论文摘要
近半个世纪以来从头算量子化学方法取得了较大的发展,使得人们试图将理论计算方法应用到越来越大的体系中去,相关应用在生物大分子、材料等领域越来越普遍,应用的范围也从最初的实验结果验证分析到现在的预测、甚至指导实验进行。同时随着计算机性能的提高,应用时计算的理论水平和计算体系的复杂度也越来越高。由于量子化学方法的计算标度与体系大小呈高阶幂指数关系,在计算生物大分子性质时人们往往只能使用较低的理论水平或缩小计算体系的尺寸,从而牺牲了理论计算精度。线性标度的量子力学分块方法为复杂生物大分子体系的应用打开了新的大门,近年来受到人们的广泛关注。该方法可以重现生物大分子全体系高阶理论水平计算的结果,从而可以精确计算大分子能量,化学位移,动力学等方面的性质。本文首先将阐述近期发展的用于RNA总能量量子力学计算的EE-GMFCC方法。在EE-GMFCC方法中,RNA的总能量通过计算具有大帽子或小帽子(分别称为EE-GMFCC-LC和EE-GMFCC-SC)的每个核苷酸中心片段的QM能量再经过对其适当组合获得。在能量计算中考虑了非相邻但空间上距离较近的核苷酸的两体QM相互作用能量。针对EE-GMFCC-LC和EE-GMFCC-SC方法分别在Hartree-Fock(HF),密度泛函理论(DFT)和二阶多体扰动理论(MP2)的方法水平上对RNA总能量的计算进行了多项测试。结果表明EE-GMFCC-SC方法比EE-GMFCC-LC方法快约3倍,而它们的精确度差别很小,且与RNA全体系在同样方法水平下计算的结果较为一致。EE-GMFCC-SC方法也被应用于在HF和DFT水平下对两条RNA体系不同构象的相对能量计算。单点能和不同构象间相对能量的计算结果均表明EE-GMFCC方法与RNA全体系计算相比误差只有几千卡/摩尔。接下来,针对RNA的1H,13C和15N的NMR化学位移计算发展了AF-QM/MM方法。同时针对该方法在RNA体系中的应用进行了系统的研究以检验密度泛函,力场,系综平均和显式溶剂模型对NMR化学位移计算的影响。通过比较一系列密度泛函的计算结果,发现mPW1PW91泛函是预测RNA1H和13C化学位移的最佳泛函之一。该研究还表明,力场描述氢键强度的性能可以通过AF-QM/MM计算的亚氨基质子化学位移来验证。研究发现与传统的FF10力场相比,极化核酸特异性电荷(PNC)模型显著提高了亚氨基氢和氮的NMR化学位移预测的准确性,这说明静电极化效应对于稳定RNA碱基对之间的氢键是至关重要的。此外,通过添加显式水分子可以提高氨基质子化学位移预测的准确性。最后,本论文阐述了近期发展的应用于蛋白质-配体复合物NMR化学位移计算的AF-QM/MM方法。在AF-QM/MM方法中,蛋白质结合口袋被自动分成若干个闭壳层片段(在~200个原子内),用于NMR化学位移的密度泛函理论(DFT)计算。同时,使用Poisson-Boltzmann(PB)模型将溶剂效应包括进来,该模型恰当地解释了蛋白质-配体复合物表面的溶剂静电极化效应。通过AF-QM/MM计算的新制癌菌素(NCS)-发色团结合复合物的NMR化学位移精确地再现了大尺寸QM体系计算的结果。由AF-QM/MM预测的apo-NCS和holo-NCS之间的1H化学位移扰动(CSP)也与实验结果非常一致。此外,DFT计算的发色团和NCS结合口袋中残基的化学位移可用作分子探针以鉴定正确的配体结合构象。通过将结合口袋中的原子的化学位移信息与Glide评分函数相结合,新的评分函数可以准确地区分配体天然结合构象和对接生成的诱饵结构。因此,AF-QM/MM方法基于NMR化学位移信息为蛋白质-配体结合结构预测提供了准确和有效的平台。综上,本论文的创新点主要有以下三方面:1.发展了EE-GMFCC分块方法实现了RNA体系能量的全量子计算,并且进一步开发出计算效率更高的分块方案。2.系统研究了如何利用量子力学分块方法对RNA的化学位移进行预测,并给出了提升活泼氢预测精度的方案,该方案有助于RNA结构预测以及碱基对间距的测定等。3.发展的针对蛋白质-配体复合物NMR化学位移的分块方法与Glide评分函数相结合,能够准确地区分NCS复合物中配体天然结合构象和对接生成的诱饵结构。
论文目录
文章来源
类型: 博士论文
作者: 金薪盛
导师: 张增辉(John ZH Zhang),何晓
关键词: 量子化学,分块方法,线性标度,化学位移,密度泛函,分子对接
来源: 华东师范大学
年度: 2019
分类: 基础科学
专业: 物理学,生物学
单位: 华东师范大学
分类号: O413.1;Q71
总页数: 109
文件大小: 6704K
下载量: 138
相关论文文献
- [1].多面体模型中分裂分块算法的设计与实现[J]. 计算机学报 2020(06)
- [2].向量化友好的循环分块因子选择算法[J]. 计算机工程与应用 2020(15)
- [3].自适应多尺度分块压缩感知算法[J]. 中国图象图形学报 2017(09)
- [4].孩子害羞与依赖 家长做错了什么[J]. 青年教师 2016(01)
- [5].一种基于分块特征的交互式图像色彩编辑方法[J]. 红外与激光工程 2019(12)
- [6].懒交互模式下散乱不规则分块引导的目标跟踪[J]. 中山大学学报(自然科学版) 2018(04)
- [7].基于压缩感知和图像分块的遮挡人脸识别[J]. 西华大学学报(自然科学版) 2015(03)
- [8].面向局部性和并行优化的循环分块技术[J]. 计算机研究与发展 2015(05)
- [9].分块推进,整体提升写作能力[J]. 新作文(中学作文教学研究) 2019(10)
- [10].如何构建初三“递进分块式”课后作业[J]. 中小学教学研究 2008(02)
- [11].基于覆盖聚类的大本体分块映射研究[J]. 计算机工程与应用 2009(10)
- [12].基于神经网络的循环分块大小预测[J]. 计算机科学 2020(08)
- [13].基于文件固定分块的数据去重技术研究[J]. 沙洲职业工学院学报 2017(01)
- [14].多媒体教学中的屏幕分块算法的改进[J]. 微型电脑应用 2016(04)
- [15].分块查找算法性能分析[J]. 电脑编程技巧与维护 2016(16)
- [16].数控机床造型设计钣金分块[J]. 科技与企业 2014(07)
- [17].基于两级分块的文件同步方法[J]. 计算机工程与设计 2014(03)
- [18].大型坑基支护中分块施工的优化研究[J]. 沙洲职业工学院学报 2014(03)
- [19].一种在线的动态网页分块缓存方法[J]. 电子学报 2009(05)
- [20].基于结构标准的大本体分块映射研究[J]. 电脑知识与技术 2009(18)
- [21].多信息集成下输变电工程数据智能分块方法研究[J]. 自动化与仪器仪表 2020(09)
- [22].基于内容分块优化算法的云存储去冗技术测试[J]. 微型电脑应用 2020(09)
- [23].一种基于分块的虹膜识别方法[J]. 四川大学学报(工程科学版) 2016(S1)
- [24].动态分块隔行扫描算法设计与实现[J]. 成都信息工程学院学报 2014(06)
- [25].局部分块的一类支持向量数据描述[J]. 计算机应用 2015(04)
- [26].分块二维保局投影方法及其在人脸识别中的应用[J]. 计算机应用 2009(08)
- [27].基于分块压缩感知图像重构算法研究[J]. 科技创新与应用 2017(12)
- [28].一种光栅地图图像分块算法[J]. 电子世界 2017(08)
- [29].“适当分块”策略在初中化学概念教学中应用的研究[J]. 化学教与学 2015(05)
- [30].基于分块永磁磁极的永磁电机齿槽转矩削弱方法[J]. 电工技术学报 2012(03)