基于结构域分解的大蛋白质结构缩合，以了解它们的构象动力学

摘要

正态分析(NMA)与粗粒度模型，如弹性网络模型(ENM)，允许定量了解蛋白质动力学。随着蛋白质尺寸的增大，由于大量Hessian矩阵的对角化，产生了寻找动态重要低频正态模的昂贵计算过程。在这项研究中，我们提供了基于域分解的结构凝聚方法，使低频运动的高效计算成为可能。具体来说，我们的粗粒度方法是通过模型凝结(MC;Eom et al.， J computer Chem 2007;28， 1400)和组分模式合成(Kim et al.， J Chem theory computer, 2009);5, 1931)。该方法首先将蛋白质结构分解为多个子结构单元，然后将每个子结构单元进行粗粒度化，对粗粒度子结构单元进行NMA后，利用几何约束对每个粗粒度子结构单元的正态模态和固有频率进行组合，从而得到整个蛋白质结构的正态模态和固有频率。结果表明，我们的粗粒化方法提高了分析大型蛋白质复合物的计算效率。这清楚地表明，我们的粗粒化方法提供了100个大蛋白质的b因子，在数量上与原始NMA的计算效率相当。此外，我们建议的粗粒度模型可以很好地描述模型蛋白质的集体行为和/或相关运动，在数量上与原始NMA计算的结果相当。这意味着，我们的粗粒度方法使大蛋白质复合物的构象动力学的计算效率的研究。

这项研究发表在《计算化学杂志》的网络版上