AI2BMD：AI驱动的从头计算生物分子动力学模拟

概述

AI2BMD是一个能够高效模拟蛋白质分子动力学并达到从头计算精度的程序。该存储库包含与AI2BMD相关的数据集、模拟程序和公开资料。

数据集

蛋白质单元数据集

蛋白质单元数据集涵盖了二肽的广泛构象。可以从以下链接下载：AI2BMD蛋白质单元数据集。

AIMD-Chig数据集

这是一个在密度泛函理论（DFT）水平计算的蛋白质全构象分子动力学数据集。AIMD-Chig包含200万个166原子的Chignolin构象，以及在M06-2X/6-31g*水平计算的相应势能和原子力。

阅读文章AIMD-Chig：利用从头计算分子动力学探索166原子蛋白质Chignolin的构象空间。
了解背后的故事首个从头计算精度的蛋白质全构象分子动力学数据集及其背后的新型计算技术。
获取数据集AIMD-Chig。

系统要求

硬件要求

我们建议使用具有以下配置的机器：

CPU：8核或以上
内存：32GB或以上
GPU：支持CUDA的GPU，显存8GB或以上

软件要求

该软件包已在以下系统上进行了测试：

操作系统：Ubuntu 20.04
Python：3.9
CUDA：11.3
cuDNN：8

安装指南

克隆存储库

git clone https://github.com/microsoft/AI2BMD

运行模拟

程序的主入口是scripts/ai2bmd。可以使用以下命令运行模拟：

cd AI2BMD # 进入存储库的根目录
scripts/ai2bmd --prot-file testcases/chig.pdb --max-cyc 2

结果将被保存在新创建的Logs-chig目录中。

AI2BMD相关研究

模型架构

ViSNet

ViSNet（Vector-Scalar interactive graph neural Network，矢量-标量交互图神经网络）是一种等变几何增强图神经网络，专为分子设计，显著缓解了计算成本与充分利用几何信息之间的矛盾。

ViSNet发表在Nature Communications上，题为通过等变矢量-标量交互消息传递增强分子的几何表示。
ViSNet被选为Nature Communications的"编辑亮点"，同时入选"人工智能和机器学习"和"生物技术和方法"两个领域。
ViSNet在首届全球AI药物研发大赛中获得冠军，并在OGB-LSC @ NeurIPS 2022 PCQM4Mv2赛道中获奖！
请查看ViSNet分支以获取源代码、模型训练说明和更多技术细节。

Geoformer

Geoformer（Geometric Transformer，几何Transformer）是一种新型几何Transformer，能有效建模分子结构以进行各种分子性质预测。Geoformer引入了一种新颖的位置编码方法，即原子间位置编码（IPE），用于在Transformer中参数化原子环境。通过引入IPE，Geoformer在基于Transformer的架构中捕获了超越原子间距离的有价值几何信息。Geoformer可以被视为ViSNet的Transformer变体。

Geoformer发表在NeurIPS 2023上。
阅读Geoformer论文具有原子间位置编码的几何Transformer。
请查看Geoformer分支以获取源代码、模型训练说明和更多技术细节。

用于MLFF的细粒度力度量

机器学习力场（MLFFs）近年来作为从头计算分子动力学（MD）模拟的一种经济有效的替代方案而备受欢迎。尽管MLFFs在测试集上表现出较小的误差，但在MD模拟过程中仍然存在固有的泛化和稳健性问题。为了缓解这些问题，我们提出使用全局力度量和从元素和构象方面的细粒度度量来系统地衡量每个原子和分子构象的机器学习力场。此外，通过在模型训练过程中采用所提出的力度量，可以提高机器学习力场的性能和分子动力学模拟的稳定性。这包括使用这些力度量作为损失函数来训练机器学习力场模型，通过重新加权原始数据集中的样本进行微调，以及通过纳入额外的未探索数据进行持续训练。

阅读封面故事文章《利用细粒度力度量改进分子动力学模拟的机器学习力场》。

马尔可夫状态模型的随机滞后时间参数化

马尔可夫状态模型（MSMs）在研究蛋白质构象动力学中发挥关键作用。通常使用具有固定滞后时间的滑动计数窗口来采样子轨迹，用于转移计数和MSM构建。然而，使用固定滞后时间采样的子轨迹在不同的滞后时间选择下可能表现不佳，需要强大的先验经验，并导致较不稳健的估计。

为了缓解这一问题，我们提出了一种基于泊松过程的新型随机方法，用于生成扰动滞后时间进行子轨迹采样，并用于构建马尔可夫链。在双势阱系统、WW结构域、BPTI和SARS-CoV-2的RBD-ACE2复合物上的全面评估揭示，我们的算法显著提高了所构建MSM的稳健性和准确性，同时不影响其马尔可夫性质。此外，我们的算法在复杂生物过程的慢动力学模式中尤其具有优势。