Selecting DFT methods for use in optimizations of enzyme active sites: applications to ONIOM treatments of DNA glycosylases
Notice bibliographique
Résumé
When using a hybrid methodology to treat an enzymatic reaction, many factors contribute to selecting the method for the high-level region, which can be complicated by the presence of dispersion-driven interactions such as π–π stacking. In addition, the proper treatment of the reaction center often requires a large number of heavy atoms to be included in the high-level region, precluding the use of ab initio methods such as MP2 as well as large basis sets, in the optimization step. In the present work, popular DFT methods were tested to identify an appropriate functional for treating the high-level region in ONIOM optimizations of reactions catalyzed by nonmetalloenzymes. Eight different DFT methods (B3LYP, B97-2, MPW1K, MPWB1K, BB1K, B1B95, M06-2X, and ωB97X-D) in combination with four double-ζ quality Pople basis sets were tested for their ability to optimize noncovalent interactions (hydrogen bonding and π–π) and characterize reactions (proton transfer, SN2 hydrolysis, and unimolecular cleavage). Although the primary focus of this study is accurate structure determination, energetics were also examined at both the optimization level of theory, and with triple-ζ quality basis set and select (M06-2X or ωB97X-D) methods. If dispersion-driven interactions exist within the active site, then MPWB1K/6-31G(d,p) or M06-2X/6-31+G(d,p) are recommended for the optimization step with subsequent triple-ζ quality single-point energies. However, since dispersion-corrected functionals (M06-2X and ωB97X-D) generally require diffuse functions to yield appropriate geometries, the possible size of the high-level region is greatly limited with these methods. In contrast, if the model is large enough to recover steric constraints on π–π interactions, then B3LYP with a small basis set performs comparatively well for the optimization step and is significantly less computationally expensive. Interestingly, the functionals that afford the best geometries often do not yield the best energetics, which emphasizes the importance of structural benchmark studies.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».