分子动力学直接生成的数据原则上是分散在3N维度的空间中（N为体系内原子总数），因此难以直接分析。选择恰当的集合变量（collective variable）或是应用合适的降维方法将高维数据投影在低维面上，对于其后分子动力学的分析至关重要。自由能面的描述、马科夫态的聚类分析等分析都需要选择合适的降维方法。近日，Southern Methodist University陶鹏课题组在美国化学会Journal of Chemical Theory and Computation杂志上发表论文。他们将t-Distribution stochastic neighboring embedding (t-SNE)降维方法应用在分子动力学模拟上，并和其他常用的降维方法进行比较的研究。研究结果表明：t-SNE在本研究的系统上对于保留结构相对信息、保留分布信息、区分高维聚类、以及呈现自由能面上明显优越于主成分分析（PCA），根据时间的独立成分分析（t-ICA）以及2维RMSD。总体而言，t-SNE能更好的保留结构和动态信息，因此可以被广泛应用在分子动力学模拟结构的分析中。
在该项研究中，模型系统是具有不同暗态(Dark State)和光态(Light State)的蛋白质。研究中一共进行了12微秒的分子动力学模拟。首先进行的比较包括聚类分析后的聚类结构相似度分析。如果用RMSD描述聚类内的平均相似度，RMSD小于1.0埃则可以说明聚类内的结构有着很高的结构相似度以及动能相似度（kinetic similarity），这对于马科夫态（markov state）的分析至关重要。图1显示了在不同的投影面上进行1000个聚类的聚类分析后的结果。显然聚类内的分子相似度最高的是直接在高维（3N）空间中进行聚类分析，其次是2维t-SNE，其次是1维t-SNE以及2维PCA以及以下的t-ICA以及RMSD。由此可见，直接在t-SNE的投影面进行的聚类分析可以最好的保留聚类内的结构相似度以及动能相似度。
图1：比较不同的聚类方法 （a）按照聚类大小排序的微小态（b）按照平均相似度排序的微小态
此外，除了上述的微小态（microstate）内的结构相似度的比较外，还通过K-Means聚类分析得到了十个不同的高维聚类。十个高维聚类分别代表着在高维空间下的能量盆地（basin）。图2显示了在不同的投影面上，这十个高维聚类的分布。可以清楚的看到，十个高维聚类在t-SNE投影面上可以明显的区分彼此，显示出t-SNE能很好的保护这十个高维聚类间的能垒。而其他的降维方法虽然区分一部分高维聚类，但另一部分的高维聚类则被模糊开来，表明该降维方法并不能够很好的保护该聚类的能垒。
图2：十个高维聚类在不同投影面上的分布
此项研究的结果表明： t-SNE是一种在常用降维方法外的一种非线性降维方法，可以为分子动力学模拟的分析提供新的途径。
Hongyu Zhou, Feng Wang, and Peng Tao. t-Distributed Stochastic Neighbor Embedding Method with the Least Information Loss for Macromolecular Simulations. Journal of Chemical Theory and Computation. 2018, 14 (11): 5499-5510. DOI: 10.1021/acs.jctc.8b00652, 全文
关注计算化学进展, 请关注公众号
网友评论