分子动力学模拟

要解决什么问题

结构生物学和药物设计里，很多问题没法只靠静态晶体结构回答：突变会不会让蛋白更不稳定、配体在结合位点里怎么动、IDR 的构象系综长什么样、膜蛋白在脂质环境里界面怎么变。分子动力学（MD）通过对牛顿运动方程数值积分，在时间尺度上跟踪原子坐标与速度，把「一张快照」延伸成可统计的轨迹。

技能如何组织工作流

本技能把两条链路放在一起：OpenMM 负责高性能模拟（GPU、Python API、多种力场），MDAnalysis 负责读写在各主流引擎下产生的轨迹并做分析。

典型 OpenMM 流程可以概括为：

1. 体系准备（溶剂化、离子、力场与约束）
2. 能量最小化（消除 PDB 带来的空间位阻）
3. NVT 平衡 → NPT 平衡 → 生产阶段

轨迹侧常用步骤包括：加载轨迹、RMSD（相对参考结构的整体漂移）、RMSF（逐残基涨落）、以及蛋白-配体接触统计。SKILL 里还给了一张力场对照表（如标准蛋白用 amber14-all.xml + TIP3P-FB，膜蛋白倾向 CHARMM36m 等），并提到 PDBFixer、小分子 GAFF2（经 OpenFF）等准备工具。

适用边界与注意点

MD 不是「跑完就有结论」：生产前必须最小化并分阶段平衡；分析时通常要丢掉轨迹前 20–50% 当作未平衡段。步长、约束（如 HBonds 下 2 fs）、PME 静电、周期性边界与检查点保存，都会直接影响结果是否可复现、是否物理合理。膜体系、蛋白-配体、无序蛋白等场景对力场与水模型更敏感，选错组合比调参更致命。