What to Make of Zero: Resolving the Statistical Noise from Conformational Reorganization in Alchemical Binding Free Energy Estimates with Metadynamics Sampling
本文提出自相对结合自由能方法,通过零值基准评估双拓扑炼金术计算的统计噪声,发现误差主要源于未收敛波动,且元动力学采样可加速配体构象重排收敛。
2023-11-11 physics.chem-ph
Binding Selectivity Analysis from Alchemical Receptor Hopping and Swapping Free Energy Calculations
本文提出基于ATM的受体跳跃和受体交换自由能估计协议,用于模拟配体对两个受体的结合选择性,在主-客体系统和分子片段实验中验证了其准确性与药物发现潜力。
2024-08-26 physics.chem-ph
Alchemical diastereomers from antisymmetric alchemical perturbations
本研究提出利用平均哈密顿量的一阶炼金Hellmann-Feynman导数精确近似等电子体系能量差,该方法三阶内精确且计算量仅需O(1)次自洽场循环,在双原子分子及甲苯BN掺杂体系中验证了有效性。
2025-09-04 physics.chem-ph
Alchemical Grid Dock (AlGDock): Binding Free Energy Calculations between Flexible Ligands and Rigid Receptors
Alchemical Grid Dock(AlGDock)是一个开源软件,用于计算小有机配体和生物大分子的平均力结合势(BPMF)-柔性配体和刚性受体之间的结合自由能。多个BPMF可用于严格计算灵活伙伴之间的绑定亲和力。AlGDock在不同温度和受体-配体相互作用强度下使用热力学状态之间的副本交换。受体-配体相互作用能由内插预先计算的网格表示。热力学状态被自适应地初始化并在运行中调整以维持副本交换率。在演示性计算中,当结合的配体被视为完全溶剂化时,AlGDock估计BPMF的精度在65%的系统中在4 kT以内,在91%的系统中在8 kT以内。它在83%的模拟中正确识别了本机绑定姿势。性能有时会受到采样和目标热力学状态的重要配置空间的细微差异的限制。
2019-08-05 physics.chem-ph q-bio.BM
Effects of perturbation order and basis set on alchemical predictions
炼金术微扰密度泛函理论已被证明是一种有效的和计算成本低廉的方法来探索化合物空间。我们调查的近似,在原子基组和微扰阶,介绍了一个基于电子密度的估计错误的炼金术预测,并提出了一个修正的影响,由于基组不完整。我们的数值分析的势能估计,并由此产生的结合曲线,是基于CCSD参考结果,并限于所有中性的14个电子(AlH…N $_2$)。该方法预测的结合能,平衡距离,和振动频率的邻近的样品外的phonics与近CCSD质量使用扰动高达5 $^{th}$顺序。我们还讨论了苯中多个位点同时发生的炼金术突变。
2020-07-30 physics.chem-ph
Application of the Alchemical Transfer and Potential of Mean Force Methods to the SAMPL8 Host-Guest Blinded Challenge
我们报告了我们参与SAMPL8 GDCC盲法挑战的结果,用于预测主客体结合亲和力。绝对结合亲和力预测对于分子缔合和药物发现的生物物理学具有核心重要性。盲法SAMPL系列为客观评价结合自由能方法的可靠性提供了一个重要的论坛。在这个盲态挑战中,我们采用了两种结合自由能方法,新开发的炼金术转移方法(ATM)和成熟的平均力势(PMF)物理途径方法,使用相同的设置和力场模型。从两种方法计算的结合自由能是在良好的定量协议。重要的是,还发现两种方法的结果与随后释放的实验结合亲和力一致,$R^2$为0.89(ATM)和0.83(PMF)。鉴于这两种自由能方法是基于完全不同的热力学途径,这两种方法的结果之间的密切协议和它们与实验结合自由能的一般协议是一个证明的理论和方法实现的高品质。该研究提供了新的ATM结合自由能估计协议的进一步验证,它铺平了道路,以进一步扩展的方法更复杂系统。
2021-07-12 physics.chem-ph
Quantum Mechanical Treatment of Variable Molecular Composition: From "Alchemical" Changes of State Functions to Rational Compound Design
“炼金术”插值路径,即~沿着没有实际对应关系的虚构路径的耦合系统经常用于材料和分子建模和模拟协议中,用于估计态函数例如自由能的相对变化。我们讨论了炼金术的变化,量子化学的背景下,并提出说明性的数值结果的变化的HOMO本征值的He原子由于一个线性的炼金术隐形传态-同时湮灭和创建的核电荷在不同的位置。为了证明炼金术的一阶导数(赫尔曼-费曼)的预测能力,氟化氢和氯化氢的共价键势,以及在水-水和水-氟化氢二聚体中的范德华结合,分别进行了研究。基于收敛的电子密度为一个配置,炼金术衍生物的多功能性的例子,整个结合电位的筛选具有合理的准确性。最后,我们讨论了非线性耦合势的能量的赫尔曼-费曼导数将产生准确的预测识别的限制。
2015-03-24 physics.chem-ph
Performance and Analysis of the Alchemical Transfer Method for Binding Free Energy Predictions of Diverse Ligands
本文验证 ATM 在多样化蛋白质-配体复合物 RBFE 预测中的表现,基于 AToM-OpenMM 完成 8 个靶点、500 余次计算,证明其准确度可比肩现有最先进方法且适用范围更广。
2023-08-16 physics.chem-ph
SAMPL9 blind predictions using nonequilibrium alchemical approaches
我们提出了我们对蛋白质和配体建模的统计评估(SAMPL)的盲预测,第9次挑战,重点是WP 6(羧基柱[6]芳烃)与铵/二铵阳离子客体的结合。已使用最近开发的虚拟双系统单盒方法计算主客体结合自由能,该方法基于结合和未结合终态的增强采样,然后进行快速切换非平衡炼金术模拟[M Macchiagodena,M Pagliai,M Karrenbrock,G Guarnieri,F Iannone,Procacci,J Chem Theory Comput,16,7260,2020]。就皮尔逊和肯德尔系数而言,性能是可以接受的,一般来说,比我们提交的杯芳烃,葫芦脲样的开放腔,和β-环糊精在以前的SAMPL主客体的挑战,确认绝对结合自由能计算的非平衡方法的可靠性。在与以前的提交相比,我们发现,尽管如此,一个相当大的平均有符号的错误,我们归因于有限的电荷校正的方式,通过假设的中和背景等离子体。
2022-02-14 cond-mat.stat-mech physics.chem-ph q-bio.BM
Using Molecular Dynamics to Model the Binding Affinities of Nitrogen-Containing Bisphosphonates on Hydroxyapatite Surface
含氮双膦酸盐(NBP)广泛用于治疗骨密度降低和骨骼疾病。骨矿物质中NBP的吸附、保留、扩散和释放受其与骨矿物质的结合亲和力控制。广泛的晶体生长,核磁共振(NMR)和等温滴定量热法(ITC)的研究已经进行了测量骨矿物质的结合亲和力的NBP,但结果一直不一致。在这项工作中,我们通过分子动力学研究了唑来膦酸盐(ZOL),利塞膦酸盐(RIS),帕米膦酸盐(PAM),阿仑膦酸盐(ALN)和伊班膦酸盐(IBN)与纯净和质子化羟基磷灰石(HAP)表面(包括(001),(010)和(101)面)的结合自由能。我们的模拟结果表明,含氮官能团和表面质子化的影响BPs的HAP表面的结合亲和力。含氮官能团的亲水性使得ZOL在HAP表面的结合自由能比RIS和IBN大。PAM和IBN的质子化和细长的胺基使它们在纯净的和质子化的HAP表面上具有比ZOL、RIS和IBN更大的结合自由能和更宽的势阱。一般而言,表面质子化一般降低NBP的结合亲和力,质子化(010)表面除外。NBP更喜欢浸泡在质子化的(010)表面的高结合自由能的凹槽,和浸泡是一致的从(ITC)测量开发的网站结合模型。基于我们的模拟结果,我们提出了结合等级为ALN > PAM > ZOL > IBN > RIS,这与NMR和ITC研究一致,并且在纯(001)表面的等级为ZOL > ALN > IBN > RIS,这与晶体生长研究相关。模拟结果有助于统…
2018-10-31 physics.chem-ph
I. Dissociation free energies in drug-receptor systems via non equilibrium alchemical simulations: theoretical framework
在这方面的贡献,我批判性地修订炼金术可逆的方法在药物受体系统的非共价键合的统计力学理论的背景下。我表明,大多数的陷阱和纠缠的结合自由能在计算机模拟中的评估是植根于平衡的假设,这是隐含在可逆的方法。这些关键问题可以通过在分子动力学模拟中使用炼金术方法的非平衡变体来解决,该方法依赖于产生许多独立的轨道,这些轨道具有外部驱动的炼金术坐标的连续动态演化,在几十皮秒而不是纳秒的时间内完成配体的解耦。绝对结合自由能可以通过应用无偏单向自由能估计从湮灭功分布中恢复,假设任何观察到的功分布都是由正态分布的混合物给出的,其分量在非平衡过程的任一方向上都是相同的,权重由克鲁克斯定理调节。我最后表明,固有的可靠性和准确性的单向估计的去耦自由能,基于生产的几百个非平衡独立的亚纳秒无限制的炼金术湮灭过程,是一个直接的后果漏斗状形状的自由能表面的分子识别。一个真正的药物受体系统上的技术的应用,在配套文件。
2016-04-27 physics.chem-ph q-bio.BM
Exploring PROTAC cooperativity with coarse-grained alchemical methods
蛋白水解靶向嵌合体(PROTAC)是一种新型药物形式,其通过诱导与E3连接酶的接近来促进靶蛋白的降解。在这项工作中,我们提出了一个新的计算框架,主要通过蛋白质-蛋白质相互作用(PPI)诱导的PROTAC的PROTAC-E3结合和PROTAC靶结合之间的协同性建模。由于实验测量的稀缺性和低分辨率,这些非原生PPI的物理和化学驱动因素仍有待阐明。我们开发了一种粗粒度(CG)的方法来模拟目标PROTAC-E3复合物中的相互作用,这使得收敛的热力学估计使用炼金术的自由能计算方法,尽管非常规规模的扰动。用最小的参数化,我们成功地捕捉基本原则的协同性,包括最优的中间PROTAC连接器的长度,起源于配置熵。我们定性地描述了PROTAC接头长度和蛋白质电荷和形状的协同性的依赖性。然而,在我们目前的力场中,序列和构象特异性特征的最小包含限制了定量建模以再现实验测量,但是CG模型的进一步发展可能允许有效的计算筛选以优化PROTAC协同性。
2022-11-17 physics.bio-ph physics.chem-ph
Enhancing Protein-Ligand Binding Affinity Predictions using Neural Network Potentials
本研究提出采用混合神经网络势能与分子力学方法(NNP/MM)结合炼金转移方法(ATM)计算相对结合自由能,显著提升了蛋白质-配体结合亲和力预测性能,优于传统MM力场。
2024-02-14 physics.chem-ph q-bio.QM
Ligand-induced protein dynamics differences correlate with protein-ligand binding affinities: An unsupervised deep learning approach
蛋白质-配体结合亲和力的预测是药物发现的主要目标。通常,自由能隙是在两个状态之间计算的(例如,配体结合和未结合)。能隙隐含地包括由结合配体诱导的蛋白质动力学变化的影响。然而,蛋白质动力学和结合亲和力之间的关系仍然不清楚。在这里,我们提出了一种新的方法,表示蛋白质的行为变化后,配体结合一个简单的功能,可用于预测蛋白质-配体亲和力。根据无偏见的分子模拟数据,无监督的深度学习方法根据结合的配体来测量配体结合位点处蛋白质动力学的差异。降维方法提取与结合亲和力强相关的动态特征。此外,在蛋白质与配体相互作用中起重要作用的残基是基于它们对差异的贡献来指定的。这些结果表明了基于动力学的药物发现的潜力。
2021-09-03 physics.bio-ph physics.chem-ph q-bio.BM
Lambda-ABF: Simplified, Portable, Accurate and Cost-effective Alchemical Free Energy Computations
提出基于多重行走者ABF与强阻尼Langevin $λ$-动力学的炼金自由能计算方法,无需手动优化且计算成本大幅降低,在NAMD和Tinker-HP中实现并验证其高效精确。
2024-05-14 physics.chem-ph
Lambda-ABF-OPES: Faster Convergence with High Accuracy in Alchemical Free Energy Calculations
本文提出 Lambda-ABF 与 OPES 结合的混合方法,在 AMOEBA 可极化力场下将绝对结合自由能计算的采样效率与速度最高提升九倍,实现更快收敛与高精度。
2025-05-07 physics.chem-ph q-bio.BM
A New Formulation for the Concerted Alchemical Calculation of van der Waals and Coulomb Components of Solvation Free Energies
通过分子动力学计算炼金术自由能已被广泛用于获得与蛋白质-配体结合和溶质-溶剂相互作用相关的热力学性质。虽然软核建模是最常见的方法,但线性基函数(LBF)方法[Naden,L. N.的;等人J. Chem. Theory Comput. 2014,10(3),1128; 2015,11(6),2536]已经成为合适的替代方案。它克服了缩放方法的端点奇异性,同时保持了易于实现和后处理分析的高度灵活性等基本优点。在目前的工作中,我们提出了一个简单的LBF的变体,并制定了一个有效的协议,用于评估的炼金转化的范德华和库仑组件串联,在流行的顺序评估模式。为了验证我们的建议,这是一个仔细的优化研究的结果,我们进行了溶剂化自由能计算,并获得了辛醇-水分配系数的小有机分子。通过与使用另一种LBF方法或软核模型的顺序模式得到的结果的比较证明了我们的方法的有效性和正确性。此外,我们表明,一个反应场模型具有无限的介电常数可以提供非常准确的水合自由能时,而不是晶格和方法来模拟溶质-溶剂静电。
2023-01-02 physics.chem-ph physics.comp-ph
The dawn of alchemical free-energy methods in biomolecular simulations
Peking University(北京大学);University of Rome “La Sapienza”(罗马第一大学);IAC--CNR, Institute for the Application of Computing “M. Picone,” National Research Council(意大利国家研究委员会计算应用研究所(IAC-CNR));University College Dublin(都柏林大学学院);University of Chicago(芝加哥大学)
本文结合口述历史与原始文献,梳理炼金术自由能方法从统计力学构念发展为生物分子模拟实用工具的历程,考察其落地的多维度条件,揭示其发展源于迭代调试而非统一收敛,为该技术的可靠性形成提供历史阐释。
2025-10-29 physics.chem-ph physics.comp-ph
From Static to Dynamic Structures: Improving Binding Affinity Prediction with Graph-Based Deep Learning
Institute for Interdisciplinary Information Sciences, Tsinghua University(清华大学交叉信息研究院);School of Medicine, Tsinghua University(清华大学医学院);KTH Stockholm(瑞典皇家理工学院);Microsoft Research Asia(微软亚洲研究院);School of Life Science and Technology, Xidian University(西安电子科技大学生命科学技术学院);School of Engineering, Westlake University(西湖大学工程学院)
本文提出基于图的深度学习模型Dynaformer,利用分子动力学轨迹学习蛋白质-配体相互作用的几何特征,在CASF-2016基准上取得最优性能,并在HSP90虚拟筛选中发现12个命中化合物,验证了动态结构信息对提升结合亲和力预测和加速药物发现的价值。
2024-09-02 cs.LG physics.chem-ph q-bio.BM
Evaluating Electrostatic Embedding MLIP/MM for Relative Binding Free Energy Calculations
Acellera Labs(Acellera实验室);Universitat Pompeu Fabra(庞培法布拉大学)
本研究将Semelak等人的静电嵌入MLIP/MM方案应用于蛋白质-配体RBFE计算,发现其可提升TYK2的RBFE精度,但在CDK2等4个靶点表现与基线相当,且单分子基准无法预测靶点依赖结果。
2026-08-14 physics.chem-ph physics.comp-ph
Ionization Energies, Electron Affinities, Bandgaps, Exciton Binding Energies, and Polarization Energies of Orientation-Controlled Picene, [6]-Phenacene, and [7]-Phenacene Thin Films
Chiba University(千叶大学);Kyushu Institute of Technology(九州工业大学);Institute for Molecular Science, National Institutes of Natural Sciences(国立自然科学研究所分子科学研究所);The Graduate University for Advanced Studies (SOKENDAI)(综合研究大学院大学)
本研究测定取向可控的并五苯、[6]并菲和[7]并菲薄膜的多种电子参数,发现分子取向是调控其前沿能级的关键因素,IE和EA随取向呈约1 eV的大幅偏移。
2026-08-31 cond-mat.mtrl-sci physics.chem-ph
From populations to absolute binding affinities in molecular simulations: exact volumetric terms and practical estimators
Institute of Neuroscience and Medicine – Computational Biomedicine (INM-9), Forschungszentrum Jülich GmbH(于利希研究中心有限公司神经科学与医学研究所-计算生物医学);Department of Chemical Engineering, Virginia Tech(弗吉尼亚理工大学化学工程系)
本研究提出统计力学框架,推导结合常数K与分子群体的关联式,应用于两种复合物发现常用估计器有偏差,为从分子模拟获取绝对结合亲和力提供原则性途径。
2026-11-10 physics.app-ph physics.bio-ph physics.chem-ph
Multiple Topology Replica Exchange of Expanded Ensembles (MT-REXEE) for Multidimensional Alchemical Calculations
本文提出了一种名为MT-REXEE的新方法,通过并行扩展系综计算和构象交换解决相对自由能计算中的采样不足问题,实现了准确且可重现的多维炼金术自由能估计。
2024-08-20 physics.chem-ph physics.comp-ph
Alchemical harmonic approximation based potential for iso-electronic diatomics: Foundational baseline for $Δ$-machine learning
Technische Universität Berlin(柏林工业大学);Vector Institute for Artificial Intelligence(向量人工智能研究所);University of Toronto(多伦多大学);Berlin Institute for the Foundations of Learning and Data(柏林学习与数据基础研究所);Acceleration Consortium, University of Toronto(多伦多大学加速联盟)
本文提出AHA电子势能模型,仅用单点校准即可覆盖等电子双原子分子的二维势能面,并作为$Δ$-学习基线显著降低训练数据需求、提升未见分子预测精度。
2026-10-06 physics.chem-ph
Comment on: ``Solving the riddle of the bright mismatches: Labeling and effective binding in oligonucleotide arrays"
在最近的一篇论文[Phys.Rev.E68,011906(2003)]中,Naef和Magnasco提出,在Affytron微阵列实验中观察到的“明亮”错配是由用于标记RNA靶序列的荧光分子引起的,这将阻碍靶-探针杂交。他们的结论是基于通过拟合来自公开实验的微阵列数据获得的亲和力中的“意外”不对称性的观察。我们在这里指出,所观察到的不对称性是由于RNA和DNA的不等价性,并且所报道的亲和力与从溶液中未标记的核酸的熔化实验获得的堆积自由能是一致的。因此,Naef和Magnasco的结论是基于一个不合理的假设。
2006-07-18 cond-mat.soft physics.chem-ph q-bio.BM
Computing solvation free energies of small molecules with experimental accuracy
University of Cambridge(剑桥大学);Ångström AI;Newcastle University(纽卡斯尔大学)
本研究提出了一种高效的alchemical自由能协议,利用机器学习势能模型实现了对小分子溶剂化自由能的高精度计算。
2026-02-10 physics.chem-ph
Inclusion of Enclosed Hydration Effects in the Binding Free Energy Estimation of Dopamine D3 Receptor Complexes
有限的水化和构象的灵活性是遇到的一些挑战的合理设计的选择性拮抗剂的G蛋白偶联受体。我们提出了一组C3-取代的(-)-千金藤啶衍生物作为多巴胺D3受体的有效结合剂。这些化合物的特点是生物化学,以及通过计算机建模使用一种新的分子动力学为基础的炼金术结合自由能的方法,其中包括从结合位点的封闭的水分子的位移的效果。具体的水化位点的位移自由能是使用水化位点分析方法与显式溶剂化。这项工作强调了多巴胺受体的分子识别机制中的限制水化和构象重组的关键作用,并说明了结合自由能模型代表这些关键现象的潜力。
2019-04-24 physics.bio-ph physics.chem-ph
Exhaustive Search of Ligand Binding Pathways via Volume-based Metadynamics
确定配体的结合/解结合途径的完整集合对于药物发现和合理解释突变数据是重要的。在这里,我们已经开发了一种基于元吸附的技术,解决了这个问题,并允许估计亲和力存在多个逃逸途径。我们的方法显示在与苯分子复合的溶菌酶T4变体上。结合自由能的计算值与实验值符合较好。值得注意的是,我们不仅能够找到所有以前鉴定的配体结合途径,而且还发现了3个新的配体结合途径。这一结果是在一个小的计算成本,使这种方法有价值的实际应用,如筛选小化合物库。
2019-04-24 physics.bio-ph physics.chem-ph
On the Reliability of AI Methods in Drug Discovery: Evaluation of Boltz-2 for Structure and Binding Affinity Prediction
本文评估了Boltz-2在药物发现中的可靠性,发现其在结构预测和结合亲和力预测中存在局限,需结合物理方法提高准确性。
2026-03-02 cs.AI physics.chem-ph
Unravelling Mg$^{2+}$-RNA binding with atomistic molecular dynamics
与二价阳离子的相互作用对于RNA的结构稳定性和功能至关重要。我们在这里报告了一个详细的分子动力学研究的所有可能的结合位点的镁$^{2+}$的RNA双链体,包括直接(内球)和间接(外球)的结合。为了解决采样问题,我们开发了一个修改后的版本的偏差交换元自相关,使我们能够同时计算亲和力与以前未报告的统计精度。结果正确再现了晶体学数据库中观察到的趋势。基于此,我们模拟了一组精心选择的模型,使我们能够量化与单价阳离子,RNA的灵活性和RNA杂交的竞争的影响。我们的模拟再现了Mg $^{2+}$亲和力的减少和增加,由于离子竞争和杂交分别,并预测RNA的灵活性有一个网站依赖性的影响。这表明RNA构象熵和二价阳离子结合之间存在着重要的相互作用。
2016-12-27 physics.bio-ph physics.chem-ph physics.comp-ph
Affinity, Kinetics, and Pathways of Anisotropic Ligands Binding to Hydrophobic Model Pockets
使用显式水分子动力学(MD)模拟的一个通用的口袋配体模型,我们研究如何化学和形状各向异性的小配体影响的亲和力,动力学速率和途径,其协会的疏水结合位点。特别是,我们调查芳香族化合物,所有类似的分子大小,但不同的各种亲水性或疏水性残基。我们证明,最疏水的部分一般主要是在结合到腔体时去溶剂化,这表明不同化学单元的特定水合作用可以通过“疏水扭矩”来引导取向途径。此外,我们发现,双峰取向波动的配体具有显着增加的动力学障碍结合相比,以前观察到的球形配体由于平移波动的动力学障碍。我们认为,这些动力学障碍,这是配体特异性,影响结合和非结合时间,我们观察到我们研究的配体之间的相当大的差异。
2020-09-17 cond-mat.soft cond-mat.stat-mech physics.bio-ph
Guided Multi-objective Generative AI to Enhance Structure-based Drug Design
SandboxAQ;University of Florida(佛罗里达大学)
IDOLpro结合扩散模型与多目标优化,通过可微评分函数引导潜变量探索化学空间,生成结合亲和力和可合成性优于现有方法的配体,加速药物发现流程。
2025-04-28 cs.LG physics.chem-ph q-bio.BM
Ultrahigh molecular recognition specificity of competing DNA oligonucleotide strands in thermal equilibrium: a cooperative transition to order
分子识别的特异性是分子自组织的重要条件。一个突出的例子是生物细胞,在高度拥挤的分子环境中,无数不同的分子受体对以惊人的准确性识别它们的结合伴侣。在热平衡中,通常承认识别剂对的亲和力仅取决于两个结合分子的性质。因此,结合能差异的玻尔兹曼因子与竞争相同探针的不同靶分子之间的分子亲和力相关。在这里,我们考虑短DNA寡核苷酸单链的分子识别。我们表明,一个更好的匹配的寡核苷酸链可以战胜一个更集中的竞争对手,表现出降低亲和力,由于错配。与上面简单的图片的偏差可能达到几个数量级。在我们的实验中,给定链的有效分子亲和力仅在更好匹配的竞争者不存在时才保持升高。我们解释我们的观察结果的基础上发生的熵起源的能量障碍,如果两个竞争的寡核苷酸链同时占据同一探针。在这种情况下,相对结合亲和力不对称地降低,这导致自由能景观的表达,其代表了朗道描述的相变的形式类似物。我们的平均场描述再现了定量协议的意见。改进的分子识别的优点是除了分子系综的设计和竞争者的引入之外没有能量成本。这将是有趣的,看看机制沿着类似的线暴露在这里,有助于分子协同作用发生在生物系统。
2020-09-04 cond-mat.stat-mech physics.bio-ph physics.chem-ph
Assessment of Density Functional Methods for Exciton Binding Energies and Related Optoelectronic Properties
激子结合能是将受激电子-空穴对解离为自由载流子所需的能量,是影响有机材料光电性能的关键因素之一。然而,目前还不清楚现代量子力学计算,主要是基于科恩-沙姆密度泛函理论(KS-DFT)和时间相关的密度泛函理论(TDDFT),是否可靠准确的激子结合能。在这项研究中,激子结合能和相关的光电性质(例如,用KS-DFT和TDDFT计算了121个小到中等尺寸分子的电离势、电子亲合势、基本能隙和光学能隙)。我们的KS-DFT和TDDFT结果进行了比较,使用高精度CCSD和EOM-CCSD方法分别计算。的omegaB 97,omegaB 97 X,和omegaB 97 X-D的泛函一般优于(平均绝对误差为0.36 eV)的其他泛函的研究性质。
2015-08-29 physics.atm-clus physics.chem-ph physics.comp-ph
Machine Learning Enhanced Calculation of Quantum-Classical Binding Free Energies
ETH Zurich(苏黎世联邦理工学院);University of Copenhagen(哥本哈根大学)
本文提出自动化QM/MM采样与机器学习势相结合的工作流,通过适配QM/MM数据的元素包容型原子中心对称函数描述符,实现含过渡金属药物的高效炼金术结合自由能计算。
2025-03-05 cond-mat.dis-nn physics.bio-ph physics.chem-ph
Predictable Accuracy of Martini 3 Absolute Protein-Ligand Binding Free Energies across 15 Targets
Institute for Theoretical Physics, Heidelberg University(海德堡大学理论物理研究所);Interdisciplinary Center for Scientific Computing (IWR), Heidelberg University(海德堡大学跨学科科学计算中心)
本研究评估Martini 3在15个靶点上的蛋白质-配体结合自由能精度,发现其存在系统性偏差,构建线性模型可大幅降低误差,且其排名特性使其成为覆盖化学空间的互补工具。
2026-10-09 physics.chem-ph
High throughput screening with machine learning
SoftServe Inc.(SoftServe公司);Institute for Condensed Matter Physics(凝聚态物理研究所);Ukrainian Catholic University(乌克兰天主教大学)
本研究评估了几种流行的机器学习方法在预测分子结合亲和力方面的效率:CatBoost,图形注意力神经网络和来自Transformers的双向编码器表示。对模型进行训练,以预测蛋白质和小有机分子对的抑制常数$K_i$的结合亲和力。前两种方法使用彻底选择的物理化学特征,而第三种方法基于文本分子表示-它是应用基于transformer的预测因子用于结合亲和力的首批尝试之一。我们还讨论了可视化的注意层内的Transformer的方法,以突出的分子网站负责的相互作用。所有方法都不受原子空间坐标的影响,从而避免了已知结构的偏差,并能够推广到具有未知构象的化合物。所有建议的方法所达到的准确性证明了它们在高通量筛选中的潜力。
2020-12-15 cs.LG physics.chem-ph
QuantumBind-RBFE: Accurate Relative Binding Free Energy Calculations Using Neural Network Potentials
Acellera Labs(阿塞莱拉实验室);Acellera Therapeutics(阿塞莱拉治疗公司);Universitat Pompeu Fabra(庞培法布拉大学);Barcelona Biomedical Research Park (PRBB)(巴塞罗那生物医学研究园(PRBB))
针对药物发现中配体力场限制影响结合亲和力预测准确性的问题,提出基于TensorNet架构的神经网络势函数模型AceFF 1.0进行相对结合自由能计算,在提升预测准确性的同时实现了更大的模拟时间步长和显著的速度提升。
2025-04-02 cs.LG physics.chem-ph physics.comp-ph
Molecular Determinants of Orthosteric-allosteric Dual Inhibition of PfHT1 by Computational Assessment
本文通过分子动力学模拟研究 PfHT1 正构-别构双重抑制的分子决定因素,结合自由能分析揭示了关键残基贡献,为高效规避耐药疟原虫的精准药物设计提供依据。
2025-04-18 cond-mat.soft physics.bio-ph physics.chem-ph
Accelerated descriptor-free path sampling for protein-ligand binding kinetics
Goethe University Frankfurt(法兰克福歌德大学);Institute for Computer Science, Goethe University Frankfurt(法兰克福歌德大学计算机研究所);Frankfurt Institute for Advanced Studies (FIAS), Goethe University Frankfurt(法兰克福高等研究院)
研究蛋白质-配体结合动力学难计算问题,基于AIMMD框架,结合路径采样与无描述符图神经网络,用静态偏置势改进收敛,无需特定系统设置,能高效准确计算动力学并重建机制,为探索结构-动力学关系奠定基础。
2026-07-17 physics.chem-ph
ToxBench: A Binding Affinity Prediction Benchmark with AB-FEP-Calculated Labels for Human Estrogen Receptor Alpha
NVIDIA
针对药物发现中结合亲和力预测的数据瓶颈,提出首个大规模 AB-FEP 数据集 ToxBench 并开发双损失框架的 DualBind 模型,证明机器学习能以极低计算成本近似 AB-FEP。
2025-07-11 cs.AI cs.LG physics.chem-ph
Hierarchical quantum embedding by machine learning for large molecular assemblies
ETH Zurich(苏黎世联邦理工学院);University of Copenhagen(哥本哈根大学)
本文提出结合机器学习势的“量子中量子”层级嵌入策略,通过小尺寸量子核的高精度电子能量与迁移学习改进混合模型,并用于蛋白质-配体结合自由能计算。
2025-03-05 cond-mat.dis-nn physics.bio-ph physics.chem-ph
Auto-WHATMD : Automated Wasserstein-based High-dimensional feature extraction Analysis of Trajectories from Molecular Dynamics
Keio University(庆应义塾大学);National Institute of Advanced Industrial Science and Technology(产业技术综合研究所)
本文提出Auto-WHATMD方法,利用最优传输距离比较高维轨迹数据,并通过退火算法识别区分多个系统的关键残基,用于高效确定关键残基和设计特征。
2026-03-15 physics.bio-ph physics.chem-ph physics.comp-ph
Computationally driven discovery of SARS-CoV-2 Mpro inhibitors: from design to experimental validation
我们报告了一个快速跟踪计算驱动的新的SARS-CoV 2主要蛋白酶(M $^{pro}$)抑制剂的发现,其效力范围从初始非共价配体的mM到最终共价化合物的亚$μ$ M(IC 50 =830 +/- 50 nM)。该项目广泛依赖于高分辨率全原子分子动力学模拟和使用可极化AMOEBA力场进行的绝对结合自由能计算。这项研究是由广泛的自适应采样模拟,用于合理化不同的配体结合姿势,通过明确重建的配体-蛋白质构象空间的补充。还执行机器学习预测以预测选定的化合物性质。虽然模拟广泛使用高性能计算来大大减少解决方案的时间,但它们被系统地耦合到核磁共振实验来驱动合成和化合物的体外表征。这种研究强调了依赖于基于结构的药物设计方法的计算机策略的力量,并允许解决蛋白质构象多样性问题。所提出的氟化四氢喹啉类化合物为进一步优化M $^{pro}$抑制剂向低nM亲和力提供了途径。
2022-01-24 physics.chem-ph q-bio.BM