več delcev
translacijski, rotacijski premiki…
število sprejetih korakov zavisi od maksimalnega premika
veliki premiki sprejeti z majhno verjetnostjo, majhni premiki sprejeti z veliko verjetnostjo, vendar se hkrati počasi premikanje po konformacijskem prostoru
nenapisano pravilo: 50% sprejem premikov
MOLEKULSKA DINAMIKA
Molekulska dinamika (MD) MD rešitev klasičnih (Newtonovih) enačb gibanja delcev
sistem N delcev
numerično integriranje (različni algoritmi)
čas razdelimo na majhne časovne intervale
na vsakem koraku izračunamo koordinate in hitrosti delcev
časovni razvoj sistema – trajektorija
NI natančna napoved gibanja posameznega delca
i
i
i
pr
m
i ip f
1 2 3( , , , ..., )
N
Nr r r r r
1 2 3( , , , ..., )
N
Np p p p p
( )N
i
i
f U rr
Hitrostni Verletov algoritem
začetna konfiguracija
povprečja
fizikalne lastnosti
𝑝 𝑡 + Δ𝑡 = p 𝑡 + Δ𝑡2 + 0.5 ⋅ 𝑓(𝑡 + Δ𝑡) ⋅ Δ𝑡
𝑓 𝑡 + Δ𝑡
r 𝑡 + Δ𝑡 = r t + p 𝑡 + Δ𝑡2 ⋅ Δ𝑡/𝑚
p 𝑡 + Δ𝑡2 = 𝑝(𝑡) + 0.5 ⋅ 𝑓(𝑡) ⋅ Δ𝑡
Hitrostni Verletov algoritem
začetna konfiguracija
povprečja
fizikalne lastnosti
𝑝 𝑡 + Δ𝑡 = p 𝑡 + Δ𝑡2 + 0.5 ⋅ 𝑓(𝑡 + Δ𝑡) ⋅ Δ𝑡
𝑓 𝑡 + Δ𝑡
r 𝑡 + Δ𝑡 = r t + p 𝑡 + Δ𝑡2 ⋅ Δ𝑡/𝑚
p 𝑡 + Δ𝑡2 = 𝑝(𝑡) + 0.5 ⋅ 𝑓(𝑡) ⋅ Δ𝑡
Hitrostni Verletov algoritem
začetna konfiguracija
povprečja
fizikalne lastnosti
𝑝 𝑡 + Δ𝑡 = p 𝑡 + Δ𝑡2 + 0.5 ⋅ 𝑓(𝑡 + Δ𝑡) ⋅ Δ𝑡
𝑓 𝑡 + Δ𝑡
r 𝑡 + Δ𝑡 = r t + p 𝑡 + Δ𝑡2 ⋅ Δ𝑡/𝑚
p 𝑡 + Δ𝑡2 = 𝑝(𝑡) + 0.5 ⋅ 𝑓(𝑡) ⋅ Δ𝑡
Hitrostni Verletov algoritem
začetna konfiguracija
povprečja
fizikalne lastnosti
𝑝 𝑡 + Δ𝑡 = p 𝑡 + Δ𝑡2 + 0.5 ⋅ 𝑓(𝑡 + Δ𝑡) ⋅ Δ𝑡
𝑓 𝑡 + Δ𝑡
r 𝑡 + Δ𝑡 = r t + p 𝑡 + Δ𝑡2 ⋅ Δ𝑡/𝑚
p 𝑡 + Δ𝑡2 = 𝑝(𝑡) + 0.5 ⋅ 𝑓(𝑡) ⋅ Δ𝑡
Hitrostni Verletov algoritem
začetna konfiguracija
povprečja
fizikalne lastnosti
𝑝 𝑡 + Δ𝑡 = p 𝑡 + Δ𝑡2 + 0.5 ⋅ 𝑓(𝑡 + Δ𝑡) ⋅ Δ𝑡
𝑓 𝑡 + Δ𝑡
r 𝑡 + Δ𝑡 = r t + p 𝑡 + Δ𝑡2 ⋅ Δ𝑡/𝑚
p 𝑡 + Δ𝑡2 = 𝑝(𝑡) + 0.5 ⋅ 𝑓(𝑡) ⋅ Δ𝑡
Veljavnost in omejitve MD ni primerna za nizke temperature
veljavnost klasične dinamike
O-H razteg ≈ 17 (10-14 s), O-C-O upogib ≈ 3 (10-13 s)
časovni korak je določen z najvišjo frekvenco gibanja
sistemu
atomistične simulacije Δt ≈ 0.5-1 fs
1ns pomeni milijon korakov
1h
kT
Monte Carlo vs. Molekulska dinamika
stohastična metoda
robustna
možna uporaba nezveznih potencialov
ne omogoča prave dinamične informacije
„pametni“ premiki
deterministična metoda
delikatna
samo zvezni potenciali
časovni razvoj sistema – dinamični procesi (difuzija)
majhen časovni korak
Izbira metode odvisna od modela in procesov, ki nas zanimajo.
Najprej premisli. Nato simuliraj.
MD programi
ESPResSo
Amber
POLJE SIL (FORCE FIELD)
Polje sil (force field) = oblika in parametri funkcij, ki definirajo potencialno
energijo sistema
od kod?
eksperimentalni rezultati
kvantna mehanika
simulacije
vsa empirična – rezultat zavisi od uporabljenega polja sil
atomistično polje sil
= znotraj-molekularne + med-molekularne interakcije
to t vezan e nevezane
U U U
Vezane interakcije razteg upogib
nepravilna torzija pravilna torzija
2
0
1( )
2b ij
v e z i
k r r2
0
1( )
2i jk
ko ti
k
2
0
1( )
2i jk l
k
1
(1 co s ( ))2
i jk lk m
Nevezane interakcije
van der Waals (Lennard Jones)
elektrostatika
1 2 6
1
4
N N
ij i j
i j
i j i i j i jr r
1 04
N N
i j
i j i i j
q q
r
Topologija (.top)
Vezane interakcije (ffbonded.itp)
2
0
1( )
2b ij
v e z i
k r r
2
0
1( )
2i jk
ko ti
k
1(1 co s ( ))
2i jk l
k m
Nevezane interakcije (ffnonbonded.itp)
1 2 6
1
4
N N
ij i j
i j
i j i i j i jr r
SIMULACIJSKI TRIKI
Nevezane interakcije število interakcij ∝ N(N-1)/2
odrez potenciala - artefakti
preverjanje razdalj med delci je
časovno potratno
Verlet seznam, seznam celic
Periodični robni pogoji (PBC) želimo se čim bolj približati eksperimentu
upoštevamo samo eno sliko delca
(minimum image convention)
vsiljena periodičnost
Periodične domene katerakoli oblika, ki zapolni celotni 3D prostor
ortorombska heksagonalna prisekan osmerec
77% volumna kocke
triklinska, rombski dvanajsterec
Pogojna dinamika odstranimo razteg vezi za H
večji časovni korak ≈ 2fs
pogoj: fiksna dolžina vezi
dodamo dodatne sile
SHAKE
iterativni metodi
RATTLE
SETTLE – analitična rešitev za H2O
2 2
00
i jr r
i i i im r f g i
i
gr
2 0ij ij
r v
Statistični ansambli kanonični (N,V,T)
MC ->
MD -> uporaba termostata
Berendsen
Langevin
Disipative particle dynamics (DPD)
𝑝 = exp −𝐸 𝑥′ − 𝐸 𝑥
𝑘𝑇
𝑣 → 1 +Δ𝑡
𝜏𝐻
𝑇
𝑇0− 1
1/2
𝑣
𝑚𝑟𝑖 = 𝑓𝑖𝐶 −𝑚𝛾𝑟𝑖 + 𝑓𝑖
𝑅 𝑓𝑖𝑅 𝑡 𝑓𝑗
𝑅 𝑡′ = 6𝑘𝐵𝛾𝑇𝛿𝑖𝑗𝛿(𝑡 − 𝑡′)
𝑓𝑖𝑗 = 𝑓𝑖𝑗𝐶 + 𝑓𝑖𝑗
𝐷 + 𝑓𝑖𝑗𝑅 𝑓𝑖𝑗
𝐷 = −𝛾𝑤(𝑟𝑖𝑗)(𝑣𝑖𝑗𝑟𝑖𝑗 )𝑟𝑖𝑗
𝑓𝑖𝑗𝑅 = 𝜎𝑤(𝑟𝑖𝑗)𝜉𝑖𝑗𝑟𝑖𝑗 𝜎2 = 2𝛾𝑘𝐵𝑇
Statistični ansambli (N,p,T)
MC -> naključna sprememba V -> V‘
MD -> uporaba barostata
Berendsen
velekanonični (μ,V,T)
MC -> naključna sprememba števila delcev
𝑝 = exp −𝐸 𝑉′ − 𝐸 𝑉 + 𝑝 𝑉 − 𝑉′
𝑘𝑇+ 𝑁 ln
𝑉′
𝑉
𝑝 =𝑉
Λ3(𝑁 + 1)exp −
𝐸 𝑁 + 1 − 𝐸 𝑁 − 𝜇
𝑘𝑇; 𝑁 → 𝑁 + 1
𝑝 =Λ3𝑁
𝑉exp −
𝐸 𝑁 − 1 − 𝐸 𝑁 + 𝜇
𝑘𝑇; 𝑁 → 𝑁 − 1
𝜇 = 1 −Δ𝑡
𝜏𝑝𝑝 − 𝑝0
1/3
𝑟 → 𝜇 𝑟, 𝐿 → 𝜇 𝐿
Okolje biofizikalnih makromolekul nerealno realno
pri simulacijah DNA moramo upoštevati prisotnosti
vode in ionov!
MODELI VODE IN IONOV
Implicitno topilo molekule topila niso prisotne; njihov efekt upoštevamo v
povprečnem smislu preko elektrostatičnega potenciala Poissonova enačba Boltzmanova porazdelitev
Poisson-Boltzmanova (PB) enačba
Debye-Hunckel aproksimacija
Yukawa potencial
2 2
2 0
0
z e n
kT
2( )r
ex p ( )( ) ( )
rr B
r
0
ze kTn n e
0
4( ) ( )r r
/0
0
4i
e kT
i
i
enz e
Eksplicitno topilo molekule topila eksplicitno prisotne
klasifikacija po številu interakcijskih mest
fleksibilni/rigidni modeli
SPC, TIP3P, SPC/E TIP4P TIP5P
Grobozrnati modeli topila mW-ion model
molekula vode -> 1 delec
ioni (Na+, Cl-) so nenabiti delci
Stillinger-Weber (SW) potencial
pohitritev: manj delcev + interakcije krajšega dosega
MODELI BIOFIZIKALNIH MAKROMOLEKUL: primer DNA
Grobozrnati modeli primitiven model
žlebasti model
( )
2
i ik T
b
1 2
04
i j
i j i ji j i j
q q bU
r r
Atomistični modeli polja sil: AMBER (7 verzij), CHARM, GROMOS (6 verzij), OPLS
GROMOS – nekateri atomi združeni CHn
razlike v parametrih – nekoliko drugačne strukture DNA
običajna atomistična simulacija: 10 bp (1 obrat)
100 ns
Začetna struktura baza struktur - Protein Data Bank (PDB) http://www.rcsb.org
Začetna struktura (2DAU.pdb)
strukture niso popolne - manjkajoči atomi
3 interakcijska mesta/nukleotid
(3SPN-DNA model)
Mezoskopski model
Skale in modeli
REZULTATI SIMULACIJ Kaj se lahko naučimo iz simulacij?
Vpliv zaporedja baznih parov zaporedje baznih parov ima vpliv na lokalno DNA strukturo
lokalna DNA struktura igra veliko vlogo pri interakcijah med DNA in proteini
vse funkcije DNA temeljijo na
interakcijah DNA s proteini
ključne funkcije DNA: genetsko prepisovanje/transkripcija
genetsko prevajanje/translacija
genetsko podvajanje/replikacija
Ascona B-DNA consortium (ABC) obsežna študija vpliva
vseh 136 4-nukleotidnih fragmentov (ABCD)
39 B-DNA oligamerov (18 baznih parov)
5‘-gc-CD-ABCD-ABCD-ABCD-gc-3‘
Ascona B-DNA consortium (ABC)
Ascona B-DNA consortium (ABC)