分子动力学 MD 入门：什么时候需要做模拟

分子动力学（MD）通过数值求解牛顿运动方程，模拟原子随时间的运动。它是唯一能直接给出动态信息的计算方法——但它昂贵、有明确的适用边界，不是每个项目都需要做。

MD 能回答什么，不能回答什么

问题	MD 能否回答
这个对接姿势稳定吗	能（10～50 ns 足够）
哪些相互作用是稳定的	能（算占有率，见 109《ProLIF》）
结合位点有哪些关键水	能
侧链的柔性如何	能
是否存在隐蔽口袋	能（需较长模拟或增强采样）
大尺度构象变化	通常不能（时间尺度不够）
配体如何进入/离开口袋	通常不能（需增强采样）
结合亲和力是多少	需要专门方法（FEP，见 127《FEP、RBFE 与 ABFE》）
蛋白如何折叠	一般不能（除非很小的蛋白）

时间尺度：MD 的根本约束

# 生物过程的时间尺度：
#
#   键振动              飞秒     10^-15 s
#   侧链旋转            皮秒     10^-12 s
#   水分子重排          皮秒
#   loop 运动           纳秒     10^-9 s
#   ---- 常规 MD 能到这里（10~1000 ns）----
#   结构域运动          微秒     10^-6 s
#   配体结合/解离       微秒~毫秒
#   变构传导            微秒~毫秒
#   蛋白折叠            微秒~秒
#   酶催化循环          毫秒     10^-3 s
#
# 常规 MD 的现实：
#   典型体系（5 万原子）在单张现代 GPU 上
#   约 100~300 ns/天
#   → 跑一周得到 1~2 μs
#
# 【关键认识】：
#   常规 MD 只能看到「快过程」
#   慢过程需要：
#     - 增强采样（元动力学、伞形采样、副本交换）
#     - 专用硬件（如 Anton）
#     - 马尔可夫状态模型（从大量短模拟拼接长时间行为）
#
# 【最常见的误用】：
#   跑 100 ns 然后说「没观察到构象变化，所以不存在」
#   → 这个结论不成立：100 ns 本来就看不到微秒级事件

典型的模拟时长建议

目的	建议时长	副本数
验证对接姿势稳定性	10～50 ns	3 个独立副本
相互作用占有率分析	50～100 ns	3
侧链柔性/口袋动态	100～500 ns	3～5
MM/GBSA 计算	10～50 ns（取平衡后部分）	3
寻找隐蔽口袋	> 1 μs 或增强采样	多个
构象变化	增强采样	—

「多个独立副本」比「一个长模拟」更重要：单次模拟可能落进某个局部状态而不出来，多个从不同初速度出发的副本能更好地评估结果的可靠性。3 × 50 ns 通常优于 1 × 150 ns。

标准流程

# 1) 体系准备
#    - 修复蛋白结构（见 105）
#    - 确定质子化态（见 105）
#    - 配体参数化（见 202）
#      蛋白有现成力场，【小分子需要单独生成参数】
#      工具：OpenFF、GAFF2 + AM1-BCC 电荷、CGenFF
#
# 2) 溶剂化与加离子
#    - 加水盒子（边界距蛋白至少 10~12 Å）
#    - 加 Na+/Cl- 中和电荷并达到生理离子强度（0.15 M）
#
# 3) 能量最小化
#    - 消除初始结构中的原子重叠
#    - 通常几千步最陡下降 + 共轭梯度
#
# 4) 平衡
#    - NVT：升温到 300 K，蛋白重原子加位置约束
#    - NPT：平衡密度与压力，逐步释放约束
#    - 【这一步做不好，生产模拟会不稳定】
#
# 5) 生产模拟
#    - 释放所有约束
#    - 记录轨迹（通常每 10~100 ps 存一帧）
#
# 6) 分析
#    - RMSD/RMSF 判断稳定性（见 124）
#    - 相互作用占有率（见 109）
#    - 氢键、水分子、口袋体积等
#
# 具体实现见 128（OpenMM）

什么时候不该做 MD

• 只是想「看起来更严谨」：如果 MD 的结果不会改变任何决策，那就不必做；
• 初始结构不可靠时。这是最重要的一条。如果对接姿势本身就是错的，MD 只会让错误的姿势「稳定地错下去」——MD 不能修正根本性的错误；
• 期望它给出亲和力：常规 MD 不算自由能，需要 FEP/MM-PBSA 这类专门方法；
• 时间尺度不匹配：想看微秒级事件却只跑百纳秒；
• 力场不适用：金属活性位点、极化效应强的体系、非常规化学基团——经典力场可能给出错误的行为；
• 没有明确的问题：先想清楚「我要用 MD 回答什么问题、什么样的结果会改变我的决策」，再决定跑不跑。

软件选择

软件	特点
OpenMM	Python API，易集成，开源（见 128《OpenMM 跑 10–100 ns MD》）
GROMACS	速度快，社区大，命令行工作流
AMBER	力场权威，GPU 版性能好（部分收费）
NAMD	大体系并行好
Desmond	Schrödinger 套件的一部分

对于药物设计的常规需求，OpenMM 是门槛最低的选择——Python 接口让它容易嵌入自动化流程。

延伸资源

• RMSD/RMSF：124《RMSD 与 RMSF》；OpenMM 实战：128《OpenMM 跑 10–100 ns MD》；MDAnalysis：129《MDAnalysis 分析轨迹》；
• MM/GBSA：126《MM/GBSA》；FEP：127《FEP、RBFE 与 ABFE》。