Benchmarking polarizable and non-polarizable force fields for Ca2+–peptides against a comprehensive QM dataset
Notice bibliographique
Résumé
Explicit description of atomic polarizability is critical for the accurate treatment of inter-molecular interactions by force fields (FFs) in molecular dynamics (MD) simulations aiming to investigate complex electrostatic environments such as metal-binding sites of metalloproteins. Several models exist to describe key monovalent and divalent cations interacting with proteins. Many of these models have been developed from ion–amino-acid interactions and/or aqueous-phase data on cation solvation. The transferability of these models to cation–protein interactions remains uncertain. Herein, we assess the accuracy of existing FFs by their abilities to reproduce hierarchies of thousands of Ca2+–dipeptide interaction energies based on density-functional theory calculations. We find that the Drude polarizable FF, prior to any parameterization, better approximates the QM interaction energies than any of the non-polarizable FFs. Nevertheless, it required improvement in order to address polarization catastrophes where, at short Ca2+–carboxylate distances, the Drude particle of oxygen overlaps with the divalent cation. To ameliorate this, we identified those conformational properties that produced the poorest prediction of interaction energies to reduce the parameter space for optimization. We then optimized the selected cation–peptide parameters using Boltzmann-weighted fitting and evaluated the resulting parameters in MD simulations of the N-lobe of calmodulin. We also parameterized and evaluated the CTPOL FF, which incorporates charge-transfer and polarization effects in additive FFs. This work shows how QM-driven parameter development, followed by testing in condensed-phase simulations, may yield FFs that can accurately capture the structure and dynamics of ion–protein interactions.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».